<?xml version="1.0"?>
<feed xmlns="http://www.w3.org/2005/Atom" xml:lang="pt-BR">
	<id>http://fiscomp.if.ufrgs.br/api.php?action=feedcontributions&amp;feedformat=atom&amp;user=Samuelhd</id>
	<title>Física Computacional - Contribuições do usuário [pt-br]</title>
	<link rel="self" type="application/atom+xml" href="http://fiscomp.if.ufrgs.br/api.php?action=feedcontributions&amp;feedformat=atom&amp;user=Samuelhd"/>
	<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Especial:Contribui%C3%A7%C3%B5es/Samuelhd"/>
	<updated>2026-04-28T07:06:25Z</updated>
	<subtitle>Contribuições do usuário</subtitle>
	<generator>MediaWiki 1.39.4</generator>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Oscila%C3%A7%C3%B5es_Acopladas/Problema_de_Fermi-Pasta-Ulam-Tsingou&amp;diff=7637</id>
		<title>Oscilações Acopladas/Problema de Fermi-Pasta-Ulam-Tsingou</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Oscila%C3%A7%C3%B5es_Acopladas/Problema_de_Fermi-Pasta-Ulam-Tsingou&amp;diff=7637"/>
		<updated>2022-05-04T20:39:16Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: /* FPUT quadrático */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&#039;&#039;&#039;Grupo:&#039;&#039;&#039; Paula Pandolfo, Ramiro de Souza, Samuel Dieterich e Wallace Carvalho&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Objetivo:&#039;&#039;&#039; Este trabalho tem dois objetivos principais: apresentar alguns resultados analíticos de osciladores lineares acoplados, comparando esses resultados com simulações computacionais; e implementar o modelo de osciladores acoplados com a adição de um termo quadrático, conforme inicialmente apresentado pelo artigo original do problema de Fermi-Pasta-Ulam-Tsingou (FPUT), analisando os resultados. Apresentaremos algumas simulações dos casos bidimensionais, mas as análises de resultados serão restritas aos casos unidimensionais, por simplicidade.&lt;br /&gt;
&lt;br /&gt;
== Introdução ==&lt;br /&gt;
Os &#039;&#039;&#039;osciladores&#039;&#039;&#039; talvez sejam os sistemas mais estudados em toda a Física, sendo capazes de modelar uma ampla gama de fenômenos, como, p. ex., pêndulos, circuitos eletrônicos e interações moleculares. O comportamento linear desse tipo de sistema, em particular, possui resultados analíticos bem conhecidos, facilitando o tratamento matemático de sistemas complexos que possam ser modelados por conjuntos de osciladores.&lt;br /&gt;
&lt;br /&gt;
O problema de FPUT (Enrico Fermi, John R. Pasta, Stanislaw M. Ulam, Mary Tsingou) resulta da análise computacional de um sistema de partículas que apenas interagem com seus vizinhos, com interações modeladas por oscilações acopladas com a adição de um termo não-linear, que pode ser quadrático ou cúbico. O intuito original da simulação era estudar como tal sistema evolui para o equilíbrio térmico. Se as forças envolvidas forem estritamente lineares, a energia alocada em cada modo de vibração não se distribui entre os demais modos, e o sistema nunca atinge o equilíbrio térmico. Adicionando termos não lineares, supunha-se que, pelo Teorema da Equipartição da Energia, a energia total do sistema seria distribuída uniformemente entre os modos normais de vibração após um certo tempo, resultando no equilíbrio térmico do sistema. Entretanto, isso não foi observado nas simulações computacionais.&lt;br /&gt;
&lt;br /&gt;
O caso foi estudado pela primeira vez em Los Alamos, nos Estados Unidos, e implementado no computador MANIAC I (Mathematical Analyzer Numerical Integrator and Automatic Computer Model I). Além dos três participantes coautores do artigo &amp;lt;ref name=FPUToriginal&amp;gt;Fermi, E.; Pasta, J.; Ulam, S. (1955). &amp;quot;Studies of Nonlinear Problems&amp;quot; (PDF). Document LA-1940. Los Alamos National Laboratory. [Acessado 02 Maio 2022]. [http://www.physics.utah.edu/~detar/phys6720/handouts/fpu/FermiCollectedPapers1965.pdf]&amp;lt;/ref&amp;gt;, que relataram o caso em 1955, Mary Tsingou implementou o código e resolveu numericamente o sistema. Atualmente, por essa razão, o paradoxo é denominado pela sigla FPUT (Fermi-Pasta-Ulam-Tsingou).&amp;lt;ref name=WeThankMTsingou&amp;gt;Grant, V. &amp;quot;We Thank Miss Mary Tsingou&amp;quot;, National Security Science. Winter 2020: pp. 36-43. [Acessado 02 Maio 2022]. [https://www.lanl.gov/discover/publications/national-security-science/2020-winter/mary-tsingou.shtml]&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A abordagem adotada no presente trabalho é a seguinte: inicialmente, serão apresentados alguns resultados teóricos bem conhecidos de osciladores lineares acoplados. Em seguida, compararemos esses resultados com simulações computacionais, a fim de exemplificar visualmente seu significado. Após apresentar as fundações teóricas desses casos mais simples em que as forças são lineares, trataremos do problema de FPUT em si, examinando a situação em que a interação não-linear se dá através de um termo quadrático nas coordenadas generalizadas utilizadas. Tal tratamento tem de ser majoritariamente computacional, já que as equações diferenciais envolvidas não são, em geral, fáceis de se resolver analiticamente.&lt;br /&gt;
&lt;br /&gt;
== Osciladores Lineares Acoplados==&lt;br /&gt;
&lt;br /&gt;
Um modelo geral de sistema unidimensional de osciladores lineares acoplados é ilustrado pela &#039;&#039;&#039;Figura 1&#039;&#039;&#039;.&lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&lt;br /&gt;
&amp;lt;li style=&amp;quot;display: inline-block;&amp;quot;&amp;gt;[[Arquivo:OLA-modelo-geral.jpg|600px|left|thumb|center|&#039;&#039;&#039;Figura 1.&#039;&#039;&#039; Ilustração de um modelo geral unidimensional de oscilações acopladas. A figura foi criada por Paula Pandolfo, uma das integrantes do grupo.]]&amp;lt;/li&amp;gt;&lt;br /&gt;
&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Cada partícula possui duas vizinhas com as quais interage por meio das molas, exceto as partículas localizadas nos extremos da cadeia, que possuem apenas uma partícula vizinha cada. As interações das partículas dos extremos das cadeias se restringem, portanto, à interação com uma vizinha e com uma mola conectada a uma das paredes externas à cadeia. Como este problema é unidimensional, a posição de cada partícula pode ser descrita por apenas um grau de liberdade. Vamos escolher os deslocamentos &amp;lt;math&amp;gt;x_i&amp;lt;/math&amp;gt; em relação à respectiva posição de equilíbrio da partícula &amp;lt;math&amp;gt;i&amp;lt;/math&amp;gt; como nossas coordenadas generalizadas, definindo como positivos os deslocamentos para a direita e negativos para a esquerda. No total, um sistema com &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; partículas terá, portanto, &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; graus de liberdade. Vamos tratar aqui o caso em que as forças das molas são lineares, seguindo a lei de Hooke; i.e., forças dadas pela forma &amp;lt;math&amp;gt;F=-kx&amp;lt;/math&amp;gt;. &#039;&#039;&#039;Além disso, para simplificar e minimizar o número de parâmetros das simulações, vamos considerar que, em todos os casos mostrados, todas as molas possuem as mesmas constantes de acoplamento linear &amp;lt;math&amp;gt;k&amp;lt;/math&amp;gt; e todas as partículas possuem as mesmas massas &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt;&#039;&#039;&#039;.&lt;br /&gt;
&lt;br /&gt;
=== N=2 ===&lt;br /&gt;
&#039;&#039;&#039;Nota:&#039;&#039;&#039; O conteúdo abaixo segue aproximadamente a seção 12.2 de Marion e Thornton (2004).&amp;lt;ref name=Marion2004&amp;gt;Marion e Thornton, pp. 469-473&amp;lt;/ref&amp;gt; Entretanto, há diversas modificações e inclusões. Por exemplo, na descrição das equações de movimento e nas definições dos modos normais.&lt;br /&gt;
&lt;br /&gt;
Para nos familiarizarmos com este sistema, consideremos inicialmente o caso do oscilador linear acoplado mais simples, com apenas duas partículas (&amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt;), cada uma com massa &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt;, e três molas com os mesmos valores de constantes, &amp;lt;math&amp;gt;k&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Utilizando a segunda lei de Newton, mostra-se que as equações de movimento do sistema são:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
m\ddot{x}_{1} &amp;amp;= -kx_{1} - k(x_{1}-x_{2}) \\&lt;br /&gt;
m\ddot{x}_{2} &amp;amp;= -kx_{2} - k(x_{2}-x_{1})\text{.} \quad (1)\\&lt;br /&gt;
\end{align}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Uma forma direta de se montar as equações de movimento de um sistema acoplado é pensar em termos dos deslocamentos em relação às posições de equilíbrio (&amp;lt;math&amp;gt;x_{i}&amp;lt;/math&amp;gt;, com &amp;lt;math&amp;gt;i=1,2&amp;lt;/math&amp;gt;, no sistema considerado aqui). Por exemplo, na primeira das equações acima, a partícula 1 está sujeita à força elástica da mola conectada à parede (termo &amp;lt;math&amp;gt;-kx_{1}&amp;lt;/math&amp;gt;) e à força da mola conectada à partícula 2 (termo &amp;lt;math&amp;gt;-k(x_{1}-x_{2})&amp;lt;/math&amp;gt;). Esse último termo é definido conforme o seguinte: caso a mola que está conectada às partículas 1 e 2 esteja comprimida, &amp;lt;math&amp;gt;x_{1}&amp;lt;/math&amp;gt; deve ser maior que &amp;lt;math&amp;gt;x_{2}&amp;lt;/math&amp;gt; e a partícula 1 estará sofrendo uma força que é contrária à compressão, ou seja, com sinal negativo. De modo semelhante para a partícula 2, mas nesse caso, devido à posição ocupada pela partícula 2 na cadeia, com &amp;lt;math&amp;gt;x_{1}&amp;lt;/math&amp;gt; maior que &amp;lt;math&amp;gt;x_{2}&amp;lt;/math&amp;gt;, o sentido da força contrária à compressão tem sinal positivo, manifestando a terceira lei de Newton.&lt;br /&gt;
&lt;br /&gt;
Uma dificuldade imposta pelo sistema (1) é o fato das equações serem acopladas, que a aceleração da partícula 1 depende da posição da partícula 2, e vice-versa. Vamos supor que esse sistema de equações tenha soluções na seguinte forma:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{1}(t) &amp;amp;= A_{1}e^{-i\omega t} \\&lt;br /&gt;
x_{2}(t) &amp;amp;= A_{2}e^{-i\omega t}\text{,} \quad (2)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;A_{1}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;A_{2}&amp;lt;/math&amp;gt; são constantes e &amp;lt;math&amp;gt;\omega&amp;lt;/math&amp;gt; é uma frequência angular ainda indeterminada. Essa suposição é fisicamente justificável: sabemos que as soluções são oscilatórias, e exponenciais imaginárias podem ser escritas em termos de senos e cossenos pela fórmula de Euler. Se substituirmos as expressões em (2) na equação (1) e rearranjarmos os termos, obteremos:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
-mw^{2}A_{1}e^{-i\omega t} + 2kA_{1}e^{-i\omega t} -kA_{2}e^{-i\omega t} &amp;amp;= 0 \\&lt;br /&gt;
-mw^{2}A_{2}e^{-i\omega t} + 2kA_{2}e^{-i\omega t} -kA_{1}e^{-i\omega t} &amp;amp;= 0\text{.} \\&lt;br /&gt;
\end{align}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Ou, eliminando as exponenciais e reagrupando termos:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
(2k-mw^{2})&amp;amp;A_{1} &amp;amp;-kA_{2} &amp;amp;= 0 \\&lt;br /&gt;
-k&amp;amp;A_{1} &amp;amp;+(2k-mw^{2})A_{2} &amp;amp;= 0\text{.} \quad (3)\\ &lt;br /&gt;
\end{align}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O sistema de equações (3) apenas terá soluções não triviais se o determinante da matriz dos coeficientes que acompanham os &amp;lt;math&amp;gt;A_{i}&amp;lt;/math&amp;gt; for igual a zero, i.e.:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{vmatrix}&lt;br /&gt;
(2k-mw^{2}) &amp;amp; -k \\ &lt;br /&gt;
-k &amp;amp; (2k-mw^{2})  &lt;br /&gt;
\end{vmatrix} = 0\text{.} &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O resultado desse determinante ser igual a zero é uma equação quadrática simples em &amp;lt;math&amp;gt;\omega^2&amp;lt;/math&amp;gt;, sendo as soluções facilmente obtidas. Como para cada solução &amp;lt;math&amp;gt;\omega&amp;lt;/math&amp;gt; existe uma solução &amp;lt;math&amp;gt;-\omega&amp;lt;/math&amp;gt;, apresentaremos apenas o módulo das frequências:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
\omega_{1} = \sqrt{\frac{k}{m}} \quad \text{,} \quad \omega_{2} = \sqrt{\frac{3k}{m}}\text{.} \quad (4)&lt;br /&gt;
\end{align} &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;\omega_{1}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\omega_{2}&amp;lt;/math&amp;gt; são então denominadas as frequências características ou autofrequências do sistema. As soluções mais gerais do sistema de equações diferenciais lineares (1) vão ser então combinações lineares das soluções (2) com as frequências dadas por (4):&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{1}(t) = a_{1}^{1}e^{i\omega_{1} t} &amp;amp;+ a_{1}^{2}e^{-i\omega_{1} t} &amp;amp;+ a_{1}^{3}e^{i\omega_{2} t} &amp;amp;+ a_{1}^{4}e^{-i\omega_{2} t} \\&lt;br /&gt;
x_{2}(t) = a_{2}^{1}e^{i\omega_{1} t} &amp;amp;+ a_{2}^{2}e^{-i\omega_{1} t} &amp;amp;+ a_{2}^{3}e^{i\omega_{2} t} &amp;amp;+ a_{2}^{4}e^{-i\omega_{2} t}\text{.} \quad (5)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Nota-se que cada uma das soluções é uma superposição (em geral) complicada que envolve as duas autofrequências. Isso é uma consequência direta do acoplamento presente no sistema (1). Para eliminar este acoplamento, vamos definir novas variáveis: &amp;lt;math&amp;gt;\eta_{1} = x_{1} + x_{2}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\eta_{2} = x_{1} - x_{2}&amp;lt;/math&amp;gt;, ou&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt; x_{1} = \frac{\eta_{1} + \eta_{2}}{2} \quad \text{,} \quad x_{2} = \frac{\eta_{1} - \eta_{2}}{2}\text{.}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Substituindo essas expressões no sistema de equações (1), ficamos com:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
&amp;amp;m(\ddot{\eta}_{1} + \ddot{\eta}_{2}) + k\eta_{1} + 3k\eta_{2} = 0 \\&lt;br /&gt;
&amp;amp;m(\ddot{\eta}_{1} - \ddot{\eta}_{2}) + k\eta_{1} - 3k\eta_{2} = 0\text{.}&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Se somarmos as duas equações acima, e se subtrairmos a segunda da primeira, obtemos, respectivamente:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
&amp;amp;m\ddot{\eta}_{1} + k\eta_{1} = 0 \\&lt;br /&gt;
&amp;amp;m\ddot{\eta}_{2} + 3k\eta_{2} = 0\text{.}&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Reconhecemos imediatamente as equações acima como equações de osciladores harmônicos simples, desacopladas e, portanto, com soluções independentes. As soluções são dadas por&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
\eta_{1}(t) &amp;amp;= c_{1}e^{i\omega_{1}t} + c_{2}e^{-i\omega_{1}t} \\&lt;br /&gt;
\eta_{2}(t) &amp;amp;= c_{3}e^{i\omega_{2}t} + c_{4}e^{-i\omega_{2}t}\text{.} \quad (6)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;\eta_{1}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\eta_{2}&amp;lt;/math&amp;gt; são chamadas de coordenadas normais. Por definição, são coordenadas que desacoplam as equações diferenciais do sistema e possuem soluções com frequências únicas, bem definidas. Sempre podem ser escritas como algum tipo de combinação linear das coordenadas originais. De modo semelhante, as coordenadas usuais do sistema sempre podem ser escritas como combinações lineares das coordenadas normais. No caso geral, para mais partículas, a combinação linear dos deslocamentos &amp;lt;math&amp;gt;x_i&amp;lt;/math&amp;gt; que produz as coordenadas normais é trabalhosa de se encontrar. Note-se que, no caso de duas partículas, é simples encontrá-las meramente por inspeção. Se impusermos as condições iniciais &amp;lt;math&amp;gt;x_{1}(0) = x_{2}(0)&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\dot{x}_{1}(0) = \dot{x}_{2}(0)&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\eta_{2}(0) = x_{1}(0) - x_{2}(0) = 0&amp;lt;/math&amp;gt; e as constantes &amp;lt;math&amp;gt;c_{3}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;c_{4}&amp;lt;/math&amp;gt; vão ser iguais a zero, o que implica &amp;lt;math&amp;gt;\eta_{2}(t) = 0&amp;lt;/math&amp;gt;, para todo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Esse primeiro modo normal corresponderá a uma oscilação simétrica, em que as duas partículas oscilarão em fase, com frequência &amp;lt;math&amp;gt;\omega_{1}&amp;lt;/math&amp;gt;. De modo semelhante, se impusermos as condições iniciais &amp;lt;math&amp;gt;x_{1}(0) = -x_{2}(0)&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\dot{x}_{1}(0) = -\dot{x}_{2}(0)&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\eta_{1}(t) = 0&amp;lt;/math&amp;gt;, para todo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;, e as partículas oscilarão fora de fase, com frequência &amp;lt;math&amp;gt;\omega_{2}&amp;lt;/math&amp;gt;. Pelas expressões dadas em (4) e pelas simulações abaixo, destaca-se que a frequência associada ao modo simétrico é menor do que a frequência do modo antissimétrico. Esse é um resultado geral de oscilações acopladas: quanto maior o grau de simetria da oscilação, menor o valor da frequência.&amp;lt;ref name=Marion2004/&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Alguns resultados das simulações para os modos desse caso podem ser observados na &#039;&#039;&#039;Figura 2&#039;&#039;&#039; e na &#039;&#039;&#039;Figura 3&#039;&#039;&#039;. Fica evidente a menor frequência do modo simétrico em relação ao modo antissimétrico. Além disso, podemos observar a concordância com os valores teóricos encontrados para as frequências: &amp;lt;math&amp;gt;\omega_{1}=1&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\omega_{2}= \sqrt{3}&amp;lt;/math&amp;gt;. O modo simétrico consiste em uma oscilação em que as partículas estão em fase; no modo antissimétrico, as partículas oscilam fora de fase.&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
posOL1D-N2.png|&#039;&#039;&#039;Figura 2&#039;&#039;&#039;. Modo de oscilação simétrico (modo 1) de um oscilador linear acoplado unidimensional. Gráficos dos deslocamentos (x) em relação à posição de equilíbrio das partículas 1 (linha preta no gráfico, partícula da esquerda na simulação ao lado) e 2 (pontos vermelhos no gráfico, partícula da direita na simulação ao lado). k=m=1. Amplitude inicial de ~0.433. N=2&lt;br /&gt;
OA1DN2-modo1.gif|Modo de oscilação simétrico (modo 1) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas. N=2&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
posOL1D-N2A.png|&#039;&#039;&#039;Figura 3&#039;&#039;&#039;.Modo de oscilação antissimétrico (modo 2) de um oscilador linear acoplado unidimensional. Gráficos dos deslocamentos (x) em relação à posição de equilíbrio das partículas 1 (linha preta, partícula da esquerda na simulação ao lado) e 2 (pontos vermelhos, partícula da direita na simulação ao lado). k=m=1. Amplitude inicial de ~0.433. N=2&lt;br /&gt;
OA1DN2-modo2.gif|Modo de oscilação antissimétrico (modo 2) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas. N=2&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A concordância das frequências com os valores teóricos calculados pode ser vista na &#039;&#039;&#039;Figura 4&#039;&#039;&#039; e na &#039;&#039;&#039;Figura 5&#039;&#039;&#039;. Podemos observar a concordância com os valores teóricos encontrados para as frequências: &amp;lt;math&amp;gt;\omega_{1}=1&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\omega_{2} = \sqrt{3}&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=300px&amp;gt;&lt;br /&gt;
compara_simetrico.png|&#039;&#039;&#039;Figura 4&#039;&#039;&#039;. Modo de oscilação simétrico (modo 1) de um oscilador linear acoplado unidimensional. Comparação entre os gráficos dos deslocamentos (x) em relação à posição de equilíbrio da partículas 1 (esquerda na simulação acima), conforme integração numérica (pontos vermelhos), em relação ao valor teórico (linha azul). k=m=1. Amplitude inicial de ~0.433. N=2&lt;br /&gt;
compara_anti.png|&#039;&#039;&#039;Figura 5&#039;&#039;&#039;. Modo de oscilação antissimétrico (modo 2) de um oscilador linear acoplado unidimensional. Comparação entre os gráficos dos deslocamentos (x) em relação à posição de equilíbrio da partículas 1 (esquerda na simulação acima), conforme integração numérica (pontos vermelhos), em relação ao valor teórico (linha azul). Amplitude inicial de ~0.433. k=m=1. Amplitude inicial de ~0.433. N=2&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== N=3 ===&lt;br /&gt;
&lt;br /&gt;
Seguindo a mesma lógica apresentada para &amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt; partículas, podemos montar as equações de movimento do sistema com &amp;lt;math&amp;gt;N=3&amp;lt;/math&amp;gt; partículas. A única diferença é que a partícula central apenas está conectada a partículas vizinhas, não estando conectada a paredes externas: &lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
m\ddot{x}_{1} &amp;amp;= -kx_{1} - k(x_{1}-x_{2}) \\&lt;br /&gt;
m\ddot{x}_{2} &amp;amp;= -k(x_{2}-x_{1}) - k(x_{2}-x_{3}) \\&lt;br /&gt;
m\ddot{x}_{3} &amp;amp;= -kx_{3} - k(x_{3}-x_{2})\text{.} \quad\quad (7)\\&lt;br /&gt;
\end{align}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Novamente, supomos soluções do tipo&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{1}(t) &amp;amp;= A_{1}e^{-i\omega t} \\&lt;br /&gt;
x_{2}(t) &amp;amp;= A_{2}e^{-i\omega t} \\&lt;br /&gt;
x_{3}(t) &amp;amp;= A_{3}e^{-i\omega t}\text{.} \quad (8)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Substituindo (8) em (7) e seguindo os mesmos passos feitos para &amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt; partículas, obteremos o sistema linear para os &amp;lt;math&amp;gt;A_i&amp;lt;/math&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
(2k-mw^{2})A_{1} &amp;amp;-kA_{2} &amp;amp;+0A_{3} &amp;amp;= 0 \\&lt;br /&gt;
-kA_{1} &amp;amp;+(2k-mw^{2})A_{2} &amp;amp;-kA_{3} &amp;amp;= 0 \\&lt;br /&gt;
0A_{1} &amp;amp;-kA_{2} &amp;amp;+(2k-mw^{2})A_{3} &amp;amp;= 0\text{.}\\ &lt;br /&gt;
\end{align}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O sistema de equações acima apenas terá soluções não triviais se o determinante dos coeficientes dos &amp;lt;math&amp;gt;A_{i}&amp;lt;/math&amp;gt; for igual a zero. Portanto:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{vmatrix}&lt;br /&gt;
(2k-mw^{2}) &amp;amp; -k &amp;amp;0\\ &lt;br /&gt;
-k &amp;amp; (2k-mw^{2}) &amp;amp;-k \\&lt;br /&gt;
0 &amp;amp; -k &amp;amp; (2k-mw^{2})  &lt;br /&gt;
\end{vmatrix} = 0 \text{.}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A equação resultante é &amp;lt;math&amp;gt;(2k-m\omega^{2})^3 - 2k^2(2k-m\omega^2) = 0&amp;lt;/math&amp;gt;. Simples de ser resolvida analiticamente por fatoração, esta equação tem as soluções de módulo:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
\omega_{1} = \sqrt{\frac{k}{m}(2-\sqrt{2})} \quad \text{,} \quad \omega_{2} = \sqrt{\frac{2k}{m}} \quad \text{,} \quad \omega_{3} = \sqrt{\frac{k}{m}(2+\sqrt{2})}\text{.} \quad (9)&lt;br /&gt;
\end{align} &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Note-se que aqui já não é mais tão simples identificar as coordenadas normais. Além disso, embora tenha sido simples até aqui obter as autofrequências, o processo é tedioso e a equação característica se torna cada vez mais difícl de se resolver analiticamente.&lt;br /&gt;
&lt;br /&gt;
Podemos escrever as soluções da seguinte forma, de modo semelhante a como fizemos para &amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{1}(t) = a_{1}^{1}e^{i\omega_{1} t} &amp;amp;+ a_{1}^{2}e^{-i\omega_{1} t} &amp;amp;+ a_{1}^{3}e^{i\omega_{2} t} &amp;amp;+ a_{1}^{4}e^{-i\omega_{2} t} &amp;amp;+ a_{1}^{5}e^{i\omega_{3} t} &amp;amp;+ a_{1}^{6}e^{-i\omega_{3} t}\\&lt;br /&gt;
x_{2}(t) = a_{2}^{1}e^{i\omega_{1} t} &amp;amp;+ a_{2}^{2}e^{-i\omega_{1} t} &amp;amp;+ a_{2}^{3}e^{i\omega_{2} t} &amp;amp;+ a_{2}^{4}e^{-i\omega_{2} t} &amp;amp;+ a_{2}^{5}e^{i\omega_{3} t} &amp;amp;+ a_{2}^{6}e^{-i\omega_{3} t} \\&lt;br /&gt;
x_{3}(t) = a_{3}^{1}e^{i\omega_{1} t} &amp;amp;+ a_{3}^{2}e^{-i\omega_{1} t} &amp;amp;+ a_{3}^{3}e^{i\omega_{2} t} &amp;amp;+ a_{3}^{4}e^{-i\omega_{2} t} &amp;amp;+ a_{3}^{5}e^{i\omega_{3} t} &amp;amp;+ a_{3}^{6}e^{-i\omega_{3} t}\text{.} \quad (10)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Alguns resultados das simulações para os modos desse caso podem ser observados na &#039;&#039;&#039;Figura 6&#039;&#039;&#039;, na &#039;&#039;&#039;Figura 7&#039;&#039;&#039; e na &#039;&#039;&#039;Figura 8&#039;&#039;&#039;. Nota-se, mais uma vez, que a menor frequência em relação aos demais modos é aquela associada ao modo simétrico. O modo simétrico consiste em uma oscilação em que todas as partículas estão em fase; no modo antissimétrico, as partículas 1 e 3 oscilam fora de fase, a 2 permanece parada. A novidade em relação ao caso de &amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt; é o surgimento de um novo modo, o modo 3, em que as partículas 1 e 3 oscilam em fase, e a partícula 2 oscila fora de fase em relação às partículas 1 e 3.&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
PosOL1D-N3.png|&#039;&#039;&#039;Figura 6&#039;&#039;&#039;. Modo de oscilação simétrico (modo 1) de um oscilador linear acoplado unidimensional. Gráficos dos deslocamentos (x) em relação à posição de equilíbrio das partículas 1 (linha preta), 2 (linha vermelha) e 3 (pontos azuis). k=m=1. Amplitude inicial de ~ 0.35 para as partículas 1 e 3, e ~0.5 para a partícula 2. N=3&lt;br /&gt;
OA1DN3-modo1.gif|Modo de oscilação simétrico (modo 1) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas.&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
posOL1D-N3A.png|&#039;&#039;&#039;Figura 7&#039;&#039;&#039;. Modo de oscilação antissimétrico (modo 2) de um oscilador linear acoplado unidimensional. Gráficos dos deslocamentos (x) em relação à posição de equilíbrio das partículas 1 (linha preta), 2 (linha vermelha) e 3 (linha azul). k=m=1. Amplitude inicial de ~ 0.5 para as partículas 1 e 3. N=3&lt;br /&gt;
OA1DN3-modo2.gif|Modo de oscilação antissimétrico (modo 2) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas.&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
posOL1D-N3m3.png|&#039;&#039;&#039;Figura 8&#039;&#039;&#039;. Modo de oscilação 3 de um oscilador linear acoplado unidimensional. Gráficos dos deslocamentos (x) em relação à posição de equilíbrio das partículas 1 (linha preta), 2 (linha vermelha) e 3 (pontos azuis). k=m=1. Amplitude inicial de ~ 0.35 para as partículas 1 e 3, e ~0.5 para a partícula 2. N=3&lt;br /&gt;
OA1DN3-modo3.gif|Modo de oscilação simétrico (modo 1) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas.&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A concordância das frequências com os valores teóricos calculados pode ser vista na &#039;&#039;&#039;Figura 9&#039;&#039;&#039;, na &#039;&#039;&#039;Figura 10&#039;&#039;&#039; e na &#039;&#039;&#039;Figura 11&#039;&#039;&#039;. Podemos observar a concordância com os valores teóricos encontrados para as frequências: &amp;lt;math&amp;gt;\omega_{1}=\sqrt{2-\sqrt{2}}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\omega_{2} = \sqrt{2}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\omega_{3}=\sqrt{2+\sqrt{2}}&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
compara_simetricoN3.png|&#039;&#039;&#039;Figura 9&#039;&#039;&#039;. Modo de oscilação simétrico (modo 1) de um oscilador linear acoplado unidimensional. Comparação entre os gráficos dos deslocamentos (x) em relação à posição de equilíbrio da partículas 1, conforme integração numérica (pontos pretos), em relação ao valor teórico (linha verde). k=m=1. Amplitude inicial de ~ 0.35. N=3&lt;br /&gt;
compara_antiN3.png|&#039;&#039;&#039;Figura 10&#039;&#039;&#039;. Modo de oscilação antissimétrico (modo 2) de um oscilador linear acoplado unidimensional. Comparação entre os gráficos dos deslocamentos (x) em relação à posição de equilíbrio da partículas 1, conforme integração numérica (pontos pretos), em relação ao valor teórico (linha verde). k=m=1. Amplitude inicial de ~ 0.5. N=3&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=300px&amp;gt;&lt;br /&gt;
compara_m3N3.png|&#039;&#039;&#039;Figura 11&#039;&#039;&#039;. Modo de oscilação 3 de um oscilador linear acoplado unidimensional. Comparação entre os gráficos dos deslocamentos (x) em relação à posição de equilíbrio da partículas 1, conforme integração numérica (pontos pretos), em relação ao valor teórico (linha verde). k=m=1. Amplitude inicial de ~ 0.35. N=3&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Caso geral ===&lt;br /&gt;
O formalismo lagrangeano fornece uma técnica poderosa para construir as equações de movimento para o caso geral de &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; partículas, bem como para facilitar o cálculo das coordenadas normais e das autofrequências.&amp;lt;ref name=Marion2004/&amp;gt; No entanto, no presente trabalho, não utilizaremos o formalismo lagrangeano, montando as equações pelos argumentos já mostrados até agora, que envolvem a segunda lei de Newton. Para expressar as soluções gerais, utilizaremos o método de análise de Fourier, poupando-nos de grande parte da álgebra caso-a-caso envolvida em encontrar as autofrequências.&lt;br /&gt;
&lt;br /&gt;
Não é difícil perceber que a segunda equação do sistema (7) tem a forma típica de uma equação de movimento para um oscilador interno (não adjacente às paredes). Desse modo, somando as forças atuantes pela segunda lei de Newton, a generalização das equações para o caso &amp;lt;math&amp;gt;N \geq 3&amp;lt;/math&amp;gt; será:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\ddot{x}_{i} =&lt;br /&gt;
 \begin{cases}&lt;br /&gt;
       -kx_{1} - k(x_{1}-x_{2})\text{,} &amp;amp;\quad\text{se} \quad i = 1\\&lt;br /&gt;
       -k(x_{i}-x_{i-1}) - k(x_{i}-x_{i+1}) \text{,} &amp;amp;\quad\text{se} \quad 1&amp;lt;i&amp;lt;N \\&lt;br /&gt;
       -kx_{N} - k(x_{N}-x_{N-1}) \text{,} &amp;amp;\quad\text{se} \quad i = N\text{.} \quad\quad (11)\\&lt;br /&gt;
     \end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O conjunto de equações (11) vai ser importante para a implementação numérica. &lt;br /&gt;
&lt;br /&gt;
As soluções (5) e (10) apresentam um padrão. Se tomarmos apenas as partes reais das soluções, podemos redefinir as constantes duas a duas e escrever a solução geral como:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{l}(t) &amp;amp;= \sum_{m=1}^{N}a_{m}^{l}\cos(\omega_{m}t)\text{,} \quad \text{com}\quad l=1\text{,}\,\text{...}\text{,}\,N\text{.}\quad\\&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
As constantes &amp;lt;math&amp;gt;a_{m}^{l}&amp;lt;/math&amp;gt; são chamadas de amplitudes dos modos normais e indicam o quanto de cada modo normal, de frequência bem definida, está presente na solução de cada &amp;lt;math&amp;gt;x_{l}(t)&amp;lt;/math&amp;gt;. É possível mostrar (o que não faremos aqui por razões de tempo e espaço, mas pode ser consultado nas referências &amp;lt;ref name=Lucero2021&amp;gt;Lucero, Davi de Mello e Pinheiro Moreira, Pedro Augusto Franco. &amp;quot;O problema Fermi-Pasta-Ulam-Tsingou: Equiparticão de energia vista através de simulações computacionais&amp;quot;. Revista Brasileira de Ensino de Física [online]. 2021, v. 43 [Acessado 1 Maio 2022]. [https://www.scielo.br/j/rbef/a/SkRCy5fdnGbhfxNjpx5BkRD/?lang=pt#]&amp;lt;/ref&amp;gt;) que, usando condições de contorno &amp;lt;math&amp;gt;x_{0}(t) = x_{N+1}(t) = 0&amp;lt;/math&amp;gt;, as soluções podem ser reescritas como&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{l}(t) &amp;amp;= \sum_{m=1}^{N}c_{m}\sin\left(\frac{lm\pi}{N+1}\right)\cos(\omega_{m}t) \text{, com}\quad l=1\text{,}\,\text{...}\text{,}\,N\text{.} \quad (12)\\&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
É comum na literatura&amp;lt;ref name=Giordano2006&amp;gt;Giordano e Nakanishi, pp. 296-297&amp;lt;/ref&amp;gt; redefinir a constante &amp;lt;math&amp;gt;c_{m}&amp;lt;/math&amp;gt; da seguinte forma:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{l}(t) &amp;amp;= \sqrt{\frac{2}{N+1}}\sum_{m=1}^{N}a_{m}\sin\left(\frac{lm\pi}{N+1}\right)\cos(\omega_{m}t) \text{, com}\quad l=1\text{,}\,\text{...}\text{,}\,N\text{.} \\&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A qualquer instante de tempo, os deslocamentos das partículas em relação às posições de equilíbrio podem ser escritos como uma soma de modos normais. Esses modos normais são ondas estacionárias. Ver, por exemplo, a &#039;&#039;&#039;Figura 12&#039;&#039;&#039;, com os cinco primeiros modos. &lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&lt;br /&gt;
&amp;lt;li style=&amp;quot;display: inline-block;&amp;quot;&amp;gt;[[Arquivo:modos.png|600px|left|thumb|center|&#039;&#039;&#039;Figura 12.&#039;&#039;&#039; Cinco primeiros modos de oscilação para um oscilador acoplado com N=32 partículas. Os gráficos correspondem à equação (12), no tempo &amp;lt;math&amp;gt;t=0&amp;lt;/math&amp;gt;, com &amp;lt;math&amp;gt;c_{m}=1&amp;lt;/math&amp;gt;.]]&amp;lt;/li&amp;gt;&lt;br /&gt;
&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
É possível, portanto, por uma transformada inversa, escrever&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
a_{m} &amp;amp;= \sqrt{\frac{2}{N+1}}\sum_{i=1}^{N}x_{i}\sin\left(\frac{im\pi}{N+1}\right) \text{, com}\quad m=1\text{,}\,\text{...}\text{,}\,N\text{.} \\&lt;br /&gt;
\end{align} \quad (13)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
As energias de cada modo podem ser escritas como (com &amp;lt;math&amp;gt;\dot{a}_{m}&amp;lt;/math&amp;gt; representando a amplitude da velocidade do modo):&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
E_{m} &amp;amp;= \frac{1}{2}\left(\dot{a}_{m}^{2} + \omega_{m}^2a_{m}^2\right)\text{.} \quad (14)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Através de uma demonstração que pode ser encontrada nas referências&amp;lt;ref name=Lucero2021&amp;gt;&amp;lt;/ref&amp;gt;, as autofrequências podem ser escritas como:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
\omega_{m} &amp;amp;= 2\omega_{0}\sin\left(\frac{m\pi}{2(N+1)}\right)\text{.} \quad (15)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O argumento do seno sempre se encontra no primeiro quadrante, pois é positivo e é tal que:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\frac{m\pi}{2(N+1)} &amp;lt; \frac{N\pi}{2(N+1)} &amp;lt; \frac{(N+1)\pi}{2(N+1)} = \frac{\pi}{2}\text{.}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Nota-se, portanto, que as frequências dos modos são sempre menores do que duas vezes a frequência natural (&amp;lt;math&amp;gt;\omega_{m} &amp;lt; 2\omega_{0} = 2\sqrt{k/m}&amp;lt;/math&amp;gt;). Todas as expressões mostradas nesta seção são válidas mesmo para o caso de oscilações acopladas não lineares, como é o caso do FPUT.&amp;lt;ref name=Giordano2006&amp;gt;&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Podemos comparar, por exemplo, os valores que encontramos para as autofrequências nos casos &amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;N=3&amp;lt;/math&amp;gt; com os resultados da equação (15). Seja, por exemplo, &amp;lt;math&amp;gt;k=m=1&amp;lt;/math&amp;gt;. Para &amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt;, pelas expressões (4), &amp;lt;math&amp;gt;\omega_{1} = 1&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\omega_{2} = \sqrt{3}&amp;lt;/math&amp;gt;, que são os mesmos resultados fornecidos pela equação (15). De modo semelhante, para &amp;lt;math&amp;gt;N=3&amp;lt;/math&amp;gt;, pelas expressões (9), &amp;lt;math&amp;gt;\omega_{1} =\sqrt{2-\sqrt{2}}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\omega_{2} = \sqrt{2}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\omega_{3} =\sqrt{2+\sqrt{2}}&amp;lt;/math&amp;gt;, que também são os mesmos resultados fornecidos pela equação (15).&lt;br /&gt;
&lt;br /&gt;
== Adição de Termos Não-Lineares: Problema de FPUT ==&lt;br /&gt;
Como já discutido, se as forças em um sistema de osciladores acoplados forem todas da forma da lei de Hooke, o sistema jamais alcançará o equilíbrio térmico, pois os modos têm independência linear entre si. Para fazer isso, temos de acrescentar termos não-lineares de interação. Vamos tratar aqui o primeiro caso estudado no artigo original,&amp;lt;ref name=FPUToriginal/&amp;gt; em que os termos não-lineares são quadráticos nas coordenadas &amp;lt;math&amp;gt;x_i&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Para os osciladores internos, teremos então a seguinte equação de movimento:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;m\ddot{x}_{i} = k_{1}\left[(x_{i+1} - x_{i}) + (x_{i-1} - x_{i})\right] + k_{2}\left[(x_{i+1} - x_{i})^2 - (x_{i-1} - x_{i})^2 \right]&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Nessa equação, a constante &amp;lt;math&amp;gt;k_{1}&amp;lt;/math&amp;gt; faz o papel da constante das molas &amp;lt;math&amp;gt;k&amp;lt;/math&amp;gt; apresentada anteriormente para o caso puramente linear, enquanto &amp;lt;math&amp;gt;k_{2}&amp;lt;/math&amp;gt; informa a intensidade da força não-linear. É importante ressaltar que nem todos os autores definem os termos quadráticos dessa forma. Atualmente é mais comum ver esses termos definidos como faz, por exemplo, Lucero et al., 2021&amp;lt;ref name=Lucero2021/&amp;gt;, que usa o sinal positivo entre os termos quadráticos, no interior dos colchetes. Podemos isolar a aceleração &amp;lt;math&amp;gt;\ddot{x}_{i}&amp;lt;/math&amp;gt; nesta equação; vamos escolher &amp;lt;math&amp;gt;k_{1}/m = 1&amp;lt;/math&amp;gt; e definir &amp;lt;math&amp;gt;\alpha \equiv k_{2}/m&amp;lt;/math&amp;gt;. A equação fica então:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\ddot{x}_{i} = (x_{i+1} - x_{i}) + (x_{i-1} - x_{i}) + \alpha \left[(x_{i+1} - x_{i})^2 - (x_{i-1} - x_{i})^2 \right]&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Esperava-se teoricamente que, pelo Teorema de Equipartição da Energia, o comportamento desse sistema seria a termalização. Isso significa que, diferentemente dos sistemas lineares, em que, iniciado em um modo, o sistema permanece naquele modo para todo tempo &amp;lt;math&amp;gt;t&amp;gt;0&amp;lt;/math&amp;gt; (como podemos perceber nas [[Oscilações Acopladas/Problema de Fermi-Pasta-Ulam-Tsingou#Simulações#Osciladores Lineares Acoplados|simulações apresentadas em seguida]], para diversos modos com &amp;lt;math&amp;gt;N=2,\,\text{...},\,5&amp;lt;/math&amp;gt;), o sistema tenderia a se tornar uma mistura complicada de &#039;&#039;&#039;todos os modos&#039;&#039;&#039; a partir de um determinado tempo, e permanecer nesse estado (lembrar que o número de modos depende da quantidade de partículas, &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;, portanto, no caso &amp;lt;math&amp;gt;N=32&amp;lt;/math&amp;gt;, seria esperado que o sistema se tornasse uma mistura de todos os 32 modos após um certo tempo). Uma análise normalmente é feita por meio de gráficos da distribuição de energia entre os modos. A &#039;&#039;&#039;Figura 13&#039;&#039;&#039;, retirada de nossa simulação para &amp;lt;math&amp;gt;N=32&amp;lt;/math&amp;gt; do FPUT quadrático unidimensional, ilustra o comportamento do sistema:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&lt;br /&gt;
&amp;lt;li style=&amp;quot;display: inline-block;&amp;quot;&amp;gt;[[Arquivo:Energias_por_modo.png|600px|left|thumb|center|&#039;&#039;&#039;Figura 13.&#039;&#039;&#039; Esse gráfico corresponde às energias alocadas por modo de vibração em um sistema unidimensional com N=32 partículas do FPUT quadrático, conforme calculado a partir de nossas simulações (ver uma explicação sobre como o gráfico foi feito na seção sobre implementação [[Oscilações_Acopladas/Problema_de_Fermi-Pasta-Ulam-Tsingou#Gráfico_das_energias_do_FPUT_quadrático|numérica]]). Percebe-se claramente o comportamento discutido no parágrafo acima. O sistema inicia no primeiro modo, depois de um tempo passa a uma mistura dos cinco primeiros modos, e por volta de t=14000 retorna quase inteiramente ao primeiro modo de vibração. Ou seja, não houve termalização: a energia não foi distribuída entre os demais modos.]]&amp;lt;/li&amp;gt;&lt;br /&gt;
&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Quando o sistema é linear, a energia total do sistema se reduz a uma soma &amp;lt;math&amp;gt;E=\sum_{k}^{N}E_{k}&amp;lt;/math&amp;gt; das energias de cada modo. Essas energias são integrais do movimento, o que leva a &amp;lt;math&amp;gt;E_{k}(t) = E_{k}(0)&amp;lt;/math&amp;gt;. Quando há termos não lineares, as energias dos modos normais não são mais integrais do movimento e o Teorema da Equipartição da Energia da mecânica estatística sugere que as médias temporais das energias de cada modo, &amp;lt;math&amp;gt;E_{k}(t)=(1/t)\int_{0}^{t}E_{k}(\tau)d\tau&amp;lt;/math&amp;gt;, deveriam tender a um mesmo valor; ou seja, que a energia deveria se distribuir igualmente entre os modos.&amp;lt;ref name=Lucero2021/&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O paradoxo ou problema de FPUT consiste justamente no comportamento de recorrência do sistema e da não termalização.&amp;lt;ref name=&amp;quot;FPUToriginal&amp;quot;/&amp;gt;&amp;lt;ref name=Lucero2021/&amp;gt; Como pode ser observado nas [[Oscilações Acopladas/Problema de Fermi-Pasta-Ulam-Tsingou#Simulações#FPUT quadrático|simulações]], após um determinado tempo, o sistema volta a uma configuração de modos semelhante à inicial (no nosso caso, o primeiro modo). Note-se que o tempo de recorrência das simulações apresentadas é distinto do tempo de recorrência encontrado na &#039;&#039;&#039;Figura 13&#039;&#039;&#039;. Isso está ocorrendo porque o gráfico foi gerado a partir do nosso programa em Python, com &amp;lt;math&amp;gt;N=32&amp;lt;/math&amp;gt;. As [[Oscilações Acopladas/Problema de Fermi-Pasta-Ulam-Tsingou#Simulações#FPUT quadrático|simulações]] mostradas são do nosso programa em C, em que duas das trinta e duas partículas estão presas às paredes. Na prática, a simulação rodada no programa em C é de &amp;lt;math&amp;gt;N=30&amp;lt;/math&amp;gt; partículas. Por limitações técnicas (as imagens das simulações em Python para N=32 geram arquivos de tamanhos muito grandes, e a wiki apenas permite arquivos de, no máximo, 2mb) ainda não conseguimos mostrar as simulações feitas em Python para esse sistema, mas o código pode ser encontrado na seção dos [[Oscilações Acopladas/Problema de Fermi-Pasta-Ulam-Tsingou#Programas|programas]].&lt;br /&gt;
&lt;br /&gt;
== Implementação numérica ==&lt;br /&gt;
&lt;br /&gt;
===Sistemas de equações===&lt;br /&gt;
&lt;br /&gt;
Vamos explicar nesta seção algumas das características principais dos programas e simulações apresentados neste trabalho. &lt;br /&gt;
&lt;br /&gt;
A implementação dos sistemas de equações dos osciladores lineares é direta e se segue imediatamente da eq. (11), que vamos reproduzir aqui para facilitar a visualização, mas já fazendo &amp;lt;math&amp;gt;m=k=1&amp;lt;/math&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\ddot{x}_{i} =&lt;br /&gt;
 \begin{cases}&lt;br /&gt;
       -x_{1} - (x_{1}-x_{2})\text{,} &amp;amp;\quad\text{se} \quad i = 1\\&lt;br /&gt;
       -(x_{i}-x_{i-1}) - (x_{i}-x_{i+1}) \text{,} &amp;amp;\quad\text{se} \quad 1&amp;lt;i&amp;lt;N \\&lt;br /&gt;
       -x_{N} - (x_{N}-x_{N-1}) \text{,} &amp;amp;\quad\text{se} \quad i = N \quad\quad \\&lt;br /&gt;
     \end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A diferença entre esse sistema de equações e o sistema de equações do FPUT quadrático é apenas a inclusão de um termo quadrático. A implementação é trivial após já ter sido implementado o sistema de osciladores lineares. As equações para o FPUT quadrático também já foram [[Oscilações Acopladas/Problema de Fermi-Pasta-Ulam-Tsingou#Adição de Termos Não-Lineares: Problema de FPUT|mostradas na seção anterior]]:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\ddot{x}_{i} =&lt;br /&gt;
 \begin{cases}&lt;br /&gt;
       -x_{1} - (x_{1}-x_{2}) + \alpha \left[(x_{2} - x_{1})^2 - x_{1}^2 \right]\text{,} &amp;amp;\quad\text{se} \quad i = 1\\&lt;br /&gt;
       -(x_{i}-x_{i-1}) - (x_{i}-x_{i+1}) + \alpha \left[(x_{i+1} - x_{i})^2 - (x_{i-1} - x_{i})^2 \right]\text{,} &amp;amp;\quad\text{se} \quad 1&amp;lt;i&amp;lt;N \\&lt;br /&gt;
       -x_{N} - (x_{N}-x_{N-1}) + \alpha \left[x_{N}^2 - (x_{N-1} - x_{N})^2 \right]\text{,} &amp;amp;\quad\text{se} \quad i = N \quad\quad \\&lt;br /&gt;
     \end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Esse sistema de equações foi implementado em ambos os códigos [[Oscilações Acopladas/Problema de Fermi-Pasta-Ulam-Tsingou#Programa|disponíveis nesta wiki]]. No caso do programa em Python, está dentro na função acel_quad(), que é chamada pela função velocity_verlet() para integrar as equações do movimento.&lt;br /&gt;
&lt;br /&gt;
===Método de integração===&lt;br /&gt;
&lt;br /&gt;
O método velocity Verlet também é implementado em ambos os programas. Esse método consiste nas seguintes equações:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{align}&lt;br /&gt;
x_{i+1} &amp;amp;= x_{i} + v_{i}\Delta t + 0.5a_{i}\Delta t^{2}\\&lt;br /&gt;
a_{i+1} &amp;amp;= f(x_{i+1}) \\&lt;br /&gt;
v_{i+1} &amp;amp;= v_{i} + 0.5(a_{i}+a_{i+1})\Delta t\\&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Aqui, &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt; é a equação de movimento do sistema. É importante a ordem das equações: devem ser implementadas na ordem acima. Note-se que é necessário guardar o valor anterior da aceleração a cada iteração. Esse método foi implementado para possibilitar a obtenção das velocidades, que são importantes na análise das energias por modo do FPUT. O Verlet seria mais preciso mas não forneceria as velocidades. Como lado negativo, o velocity Verlet tem como característica não conservar plenamente a energia do sistema, que apresenta uma pequena oscilação. Entretanto, para os fins propostos aqui, o método mostrou bons resultados.&lt;br /&gt;
&lt;br /&gt;
===Condições iniciais===&lt;br /&gt;
&lt;br /&gt;
O programa em C possui como condição inicial apenas posicionar as partículas de modo a garantir que o sistema inicia no primeiro modo. Esse programa implementa o FPUT quadrático com deslocamento vertical, como visto [[Oscilações_Acopladas/Problema de Fermi-Pasta-Ulam-Tsingou#FPUT_quadr.C3.A1tico|nessa simulação]]. Note-se que, da equação (12), em &amp;lt;math&amp;gt;t=0&amp;lt;/math&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{l}(t=0) &amp;amp;= \sum_{m=1}^{N}c_{m}\sin\left(\frac{lm\pi}{N+1}\right) \text{, com}\quad l=1\text{,}\,\text{...}\text{,}\,N\text{.}\\&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Se queremos iniciar o sistema no primeiro modo, basta fazer &amp;lt;math&amp;gt;m=1&amp;lt;/math&amp;gt; na equação acima. De fato, podemos iniciar o sistema em qualquer modo fazendo &amp;lt;math&amp;gt;m=1,\,\text{...},\,N&amp;lt;/math&amp;gt; nessa mesma equação.&lt;br /&gt;
&lt;br /&gt;
O programa em Python possui vários tipos diferentes de condições iniciais, porque esse programa (na verdade, conjunto de programas) implementa osciladores lineares acoplados e fput quadrático unidimensionais e bidimensionais tanto em deslocamentos horizontais quanto em deslocamentos verticais da posição de equilíbrio.&lt;br /&gt;
&lt;br /&gt;
A primeira coisa que é inicializada são as posições de equilíbrio de cada partícula. No caso unidimensional, distribuem-se igualmente as posições de equilíbrio das partículas no espaço unidimensional de tamanho L. Depois são calculadas as posições iniciais, de acordo com o modo de oscilação, em relação às posições de equilíbrio.&lt;br /&gt;
&lt;br /&gt;
No caso bidimensional, algo semelhante é feito, mas as posições de equilíbrio das partículas são igualmente espaçadas em um grid quadrado de L x L. O tamanho L é calculado pela função a partir do número de partículas N, que deve ser um quadrado perfeito (N=4, N=9, N=16, N=25, N=49,...).&lt;br /&gt;
&lt;br /&gt;
Foi criada uma função modo_de_osc() que faz a inicialização em qualquer modo. Essa função é chamada pelas funções condicao_inicial_1d() e condicao_inicial_1d_vertical().&lt;br /&gt;
&lt;br /&gt;
Nos osciladores lineares unidimensionais é usada a função condicao_inicial_1d() que inicializa apenas sistemas unidimensionais com deslocamentos horizontais da posição de equilíbrio.&lt;br /&gt;
&lt;br /&gt;
A função condicao_inicial_1d_vertical() é usada para inicializar o sistema com deslocamentos verticais das posições de equilíbrio. Em específico, usamos apenas para simular o mesmo sistema do programa em C, mas poderia ser usada para qualquer oscilador linear unidimensional também.&lt;br /&gt;
&lt;br /&gt;
A função condicao_inicial_2d() foi usada para a [[Oscilações Acopladas/Problema de Fermi-Pasta-Ulam-Tsingou#Bidimensional N=49 (Em um grid 7x7)|simulação bidimensional]]. Essa função apenas inicializa o sistema com pequenos deslocamentos randômicos das posições de equilíbrio.&lt;br /&gt;
&lt;br /&gt;
===Gráfico das energias do FPUT quadrático===&lt;br /&gt;
&lt;br /&gt;
A ideia inicial para construir esse gráfico era usar a ideia sugerida por Lucero et al., 2021&amp;lt;ref name=Lucero2021/&amp;gt; e calcular as amplitudes dos modos por FFT (Fast Fourier Transform). Entretanto, tivemos dificuldades para implementar essa solução. Encontramos uma ótima solução alternativa na wiki de trabalho anterior sobre o [[Problema de Fermi-Pasta-Ulam|FPUT]]. &lt;br /&gt;
&lt;br /&gt;
A ideia consiste no seguinte. Dada as equações (14) e (15), que reproduziremos novamente aqui por clareza:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
E_{m} &amp;amp;= \frac{1}{2}\left(\dot{a}_{m}^{2} + \omega_{m}^2a_{m}^2\right)\text{.} \quad (14)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
\omega_{m} &amp;amp;= 2\omega_{0}\sin\left(\frac{m\pi}{2(N+1)}\right)\text{.} \quad (15)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Podemos calcular a energia diretamente dessas expressões. Basta notar que, seja um vetor dos modos &amp;lt;math&amp;gt;\vec{n}&amp;lt;/math&amp;gt;, definido da seguinte forma:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\vec{n} = &lt;br /&gt;
\begin{bmatrix}&lt;br /&gt;
\sin\left(\frac{m\pi}{(N+1)}\right)\\&lt;br /&gt;
\sin\left(\frac{2m\pi}{(N+1)}\right)\\&lt;br /&gt;
\vdots\\&lt;br /&gt;
\sin\left(\frac{Nm\pi}{(N+1)}\right) \\&lt;br /&gt;
\end{bmatrix}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
e um vetor das posições das partículas do sistema, definido da seguinte forma:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\vec{x_{i}} = &lt;br /&gt;
\begin{bmatrix}&lt;br /&gt;
x_{1} &amp;amp; x_{2} &amp;amp; \cdots &amp;amp; x_{N}\\&lt;br /&gt;
\end{bmatrix}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
As amplitudes dos modos &amp;lt;math&amp;gt;a_{m}&amp;lt;/math&amp;gt;, em cada tempo, vão ser dadas pelas projeções das posições nos vetores dos modos &amp;lt;math&amp;gt;\vec{n}&amp;lt;/math&amp;gt;, i.e., &lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
a_{m} = \vec{x}\cdot{\vec{n}} &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Isso se segue imediatamente da equação (13). Com essas amplitudes e as frequências de cada modo dadas por (15), é simples resolver a parte da energia potencial (&amp;lt;math&amp;gt;\frac{1}{2}\omega_{m}^2a_{m}^2&amp;lt;/math&amp;gt;) da equação (14). A parte da energia cinética pode ser resolvida se guardarmos as amplitudes calculadas no tempo anterior e fizermos a seguinte discretização:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{da_{m}}{dt} \approx \frac{a_{i}-a_{i-1}}{\Delta t} &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O trabalho [[Problema de Fermi-Pasta-Ulam|anterior]] contém apenas um pequeno erro no cálculo da parte potencial da energia. O código está usando a soma da amplitude no tempo anterior com a amplitude no tempo atual, o que está evidentemente incorreto. O cálculo deve usar apenas a amplitude no tempo atual de cada iteração.&lt;br /&gt;
&lt;br /&gt;
== Simulações ==&lt;br /&gt;
&lt;br /&gt;
=== Osciladores Lineares Acoplados ===&lt;br /&gt;
&lt;br /&gt;
====N=2====&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
OA1DN2-modo1.gif|Modo de oscilação simétrico (modo 1) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas. N=2&lt;br /&gt;
OA1DN2-modo2.gif|Modo de oscilação antissimétrico (modo 2) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas. N=2&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
====N=3====&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
OA1DN3-modo1.gif|Modo de oscilação simétrico (modo 1) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas.&lt;br /&gt;
OA1DN3-modo2.gif|Modo de oscilação antissimétrico (modo 2) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas.&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
OA1DN3-modo3.gif|Modo de oscilação simétrico (modo 1) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas.&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
====N=4====&lt;br /&gt;
&lt;br /&gt;
Embora não tenhamos feito análises para os casos de N=4 e N=5 partículas, abaixo seguem simulações dos modos desses osciladores acoplados lineares unidimensionais. Observa-se o mesmo padrão de aumento da frequência com o número do modo. O modo simétrico sempre apresenta menor frequência.&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
OA1DN4-modo1.gif|Modo de oscilação simétrico (modo 1) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas. N=4&lt;br /&gt;
OA1DN4-modo2.gif|Modo de oscilação antissimétrico (modo 2) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas. N=4&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
OA1DN4-modo3.gif|Modo de oscilação 3 de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas. N=4&lt;br /&gt;
OA1DN4-modo4.gif|Modo de oscilação 4 de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas. N=4&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
====N=5====&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
OA1DN5-modo1.gif|Modo de oscilação simétrico (modo 1) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas. N=5&lt;br /&gt;
OA1DN5-modo2.gif|Modo de oscilação antissimétrico (modo 2) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas. N=5&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
OA1DN5-modo3.gif|Modo de oscilação 3 de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas. N=5&lt;br /&gt;
OA1DN5-modo4.gif|Modo de oscilação 4 de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas. N=5&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
OA1DN5-modo5.gif|Modo de oscilação 5 de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas. N=5&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
====Bidimensional N=49 (Em um grid 7x7)====&lt;br /&gt;
&lt;br /&gt;
Também implementamos uma simulação bidimensional de massas acopladas com as partículas vizinhas de cima, de baixo e dos lados. As partículas das fronteiras estão conectadas às paredes (em cima, embaixo e dos lados). A generalização do caso unidimensional é direta e foi razoavelmente simples de se implementar, uma vez estabelecida a condição inicial (colocar as partículas nas posições de equilíbrio, espaçadas igualmente em um grid, e deslocar randomicamente cada uma de sua posição de equilíbrio por um valor bem pequeno). A simulação mostra um comportamento que pode ser associado à dinâmica molecular. &lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=350px&amp;gt;&lt;br /&gt;
OA2D-N49.gif| Nessa simulação, usamos k=1 e m=6 para diminuir a força e evitar sobreposições entre as partículas.&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== FPUT quadrático ===&lt;br /&gt;
&lt;br /&gt;
Abaixo segue uma simulação em que as partículas são deslocadas das posições de equilíbrio verticalmente. Esse modelo é muito interessante para visualizar as oscilações das partículas (uma vez que o número de partículas é maior, é mais difícil perceber os padrões de modos nos deslocamentos horizontais). Também é muito útil para visualizar a propriedade de recorrência ao primeiro modo desse sistema não linear, embora não seja um modelo muito físico, porque as partículas oscilam apenas na vertical, acopladas às partículas vizinhas (é como se houvessem molas que conectam cada partícula verticalmente a suas vizinhas, mas sem molas na horizontal). Não há deslocamento na horizontal, e a simulação é na verdade uma simulação unidimensional. Atentar que nessas simulações há apenas 30 partículas oscilando de fato. Duas estão presas nas paredes.&lt;br /&gt;
&lt;br /&gt;
Parâmetros da simulação com deslocamento vertical: &amp;lt;math&amp;gt;k = 1.0, m = 1.0, \alpha = 0.25, \Delta t = 0.01, L = 20.0, N = 32&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
fput_deslocamento_vertical_parte1.gif|&#039;&#039;&#039;Figura 14.&#039;&#039;&#039; Primeira parte da simulação do oscilador acoplado com N=32 partículas com deslocamento limitado à vertical. Essa simulação mostra que o sistema foi inicializado no modo 1. Já podemos perceber, no final da simulação, que o sistema começa a sair do modo 1 e entrar em uma mistura de modos.&lt;br /&gt;
fput_deslocamento_vertical_parte2.gif|&#039;&#039;&#039;Figura 15.&#039;&#039;&#039; Segunda parte da simulação do oscilador acoplado com N=32 partículas com deslocamento limitado à vertical. Nessa simulação é possível perceber a recorrência do primeiro modo de oscilação. Após ter oscilado por um tempo considerável com uma mistura de modos, o sistema retorna ao modo inicial.&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Programas ==&lt;br /&gt;
&lt;br /&gt;
* [[Código em C e scripts para FPUT com deslocamento vertical]]&lt;br /&gt;
&lt;br /&gt;
* [[Código em Python para simulações de osciladores lineares e FPUT quadrático]]&lt;br /&gt;
&lt;br /&gt;
== Referências ==&lt;br /&gt;
&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Bibliografia principal ==&lt;br /&gt;
* Marion, J.B., Thornton, S.T. &amp;quot;Classical Dynamics of Particles and Systems&amp;quot;. Thomson Learning, Belmont, 2004.&lt;br /&gt;
* Giordano, N.J., Nakanishi, H. &amp;quot;Computational Physics&amp;quot;. 2nd Edition. Prentice Hall, Upper Saddle River, 2006.&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Oscila%C3%A7%C3%B5es_Acopladas/Problema_de_Fermi-Pasta-Ulam-Tsingou&amp;diff=7633</id>
		<title>Oscilações Acopladas/Problema de Fermi-Pasta-Ulam-Tsingou</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Oscila%C3%A7%C3%B5es_Acopladas/Problema_de_Fermi-Pasta-Ulam-Tsingou&amp;diff=7633"/>
		<updated>2022-05-04T20:03:37Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: /* Implementação numérica */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&#039;&#039;&#039;Grupo:&#039;&#039;&#039; Paula Pandolfo, Ramiro de Souza, Samuel Dieterich e Wallace Carvalho&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Objetivo:&#039;&#039;&#039; Este trabalho tem dois objetivos principais: apresentar alguns resultados analíticos de osciladores lineares acoplados, comparando esses resultados com simulações computacionais; e implementar o modelo de osciladores acoplados com a adição de um termo quadrático, conforme inicialmente apresentado pelo artigo original do problema de Fermi-Pasta-Ulam-Tsingou (FPUT), analisando os resultados. Apresentaremos algumas simulações dos casos bidimensionais, mas as análises de resultados serão restritas aos casos unidimensionais, por simplicidade.&lt;br /&gt;
&lt;br /&gt;
== Introdução ==&lt;br /&gt;
Os &#039;&#039;&#039;osciladores&#039;&#039;&#039; talvez sejam os sistemas mais estudados em toda a Física, sendo capazes de modelar uma ampla gama de fenômenos, como, p. ex., pêndulos, circuitos eletrônicos e interações moleculares. O comportamento linear desse tipo de sistema, em particular, possui resultados analíticos bem conhecidos, facilitando o tratamento matemático de sistemas complexos que possam ser modelados por conjuntos de osciladores.&lt;br /&gt;
&lt;br /&gt;
O problema de FPUT (Enrico Fermi, John R. Pasta, Stanislaw M. Ulam, Mary Tsingou) resulta da análise computacional de um sistema de partículas que apenas interagem com seus vizinhos, com interações modeladas por oscilações acopladas com a adição de um termo não-linear, que pode ser quadrático ou cúbico. O intuito original da simulação era estudar como tal sistema evolui para o equilíbrio térmico. Se as forças envolvidas forem estritamente lineares, a energia alocada em cada modo de vibração não se distribui entre os demais modos, e o sistema nunca atinge o equilíbrio térmico. Adicionando termos não lineares, supunha-se que, pelo Teorema da Equipartição da Energia, a energia total do sistema seria distribuída uniformemente entre os modos normais de vibração após um certo tempo, resultando no equilíbrio térmico do sistema. Entretanto, isso não foi observado nas simulações computacionais.&lt;br /&gt;
&lt;br /&gt;
O caso foi estudado pela primeira vez em Los Alamos, nos Estados Unidos, e implementado no computador MANIAC I (Mathematical Analyzer Numerical Integrator and Automatic Computer Model I). Além dos três participantes coautores do artigo &amp;lt;ref name=FPUToriginal&amp;gt;Fermi, E.; Pasta, J.; Ulam, S. (1955). &amp;quot;Studies of Nonlinear Problems&amp;quot; (PDF). Document LA-1940. Los Alamos National Laboratory. [Acessado 02 Maio 2022]. [http://www.physics.utah.edu/~detar/phys6720/handouts/fpu/FermiCollectedPapers1965.pdf]&amp;lt;/ref&amp;gt;, que relataram o caso em 1955, Mary Tsingou implementou o código e resolveu numericamente o sistema. Atualmente, por essa razão, o paradoxo é denominado pela sigla FPUT (Fermi-Pasta-Ulam-Tsingou).&amp;lt;ref name=WeThankMTsingou&amp;gt;Grant, V. &amp;quot;We Thank Miss Mary Tsingou&amp;quot;, National Security Science. Winter 2020: pp. 36-43. [Acessado 02 Maio 2022]. [https://www.lanl.gov/discover/publications/national-security-science/2020-winter/mary-tsingou.shtml]&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A abordagem adotada no presente trabalho é a seguinte: inicialmente, serão apresentados alguns resultados teóricos bem conhecidos de osciladores lineares acoplados. Em seguida, compararemos esses resultados com simulações computacionais, a fim de exemplificar visualmente seu significado. Após apresentar as fundações teóricas desses casos mais simples em que as forças são lineares, trataremos do problema de FPUT em si, examinando a situação em que a interação não-linear se dá através de um termo quadrático nas coordenadas generalizadas utilizadas. Tal tratamento tem de ser majoritariamente computacional, já que as equações diferenciais envolvidas não são, em geral, fáceis de se resolver analiticamente.&lt;br /&gt;
&lt;br /&gt;
== Osciladores Lineares Acoplados==&lt;br /&gt;
&lt;br /&gt;
Um modelo geral de sistema unidimensional de osciladores lineares acoplados é ilustrado pela &#039;&#039;&#039;Figura 1&#039;&#039;&#039;.&lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&lt;br /&gt;
&amp;lt;li style=&amp;quot;display: inline-block;&amp;quot;&amp;gt;[[Arquivo:OLA-modelo-geral.jpg|600px|left|thumb|center|&#039;&#039;&#039;Figura 1.&#039;&#039;&#039; Ilustração de um modelo geral unidimensional de oscilações acopladas. A figura foi criada por Paula Pandolfo, uma das integrantes do grupo.]]&amp;lt;/li&amp;gt;&lt;br /&gt;
&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Cada partícula possui duas vizinhas com as quais interage por meio das molas, exceto as partículas localizadas nos extremos da cadeia, que possuem apenas uma partícula vizinha cada. As interações das partículas dos extremos das cadeias se restringem, portanto, à interação com uma vizinha e com uma mola conectada a uma das paredes externas à cadeia. Como este problema é unidimensional, a posição de cada partícula pode ser descrita por apenas um grau de liberdade. Vamos escolher os deslocamentos &amp;lt;math&amp;gt;x_i&amp;lt;/math&amp;gt; em relação à respectiva posição de equilíbrio da partícula &amp;lt;math&amp;gt;i&amp;lt;/math&amp;gt; como nossas coordenadas generalizadas, definindo como positivos os deslocamentos para a direita e negativos para a esquerda. No total, um sistema com &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; partículas terá, portanto, &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; graus de liberdade. Vamos tratar aqui o caso em que as forças das molas são lineares, seguindo a lei de Hooke; i.e., forças dadas pela forma &amp;lt;math&amp;gt;F=-kx&amp;lt;/math&amp;gt;. &#039;&#039;&#039;Além disso, para simplificar e minimizar o número de parâmetros das simulações, vamos considerar que, em todos os casos mostrados, todas as molas possuem as mesmas constantes de acoplamento linear &amp;lt;math&amp;gt;k&amp;lt;/math&amp;gt; e todas as partículas possuem as mesmas massas &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt;&#039;&#039;&#039;.&lt;br /&gt;
&lt;br /&gt;
=== N=2 ===&lt;br /&gt;
&#039;&#039;&#039;Nota:&#039;&#039;&#039; O conteúdo abaixo segue aproximadamente a seção 12.2 de Marion e Thornton (2004).&amp;lt;ref name=Marion2004&amp;gt;Marion e Thornton, pp. 469-473&amp;lt;/ref&amp;gt; Entretanto, há diversas modificações e inclusões. Por exemplo, na descrição das equações de movimento e nas definições dos modos normais.&lt;br /&gt;
&lt;br /&gt;
Para nos familiarizarmos com este sistema, consideremos inicialmente o caso do oscilador linear acoplado mais simples, com apenas duas partículas (&amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt;), cada uma com massa &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt;, e três molas com os mesmos valores de constantes, &amp;lt;math&amp;gt;k&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Utilizando a segunda lei de Newton, mostra-se que as equações de movimento do sistema são:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
m\ddot{x}_{1} &amp;amp;= -kx_{1} - k(x_{1}-x_{2}) \\&lt;br /&gt;
m\ddot{x}_{2} &amp;amp;= -kx_{2} - k(x_{2}-x_{1})\text{.} \quad (1)\\&lt;br /&gt;
\end{align}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Uma forma direta de se montar as equações de movimento de um sistema acoplado é pensar em termos dos deslocamentos em relação às posições de equilíbrio (&amp;lt;math&amp;gt;x_{i}&amp;lt;/math&amp;gt;, com &amp;lt;math&amp;gt;i=1,2&amp;lt;/math&amp;gt;, no sistema considerado aqui). Por exemplo, na primeira das equações acima, a partícula 1 está sujeita à força elástica da mola conectada à parede (termo &amp;lt;math&amp;gt;-kx_{1}&amp;lt;/math&amp;gt;) e à força da mola conectada à partícula 2 (termo &amp;lt;math&amp;gt;-k(x_{1}-x_{2})&amp;lt;/math&amp;gt;). Esse último termo é definido conforme o seguinte: caso a mola que está conectada às partículas 1 e 2 esteja comprimida, &amp;lt;math&amp;gt;x_{1}&amp;lt;/math&amp;gt; deve ser maior que &amp;lt;math&amp;gt;x_{2}&amp;lt;/math&amp;gt; e a partícula 1 estará sofrendo uma força que é contrária à compressão, ou seja, com sinal negativo. De modo semelhante para a partícula 2, mas nesse caso, devido à posição ocupada pela partícula 2 na cadeia, com &amp;lt;math&amp;gt;x_{1}&amp;lt;/math&amp;gt; maior que &amp;lt;math&amp;gt;x_{2}&amp;lt;/math&amp;gt;, o sentido da força contrária à compressão tem sinal positivo, manifestando a terceira lei de Newton.&lt;br /&gt;
&lt;br /&gt;
Uma dificuldade imposta pelo sistema (1) é o fato das equações serem acopladas, que a aceleração da partícula 1 depende da posição da partícula 2, e vice-versa. Vamos supor que esse sistema de equações tenha soluções na seguinte forma:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{1}(t) &amp;amp;= A_{1}e^{-i\omega t} \\&lt;br /&gt;
x_{2}(t) &amp;amp;= A_{2}e^{-i\omega t}\text{,} \quad (2)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;A_{1}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;A_{2}&amp;lt;/math&amp;gt; são constantes e &amp;lt;math&amp;gt;\omega&amp;lt;/math&amp;gt; é uma frequência angular ainda indeterminada. Essa suposição é fisicamente justificável: sabemos que as soluções são oscilatórias, e exponenciais imaginárias podem ser escritas em termos de senos e cossenos pela fórmula de Euler. Se substituirmos as expressões em (2) na equação (1) e rearranjarmos os termos, obteremos:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
-mw^{2}A_{1}e^{-i\omega t} + 2kA_{1}e^{-i\omega t} -kA_{2}e^{-i\omega t} &amp;amp;= 0 \\&lt;br /&gt;
-mw^{2}A_{2}e^{-i\omega t} + 2kA_{2}e^{-i\omega t} -kA_{1}e^{-i\omega t} &amp;amp;= 0\text{.} \\&lt;br /&gt;
\end{align}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Ou, eliminando as exponenciais e reagrupando termos:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
(2k-mw^{2})&amp;amp;A_{1} &amp;amp;-kA_{2} &amp;amp;= 0 \\&lt;br /&gt;
-k&amp;amp;A_{1} &amp;amp;+(2k-mw^{2})A_{2} &amp;amp;= 0\text{.} \quad (3)\\ &lt;br /&gt;
\end{align}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O sistema de equações (3) apenas terá soluções não triviais se o determinante da matriz dos coeficientes que acompanham os &amp;lt;math&amp;gt;A_{i}&amp;lt;/math&amp;gt; for igual a zero, i.e.:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{vmatrix}&lt;br /&gt;
(2k-mw^{2}) &amp;amp; -k \\ &lt;br /&gt;
-k &amp;amp; (2k-mw^{2})  &lt;br /&gt;
\end{vmatrix} = 0\text{.} &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O resultado desse determinante ser igual a zero é uma equação quadrática simples em &amp;lt;math&amp;gt;\omega^2&amp;lt;/math&amp;gt;, sendo as soluções facilmente obtidas. Como para cada solução &amp;lt;math&amp;gt;\omega&amp;lt;/math&amp;gt; existe uma solução &amp;lt;math&amp;gt;-\omega&amp;lt;/math&amp;gt;, apresentaremos apenas o módulo das frequências:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
\omega_{1} = \sqrt{\frac{k}{m}} \quad \text{,} \quad \omega_{2} = \sqrt{\frac{3k}{m}}\text{.} \quad (4)&lt;br /&gt;
\end{align} &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;\omega_{1}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\omega_{2}&amp;lt;/math&amp;gt; são então denominadas as frequências características ou autofrequências do sistema. As soluções mais gerais do sistema de equações diferenciais lineares (1) vão ser então combinações lineares das soluções (2) com as frequências dadas por (4):&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{1}(t) = a_{1}^{1}e^{i\omega_{1} t} &amp;amp;+ a_{1}^{2}e^{-i\omega_{1} t} &amp;amp;+ a_{1}^{3}e^{i\omega_{2} t} &amp;amp;+ a_{1}^{4}e^{-i\omega_{2} t} \\&lt;br /&gt;
x_{2}(t) = a_{2}^{1}e^{i\omega_{1} t} &amp;amp;+ a_{2}^{2}e^{-i\omega_{1} t} &amp;amp;+ a_{2}^{3}e^{i\omega_{2} t} &amp;amp;+ a_{2}^{4}e^{-i\omega_{2} t}\text{.} \quad (5)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Nota-se que cada uma das soluções é uma superposição (em geral) complicada que envolve as duas autofrequências. Isso é uma consequência direta do acoplamento presente no sistema (1). Para eliminar este acoplamento, vamos definir novas variáveis: &amp;lt;math&amp;gt;\eta_{1} = x_{1} + x_{2}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\eta_{2} = x_{1} - x_{2}&amp;lt;/math&amp;gt;, ou&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt; x_{1} = \frac{\eta_{1} + \eta_{2}}{2} \quad \text{,} \quad x_{2} = \frac{\eta_{1} - \eta_{2}}{2}\text{.}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Substituindo essas expressões no sistema de equações (1), ficamos com:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
&amp;amp;m(\ddot{\eta}_{1} + \ddot{\eta}_{2}) + k\eta_{1} + 3k\eta_{2} = 0 \\&lt;br /&gt;
&amp;amp;m(\ddot{\eta}_{1} - \ddot{\eta}_{2}) + k\eta_{1} - 3k\eta_{2} = 0\text{.}&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Se somarmos as duas equações acima, e se subtrairmos a segunda da primeira, obtemos, respectivamente:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
&amp;amp;m\ddot{\eta}_{1} + k\eta_{1} = 0 \\&lt;br /&gt;
&amp;amp;m\ddot{\eta}_{2} + 3k\eta_{2} = 0\text{.}&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Reconhecemos imediatamente as equações acima como equações de osciladores harmônicos simples, desacopladas e, portanto, com soluções independentes. As soluções são dadas por&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
\eta_{1}(t) &amp;amp;= c_{1}e^{i\omega_{1}t} + c_{2}e^{-i\omega_{1}t} \\&lt;br /&gt;
\eta_{2}(t) &amp;amp;= c_{3}e^{i\omega_{2}t} + c_{4}e^{-i\omega_{2}t}\text{.} \quad (6)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;\eta_{1}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\eta_{2}&amp;lt;/math&amp;gt; são chamadas de coordenadas normais. Por definição, são coordenadas que desacoplam as equações diferenciais do sistema e possuem soluções com frequências únicas, bem definidas. Sempre podem ser escritas como algum tipo de combinação linear das coordenadas originais. De modo semelhante, as coordenadas usuais do sistema sempre podem ser escritas como combinações lineares das coordenadas normais. No caso geral, para mais partículas, a combinação linear dos deslocamentos &amp;lt;math&amp;gt;x_i&amp;lt;/math&amp;gt; que produz as coordenadas normais é trabalhosa de se encontrar. Note-se que, no caso de duas partículas, é simples encontrá-las meramente por inspeção. Se impusermos as condições iniciais &amp;lt;math&amp;gt;x_{1}(0) = x_{2}(0)&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\dot{x}_{1}(0) = \dot{x}_{2}(0)&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\eta_{2}(0) = x_{1}(0) - x_{2}(0) = 0&amp;lt;/math&amp;gt; e as constantes &amp;lt;math&amp;gt;c_{3}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;c_{4}&amp;lt;/math&amp;gt; vão ser iguais a zero, o que implica &amp;lt;math&amp;gt;\eta_{2}(t) = 0&amp;lt;/math&amp;gt;, para todo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Esse primeiro modo normal corresponderá a uma oscilação simétrica, em que as duas partículas oscilarão em fase, com frequência &amp;lt;math&amp;gt;\omega_{1}&amp;lt;/math&amp;gt;. De modo semelhante, se impusermos as condições iniciais &amp;lt;math&amp;gt;x_{1}(0) = -x_{2}(0)&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\dot{x}_{1}(0) = -\dot{x}_{2}(0)&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\eta_{1}(t) = 0&amp;lt;/math&amp;gt;, para todo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;, e as partículas oscilarão fora de fase, com frequência &amp;lt;math&amp;gt;\omega_{2}&amp;lt;/math&amp;gt;. Pelas expressões dadas em (4) e pelas simulações abaixo, destaca-se que a frequência associada ao modo simétrico é menor do que a frequência do modo antissimétrico. Esse é um resultado geral de oscilações acopladas: quanto maior o grau de simetria da oscilação, menor o valor da frequência.&amp;lt;ref name=Marion2004/&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Alguns resultados das simulações para os modos desse caso podem ser observados na &#039;&#039;&#039;Figura 2&#039;&#039;&#039; e na &#039;&#039;&#039;Figura 3&#039;&#039;&#039;. Fica evidente a menor frequência do modo simétrico em relação ao modo antissimétrico. Além disso, podemos observar a concordância com os valores teóricos encontrados para as frequências: &amp;lt;math&amp;gt;\omega_{1}=1&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\omega_{2}= \sqrt{3}&amp;lt;/math&amp;gt;. O modo simétrico consiste em uma oscilação em que as partículas estão em fase; no modo antissimétrico, as partículas oscilam fora de fase.&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
posOL1D-N2.png|&#039;&#039;&#039;Figura 2&#039;&#039;&#039;. Modo de oscilação simétrico (modo 1) de um oscilador linear acoplado unidimensional. Gráficos dos deslocamentos (x) em relação à posição de equilíbrio das partículas 1 (linha preta no gráfico, partícula da esquerda na simulação ao lado) e 2 (pontos vermelhos no gráfico, partícula da direita na simulação ao lado). k=m=1. Amplitude inicial de ~0.433. N=2&lt;br /&gt;
OA1DN2-modo1.gif|Modo de oscilação simétrico (modo 1) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas. N=2&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
posOL1D-N2A.png|&#039;&#039;&#039;Figura 3&#039;&#039;&#039;.Modo de oscilação antissimétrico (modo 2) de um oscilador linear acoplado unidimensional. Gráficos dos deslocamentos (x) em relação à posição de equilíbrio das partículas 1 (linha preta, partícula da esquerda na simulação ao lado) e 2 (pontos vermelhos, partícula da direita na simulação ao lado). k=m=1. Amplitude inicial de ~0.433. N=2&lt;br /&gt;
OA1DN2-modo2.gif|Modo de oscilação antissimétrico (modo 2) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas. N=2&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A concordância das frequências com os valores teóricos calculados pode ser vista na &#039;&#039;&#039;Figura 4&#039;&#039;&#039; e na &#039;&#039;&#039;Figura 5&#039;&#039;&#039;. Podemos observar a concordância com os valores teóricos encontrados para as frequências: &amp;lt;math&amp;gt;\omega_{1}=1&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\omega_{2} = \sqrt{3}&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=300px&amp;gt;&lt;br /&gt;
compara_simetrico.png|&#039;&#039;&#039;Figura 4&#039;&#039;&#039;. Modo de oscilação simétrico (modo 1) de um oscilador linear acoplado unidimensional. Comparação entre os gráficos dos deslocamentos (x) em relação à posição de equilíbrio da partículas 1 (esquerda na simulação acima), conforme integração numérica (pontos vermelhos), em relação ao valor teórico (linha azul). k=m=1. Amplitude inicial de ~0.433. N=2&lt;br /&gt;
compara_anti.png|&#039;&#039;&#039;Figura 5&#039;&#039;&#039;. Modo de oscilação antissimétrico (modo 2) de um oscilador linear acoplado unidimensional. Comparação entre os gráficos dos deslocamentos (x) em relação à posição de equilíbrio da partículas 1 (esquerda na simulação acima), conforme integração numérica (pontos vermelhos), em relação ao valor teórico (linha azul). Amplitude inicial de ~0.433. k=m=1. Amplitude inicial de ~0.433. N=2&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== N=3 ===&lt;br /&gt;
&lt;br /&gt;
Seguindo a mesma lógica apresentada para &amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt; partículas, podemos montar as equações de movimento do sistema com &amp;lt;math&amp;gt;N=3&amp;lt;/math&amp;gt; partículas. A única diferença é que a partícula central apenas está conectada a partículas vizinhas, não estando conectada a paredes externas: &lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
m\ddot{x}_{1} &amp;amp;= -kx_{1} - k(x_{1}-x_{2}) \\&lt;br /&gt;
m\ddot{x}_{2} &amp;amp;= -k(x_{2}-x_{1}) - k(x_{2}-x_{3}) \\&lt;br /&gt;
m\ddot{x}_{3} &amp;amp;= -kx_{3} - k(x_{3}-x_{2})\text{.} \quad\quad (7)\\&lt;br /&gt;
\end{align}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Novamente, supomos soluções do tipo&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{1}(t) &amp;amp;= A_{1}e^{-i\omega t} \\&lt;br /&gt;
x_{2}(t) &amp;amp;= A_{2}e^{-i\omega t} \\&lt;br /&gt;
x_{3}(t) &amp;amp;= A_{3}e^{-i\omega t}\text{.} \quad (8)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Substituindo (8) em (7) e seguindo os mesmos passos feitos para &amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt; partículas, obteremos o sistema linear para os &amp;lt;math&amp;gt;A_i&amp;lt;/math&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
(2k-mw^{2})A_{1} &amp;amp;-kA_{2} &amp;amp;+0A_{3} &amp;amp;= 0 \\&lt;br /&gt;
-kA_{1} &amp;amp;+(2k-mw^{2})A_{2} &amp;amp;-kA_{3} &amp;amp;= 0 \\&lt;br /&gt;
0A_{1} &amp;amp;-kA_{2} &amp;amp;+(2k-mw^{2})A_{3} &amp;amp;= 0\text{.}\\ &lt;br /&gt;
\end{align}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O sistema de equações acima apenas terá soluções não triviais se o determinante dos coeficientes dos &amp;lt;math&amp;gt;A_{i}&amp;lt;/math&amp;gt; for igual a zero. Portanto:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{vmatrix}&lt;br /&gt;
(2k-mw^{2}) &amp;amp; -k &amp;amp;0\\ &lt;br /&gt;
-k &amp;amp; (2k-mw^{2}) &amp;amp;-k \\&lt;br /&gt;
0 &amp;amp; -k &amp;amp; (2k-mw^{2})  &lt;br /&gt;
\end{vmatrix} = 0 \text{.}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A equação resultante é &amp;lt;math&amp;gt;(2k-m\omega^{2})^3 - 2k^2(2k-m\omega^2) = 0&amp;lt;/math&amp;gt;. Simples de ser resolvida analiticamente por fatoração, esta equação tem as soluções de módulo:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
\omega_{1} = \sqrt{\frac{k}{m}(2-\sqrt{2})} \quad \text{,} \quad \omega_{2} = \sqrt{\frac{2k}{m}} \quad \text{,} \quad \omega_{3} = \sqrt{\frac{k}{m}(2+\sqrt{2})}\text{.} \quad (9)&lt;br /&gt;
\end{align} &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Note-se que aqui já não é mais tão simples identificar as coordenadas normais. Além disso, embora tenha sido simples até aqui obter as autofrequências, o processo é tedioso e a equação característica se torna cada vez mais difícl de se resolver analiticamente.&lt;br /&gt;
&lt;br /&gt;
Podemos escrever as soluções da seguinte forma, de modo semelhante a como fizemos para &amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{1}(t) = a_{1}^{1}e^{i\omega_{1} t} &amp;amp;+ a_{1}^{2}e^{-i\omega_{1} t} &amp;amp;+ a_{1}^{3}e^{i\omega_{2} t} &amp;amp;+ a_{1}^{4}e^{-i\omega_{2} t} &amp;amp;+ a_{1}^{5}e^{i\omega_{3} t} &amp;amp;+ a_{1}^{6}e^{-i\omega_{3} t}\\&lt;br /&gt;
x_{2}(t) = a_{2}^{1}e^{i\omega_{1} t} &amp;amp;+ a_{2}^{2}e^{-i\omega_{1} t} &amp;amp;+ a_{2}^{3}e^{i\omega_{2} t} &amp;amp;+ a_{2}^{4}e^{-i\omega_{2} t} &amp;amp;+ a_{2}^{5}e^{i\omega_{3} t} &amp;amp;+ a_{2}^{6}e^{-i\omega_{3} t} \\&lt;br /&gt;
x_{3}(t) = a_{3}^{1}e^{i\omega_{1} t} &amp;amp;+ a_{3}^{2}e^{-i\omega_{1} t} &amp;amp;+ a_{3}^{3}e^{i\omega_{2} t} &amp;amp;+ a_{3}^{4}e^{-i\omega_{2} t} &amp;amp;+ a_{3}^{5}e^{i\omega_{3} t} &amp;amp;+ a_{3}^{6}e^{-i\omega_{3} t}\text{.} \quad (10)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Alguns resultados das simulações para os modos desse caso podem ser observados na &#039;&#039;&#039;Figura 6&#039;&#039;&#039;, na &#039;&#039;&#039;Figura 7&#039;&#039;&#039; e na &#039;&#039;&#039;Figura 8&#039;&#039;&#039;. Nota-se, mais uma vez, que a menor frequência em relação aos demais modos é aquela associada ao modo simétrico. O modo simétrico consiste em uma oscilação em que todas as partículas estão em fase; no modo antissimétrico, as partículas 1 e 3 oscilam fora de fase, a 2 permanece parada. A novidade em relação ao caso de &amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt; é o surgimento de um novo modo, o modo 3, em que as partículas 1 e 3 oscilam em fase, e a partícula 2 oscila fora de fase em relação às partículas 1 e 3.&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
PosOL1D-N3.png|&#039;&#039;&#039;Figura 6&#039;&#039;&#039;. Modo de oscilação simétrico (modo 1) de um oscilador linear acoplado unidimensional. Gráficos dos deslocamentos (x) em relação à posição de equilíbrio das partículas 1 (linha preta), 2 (linha vermelha) e 3 (pontos azuis). k=m=1. Amplitude inicial de ~ 0.35 para as partículas 1 e 3, e ~0.5 para a partícula 2. N=3&lt;br /&gt;
OA1DN3-modo1.gif|Modo de oscilação simétrico (modo 1) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas.&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
posOL1D-N3A.png|&#039;&#039;&#039;Figura 7&#039;&#039;&#039;. Modo de oscilação antissimétrico (modo 2) de um oscilador linear acoplado unidimensional. Gráficos dos deslocamentos (x) em relação à posição de equilíbrio das partículas 1 (linha preta), 2 (linha vermelha) e 3 (linha azul). k=m=1. Amplitude inicial de ~ 0.5 para as partículas 1 e 3. N=3&lt;br /&gt;
OA1DN3-modo2.gif|Modo de oscilação antissimétrico (modo 2) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas.&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
posOL1D-N3m3.png|&#039;&#039;&#039;Figura 8&#039;&#039;&#039;. Modo de oscilação 3 de um oscilador linear acoplado unidimensional. Gráficos dos deslocamentos (x) em relação à posição de equilíbrio das partículas 1 (linha preta), 2 (linha vermelha) e 3 (pontos azuis). k=m=1. Amplitude inicial de ~ 0.35 para as partículas 1 e 3, e ~0.5 para a partícula 2. N=3&lt;br /&gt;
OA1DN3-modo3.gif|Modo de oscilação simétrico (modo 1) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas.&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A concordância das frequências com os valores teóricos calculados pode ser vista na &#039;&#039;&#039;Figura 9&#039;&#039;&#039;, na &#039;&#039;&#039;Figura 10&#039;&#039;&#039; e na &#039;&#039;&#039;Figura 11&#039;&#039;&#039;. Podemos observar a concordância com os valores teóricos encontrados para as frequências: &amp;lt;math&amp;gt;\omega_{1}=\sqrt{2-\sqrt{2}}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\omega_{2} = \sqrt{2}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\omega_{3}=\sqrt{2+\sqrt{2}}&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
compara_simetricoN3.png|&#039;&#039;&#039;Figura 9&#039;&#039;&#039;. Modo de oscilação simétrico (modo 1) de um oscilador linear acoplado unidimensional. Comparação entre os gráficos dos deslocamentos (x) em relação à posição de equilíbrio da partículas 1, conforme integração numérica (pontos pretos), em relação ao valor teórico (linha verde). k=m=1. Amplitude inicial de ~ 0.35. N=3&lt;br /&gt;
compara_antiN3.png|&#039;&#039;&#039;Figura 10&#039;&#039;&#039;. Modo de oscilação antissimétrico (modo 2) de um oscilador linear acoplado unidimensional. Comparação entre os gráficos dos deslocamentos (x) em relação à posição de equilíbrio da partículas 1, conforme integração numérica (pontos pretos), em relação ao valor teórico (linha verde). k=m=1. Amplitude inicial de ~ 0.5. N=3&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=300px&amp;gt;&lt;br /&gt;
compara_m3N3.png|&#039;&#039;&#039;Figura 11&#039;&#039;&#039;. Modo de oscilação 3 de um oscilador linear acoplado unidimensional. Comparação entre os gráficos dos deslocamentos (x) em relação à posição de equilíbrio da partículas 1, conforme integração numérica (pontos pretos), em relação ao valor teórico (linha verde). k=m=1. Amplitude inicial de ~ 0.35. N=3&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Caso geral ===&lt;br /&gt;
O formalismo lagrangeano fornece uma técnica poderosa para construir as equações de movimento para o caso geral de &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; partículas, bem como para facilitar o cálculo das coordenadas normais e das autofrequências.&amp;lt;ref name=Marion2004/&amp;gt; No entanto, no presente trabalho, não utilizaremos o formalismo lagrangeano, montando as equações pelos argumentos já mostrados até agora, que envolvem a segunda lei de Newton. Para expressar as soluções gerais, utilizaremos o método de análise de Fourier, poupando-nos de grande parte da álgebra caso-a-caso envolvida em encontrar as autofrequências.&lt;br /&gt;
&lt;br /&gt;
Não é difícil perceber que a segunda equação do sistema (7) tem a forma típica de uma equação de movimento para um oscilador interno (não adjacente às paredes). Desse modo, somando as forças atuantes pela segunda lei de Newton, a generalização das equações para o caso &amp;lt;math&amp;gt;N \geq 3&amp;lt;/math&amp;gt; será:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\ddot{x}_{i} =&lt;br /&gt;
 \begin{cases}&lt;br /&gt;
       -kx_{1} - k(x_{1}-x_{2})\text{,} &amp;amp;\quad\text{se} \quad i = 1\\&lt;br /&gt;
       -k(x_{i}-x_{i-1}) - k(x_{i}-x_{i+1}) \text{,} &amp;amp;\quad\text{se} \quad 1&amp;lt;i&amp;lt;N \\&lt;br /&gt;
       -kx_{N} - k(x_{N}-x_{N-1}) \text{,} &amp;amp;\quad\text{se} \quad i = N\text{.} \quad\quad (11)\\&lt;br /&gt;
     \end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O conjunto de equações (11) vai ser importante para a implementação numérica. &lt;br /&gt;
&lt;br /&gt;
As soluções (5) e (10) apresentam um padrão. Se tomarmos apenas as partes reais das soluções, podemos redefinir as constantes duas a duas e escrever a solução geral como:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{l}(t) &amp;amp;= \sum_{m=1}^{N}a_{m}^{l}\cos(\omega_{m}t)\text{,} \quad \text{com}\quad l=1\text{,}\,\text{...}\text{,}\,N\text{.}\quad\\&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
As constantes &amp;lt;math&amp;gt;a_{m}^{l}&amp;lt;/math&amp;gt; são chamadas de amplitudes dos modos normais e indicam o quanto de cada modo normal, de frequência bem definida, está presente na solução de cada &amp;lt;math&amp;gt;x_{l}(t)&amp;lt;/math&amp;gt;. É possível mostrar (o que não faremos aqui por razões de tempo e espaço, mas pode ser consultado nas referências &amp;lt;ref name=Lucero2021&amp;gt;Lucero, Davi de Mello e Pinheiro Moreira, Pedro Augusto Franco. &amp;quot;O problema Fermi-Pasta-Ulam-Tsingou: Equiparticão de energia vista através de simulações computacionais&amp;quot;. Revista Brasileira de Ensino de Física [online]. 2021, v. 43 [Acessado 1 Maio 2022]. [https://www.scielo.br/j/rbef/a/SkRCy5fdnGbhfxNjpx5BkRD/?lang=pt#]&amp;lt;/ref&amp;gt;) que, usando condições de contorno &amp;lt;math&amp;gt;x_{0}(t) = x_{N+1}(t) = 0&amp;lt;/math&amp;gt;, as soluções podem ser reescritas como&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{l}(t) &amp;amp;= \sum_{m=1}^{N}c_{m}\sin\left(\frac{lm\pi}{N+1}\right)\cos(\omega_{m}t) \text{, com}\quad l=1\text{,}\,\text{...}\text{,}\,N\text{.} \quad (12)\\&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
É comum na literatura&amp;lt;ref name=Giordano2006&amp;gt;Giordano e Nakanishi, pp. 296-297&amp;lt;/ref&amp;gt; redefinir a constante &amp;lt;math&amp;gt;c_{m}&amp;lt;/math&amp;gt; da seguinte forma:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{l}(t) &amp;amp;= \sqrt{\frac{2}{N+1}}\sum_{m=1}^{N}a_{m}\sin\left(\frac{lm\pi}{N+1}\right)\cos(\omega_{m}t) \text{, com}\quad l=1\text{,}\,\text{...}\text{,}\,N\text{.} \\&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A qualquer instante de tempo, os deslocamentos das partículas em relação às posições de equilíbrio podem ser escritos como uma soma de modos normais. Esses modos normais são ondas estacionárias. Ver, por exemplo, a &#039;&#039;&#039;Figura 12&#039;&#039;&#039;, com os cinco primeiros modos. &lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&lt;br /&gt;
&amp;lt;li style=&amp;quot;display: inline-block;&amp;quot;&amp;gt;[[Arquivo:modos.png|600px|left|thumb|center|&#039;&#039;&#039;Figura 12.&#039;&#039;&#039; Cinco primeiros modos de oscilação para um oscilador acoplado com N=32 partículas. Os gráficos correspondem à equação (12), no tempo &amp;lt;math&amp;gt;t=0&amp;lt;/math&amp;gt;, com &amp;lt;math&amp;gt;c_{m}=1&amp;lt;/math&amp;gt;.]]&amp;lt;/li&amp;gt;&lt;br /&gt;
&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
É possível, portanto, por uma transformada inversa, escrever&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
a_{m} &amp;amp;= \sqrt{\frac{2}{N+1}}\sum_{i=1}^{N}x_{i}\sin\left(\frac{im\pi}{N+1}\right) \text{, com}\quad m=1\text{,}\,\text{...}\text{,}\,N\text{.} \\&lt;br /&gt;
\end{align} \quad (13)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
As energias de cada modo podem ser escritas como (com &amp;lt;math&amp;gt;\dot{a}_{m}&amp;lt;/math&amp;gt; representando a amplitude da velocidade do modo):&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
E_{m} &amp;amp;= \frac{1}{2}\left(\dot{a}_{m}^{2} + \omega_{m}^2a_{m}^2\right)\text{.} \quad (14)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Através de uma demonstração que pode ser encontrada nas referências&amp;lt;ref name=Lucero2021&amp;gt;&amp;lt;/ref&amp;gt;, as autofrequências podem ser escritas como:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
\omega_{m} &amp;amp;= 2\omega_{0}\sin\left(\frac{m\pi}{2(N+1)}\right)\text{.} \quad (15)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O argumento do seno sempre se encontra no primeiro quadrante, pois é positivo e é tal que:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\frac{m\pi}{2(N+1)} &amp;lt; \frac{N\pi}{2(N+1)} &amp;lt; \frac{(N+1)\pi}{2(N+1)} = \frac{\pi}{2}\text{.}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Nota-se, portanto, que as frequências dos modos são sempre menores do que duas vezes a frequência natural (&amp;lt;math&amp;gt;\omega_{m} &amp;lt; 2\omega_{0} = 2\sqrt{k/m}&amp;lt;/math&amp;gt;). Todas as expressões mostradas nesta seção são válidas mesmo para o caso de oscilações acopladas não lineares, como é o caso do FPUT.&amp;lt;ref name=Giordano2006&amp;gt;&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Podemos comparar, por exemplo, os valores que encontramos para as autofrequências nos casos &amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;N=3&amp;lt;/math&amp;gt; com os resultados da equação (15). Seja, por exemplo, &amp;lt;math&amp;gt;k=m=1&amp;lt;/math&amp;gt;. Para &amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt;, pelas expressões (4), &amp;lt;math&amp;gt;\omega_{1} = 1&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\omega_{2} = \sqrt{3}&amp;lt;/math&amp;gt;, que são os mesmos resultados fornecidos pela equação (15). De modo semelhante, para &amp;lt;math&amp;gt;N=3&amp;lt;/math&amp;gt;, pelas expressões (9), &amp;lt;math&amp;gt;\omega_{1} =\sqrt{2-\sqrt{2}}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\omega_{2} = \sqrt{2}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\omega_{3} =\sqrt{2+\sqrt{2}}&amp;lt;/math&amp;gt;, que também são os mesmos resultados fornecidos pela equação (15).&lt;br /&gt;
&lt;br /&gt;
== Adição de Termos Não-Lineares: Problema de FPUT ==&lt;br /&gt;
Como já discutido, se as forças em um sistema de osciladores acoplados forem todas da forma da lei de Hooke, o sistema jamais alcançará o equilíbrio térmico, pois os modos têm independência linear entre si. Para fazer isso, temos de acrescentar termos não-lineares de interação. Vamos tratar aqui o primeiro caso estudado no artigo original,&amp;lt;ref name=FPUToriginal/&amp;gt; em que os termos não-lineares são quadráticos nas coordenadas &amp;lt;math&amp;gt;x_i&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Para os osciladores internos, teremos então a seguinte equação de movimento:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;m\ddot{x}_{i} = k_{1}\left[(x_{i+1} - x_{i}) + (x_{i-1} - x_{i})\right] + k_{2}\left[(x_{i+1} - x_{i})^2 - (x_{i-1} - x_{i})^2 \right]&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Nessa equação, a constante &amp;lt;math&amp;gt;k_{1}&amp;lt;/math&amp;gt; faz o papel da constante das molas &amp;lt;math&amp;gt;k&amp;lt;/math&amp;gt; apresentada anteriormente para o caso puramente linear, enquanto &amp;lt;math&amp;gt;k_{2}&amp;lt;/math&amp;gt; informa a intensidade da força não-linear. É importante ressaltar que nem todos os autores definem os termos quadráticos dessa forma. Atualmente é mais comum ver esses termos definidos como faz, por exemplo, Lucero et al., 2021&amp;lt;ref name=Lucero2021/&amp;gt;, que usa o sinal positivo entre os termos quadráticos, no interior dos colchetes. Podemos isolar a aceleração &amp;lt;math&amp;gt;\ddot{x}_{i}&amp;lt;/math&amp;gt; nesta equação; vamos escolher &amp;lt;math&amp;gt;k_{1}/m = 1&amp;lt;/math&amp;gt; e definir &amp;lt;math&amp;gt;\alpha \equiv k_{2}/m&amp;lt;/math&amp;gt;. A equação fica então:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\ddot{x}_{i} = (x_{i+1} - x_{i}) + (x_{i-1} - x_{i}) + \alpha \left[(x_{i+1} - x_{i})^2 - (x_{i-1} - x_{i})^2 \right]&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Esperava-se teoricamente que, pelo Teorema de Equipartição da Energia, o comportamento desse sistema seria a termalização. Isso significa que, diferentemente dos sistemas lineares, em que, iniciado em um modo, o sistema permanece naquele modo para todo tempo &amp;lt;math&amp;gt;t&amp;gt;0&amp;lt;/math&amp;gt; (como podemos perceber nas [[Oscilações Acopladas/Problema de Fermi-Pasta-Ulam-Tsingou#Simulações#Osciladores Lineares Acoplados|simulações apresentadas em seguida]], para diversos modos com &amp;lt;math&amp;gt;N=2,\,\text{...},\,5&amp;lt;/math&amp;gt;), o sistema tenderia a se tornar uma mistura complicada de &#039;&#039;&#039;todos os modos&#039;&#039;&#039; a partir de um determinado tempo, e permanecer nesse estado (lembrar que o número de modos depende da quantidade de partículas, &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt;, portanto, no caso &amp;lt;math&amp;gt;N=32&amp;lt;/math&amp;gt;, seria esperado que o sistema se tornasse uma mistura de todos os 32 modos após um certo tempo). Uma análise normalmente é feita por meio de gráficos da distribuição de energia entre os modos. A &#039;&#039;&#039;Figura 13&#039;&#039;&#039;, retirada de nossa simulação para &amp;lt;math&amp;gt;N=32&amp;lt;/math&amp;gt; do FPUT quadrático unidimensional, ilustra o comportamento do sistema:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&lt;br /&gt;
&amp;lt;li style=&amp;quot;display: inline-block;&amp;quot;&amp;gt;[[Arquivo:Energias_por_modo.png|600px|left|thumb|center|&#039;&#039;&#039;Figura 13.&#039;&#039;&#039; Esse gráfico corresponde às energias alocadas por modo de vibração em um sistema unidimensional com N=32 partículas do FPUT quadrático, conforme calculado a partir de nossas simulações (ver uma explicação sobre como o gráfico foi feito na seção sobre implementação [[Oscilações_Acopladas/Problema_de_Fermi-Pasta-Ulam-Tsingou#Gráfico_das_energias_do_FPUT_quadrático|numérica]]). Percebe-se claramente o comportamento discutido no parágrafo acima. O sistema inicia no primeiro modo, depois de um tempo passa a uma mistura dos cinco primeiros modos, e por volta de t=14000 retorna quase inteiramente ao primeiro modo de vibração. Ou seja, não houve termalização: a energia não foi distribuída entre os demais modos.]]&amp;lt;/li&amp;gt;&lt;br /&gt;
&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Quando o sistema é linear, a energia total do sistema se reduz a uma soma &amp;lt;math&amp;gt;E=\sum_{k}^{N}E_{k}&amp;lt;/math&amp;gt; das energias de cada modo. Essas energias são integrais do movimento, o que leva a &amp;lt;math&amp;gt;E_{k}(t) = E_{k}(0)&amp;lt;/math&amp;gt;. Quando há termos não lineares, as energias dos modos normais não são mais integrais do movimento e o Teorema da Equipartição da Energia da mecânica estatística sugere que as médias temporais das energias de cada modo, &amp;lt;math&amp;gt;E_{k}(t)=(1/t)\int_{0}^{t}E_{k}(\tau)d\tau&amp;lt;/math&amp;gt;, deveriam tender a um mesmo valor; ou seja, que a energia deveria se distribuir igualmente entre os modos.&amp;lt;ref name=Lucero2021/&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O paradoxo ou problema de FPUT consiste justamente no comportamento de recorrência do sistema e da não termalização.&amp;lt;ref name=&amp;quot;FPUToriginal&amp;quot;/&amp;gt;&amp;lt;ref name=Lucero2021/&amp;gt; Como pode ser observado nas [[Oscilações Acopladas/Problema de Fermi-Pasta-Ulam-Tsingou#Simulações#FPUT quadrático|simulações]], após um determinado tempo, o sistema volta a uma configuração de modos semelhante à inicial (no nosso caso, o primeiro modo). Note-se que o tempo de recorrência das simulações apresentadas é distinto do tempo de recorrência encontrado na &#039;&#039;&#039;Figura 13&#039;&#039;&#039;. Isso está ocorrendo porque o gráfico foi gerado a partir do nosso programa em Python, com &amp;lt;math&amp;gt;N=32&amp;lt;/math&amp;gt;. As [[Oscilações Acopladas/Problema de Fermi-Pasta-Ulam-Tsingou#Simulações#FPUT quadrático|simulações]] mostradas são do nosso programa em C, em que duas das trinta e duas partículas estão presas às paredes. Na prática, a simulação rodada no programa em C é de &amp;lt;math&amp;gt;N=30&amp;lt;/math&amp;gt; partículas. Por limitações técnicas (as imagens das simulações em Python para N=32 geram arquivos de tamanhos muito grandes, e a wiki apenas permite arquivos de, no máximo, 2mb) ainda não conseguimos mostrar as simulações feitas em Python para esse sistema, mas o código pode ser encontrado na seção dos [[Oscilações Acopladas/Problema de Fermi-Pasta-Ulam-Tsingou#Programas|programas]].&lt;br /&gt;
&lt;br /&gt;
== Implementação numérica ==&lt;br /&gt;
&lt;br /&gt;
===Sistemas de equações===&lt;br /&gt;
&lt;br /&gt;
Vamos explicar nesta seção algumas das características principais dos programas e simulações apresentados neste trabalho. &lt;br /&gt;
&lt;br /&gt;
A implementação dos sistemas de equações dos osciladores lineares é direta e se segue imediatamente da eq. (11), que vamos reproduzir aqui para facilitar a visualização, mas já fazendo &amp;lt;math&amp;gt;m=k=1&amp;lt;/math&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\ddot{x}_{i} =&lt;br /&gt;
 \begin{cases}&lt;br /&gt;
       -x_{1} - (x_{1}-x_{2})\text{,} &amp;amp;\quad\text{se} \quad i = 1\\&lt;br /&gt;
       -(x_{i}-x_{i-1}) - (x_{i}-x_{i+1}) \text{,} &amp;amp;\quad\text{se} \quad 1&amp;lt;i&amp;lt;N \\&lt;br /&gt;
       -x_{N} - (x_{N}-x_{N-1}) \text{,} &amp;amp;\quad\text{se} \quad i = N \quad\quad \\&lt;br /&gt;
     \end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A diferença entre esse sistema de equações e o sistema de equações do FPUT quadrático é apenas a inclusão de um termo quadrático. A implementação é trivial após já ter sido implementado o sistema de osciladores lineares. As equações para o FPUT quadrático também já foram [[Oscilações Acopladas/Problema de Fermi-Pasta-Ulam-Tsingou#Adição de Termos Não-Lineares: Problema de FPUT|mostradas na seção anterior]]:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\ddot{x}_{i} =&lt;br /&gt;
 \begin{cases}&lt;br /&gt;
       -x_{1} - (x_{1}-x_{2}) + \alpha \left[(x_{2} - x_{1})^2 - x_{1}^2 \right]\text{,} &amp;amp;\quad\text{se} \quad i = 1\\&lt;br /&gt;
       -(x_{i}-x_{i-1}) - (x_{i}-x_{i+1}) + \alpha \left[(x_{i+1} - x_{i})^2 - (x_{i-1} - x_{i})^2 \right]\text{,} &amp;amp;\quad\text{se} \quad 1&amp;lt;i&amp;lt;N \\&lt;br /&gt;
       -x_{N} - (x_{N}-x_{N-1}) + \alpha \left[x_{N}^2 - (x_{N-1} - x_{N})^2 \right]\text{,} &amp;amp;\quad\text{se} \quad i = N \quad\quad \\&lt;br /&gt;
     \end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Esse sistema de equações foi implementado em ambos os códigos [[Oscilações Acopladas/Problema de Fermi-Pasta-Ulam-Tsingou#Programa|disponíveis nesta wiki]]. No caso do programa em Python, está dentro na função acel_quad(), que é chamada pela função velocity_verlet() para integrar as equações do movimento.&lt;br /&gt;
&lt;br /&gt;
===Método de integração===&lt;br /&gt;
&lt;br /&gt;
O método velocity Verlet também é implementado em ambos os programas. Esse método consiste nas seguintes equações:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{align}&lt;br /&gt;
x_{i+1} &amp;amp;= x_{i} + v_{i}\Delta t + 0.5a_{i}\Delta t^{2}\\&lt;br /&gt;
a_{i+1} &amp;amp;= f(x_{i+1}) \\&lt;br /&gt;
v_{i+1} &amp;amp;= v_{i} + 0.5(a_{i}+a_{i+1})\Delta t\\&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Aqui, &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt; é a equação de movimento do sistema. É importante a ordem das equações: devem ser implementadas na ordem acima. Note-se que é necessário guardar o valor anterior da aceleração a cada iteração. Esse método foi implementado para possibilitar a obtenção das velocidades, que são importantes na análise das energias por modo do FPUT. O Verlet seria mais preciso mas não forneceria as velocidades. Como lado negativo, o velocity Verlet tem como característica não conservar plenamente a energia do sistema, que apresenta uma pequena oscilação. Entretanto, para os fins propostos aqui, o método mostrou bons resultados.&lt;br /&gt;
&lt;br /&gt;
===Condições iniciais===&lt;br /&gt;
&lt;br /&gt;
O programa em C possui como condição inicial apenas posicionar as partículas de modo a garantir que o sistema inicia no primeiro modo. Esse programa implementa o FPUT quadrático com deslocamento vertical, como visto [[Oscilações_Acopladas/Problema de Fermi-Pasta-Ulam-Tsingou#FPUT_quadr.C3.A1tico|nessa simulação]]. Note-se que, da equação (12), em &amp;lt;math&amp;gt;t=0&amp;lt;/math&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{l}(t=0) &amp;amp;= \sum_{m=1}^{N}c_{m}\sin\left(\frac{lm\pi}{N+1}\right) \text{, com}\quad l=1\text{,}\,\text{...}\text{,}\,N\text{.}\\&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Se queremos iniciar o sistema no primeiro modo, basta fazer &amp;lt;math&amp;gt;m=1&amp;lt;/math&amp;gt; na equação acima. De fato, podemos iniciar o sistema em qualquer modo fazendo &amp;lt;math&amp;gt;m=1,\,\text{...},\,N&amp;lt;/math&amp;gt; nessa mesma equação.&lt;br /&gt;
&lt;br /&gt;
O programa em Python possui vários tipos diferentes de condições iniciais, porque esse programa (na verdade, conjunto de programas) implementa osciladores lineares acoplados e fput quadrático unidimensionais e bidimensionais tanto em deslocamentos horizontais quanto em deslocamentos verticais da posição de equilíbrio.&lt;br /&gt;
&lt;br /&gt;
A primeira coisa que é inicializada são as posições de equilíbrio de cada partícula. No caso unidimensional, distribuem-se igualmente as posições de equilíbrio das partículas no espaço unidimensional de tamanho L. Depois são calculadas as posições iniciais, de acordo com o modo de oscilação, em relação às posições de equilíbrio.&lt;br /&gt;
&lt;br /&gt;
No caso bidimensional, algo semelhante é feito, mas as posições de equilíbrio das partículas são igualmente espaçadas em um grid quadrado de L x L. O tamanho L é calculado pela função a partir do número de partículas N, que deve ser um quadrado perfeito (N=4, N=9, N=16, N=25, N=49,...).&lt;br /&gt;
&lt;br /&gt;
Foi criada uma função modo_de_osc() que faz a inicialização em qualquer modo. Essa função é chamada pelas funções condicao_inicial_1d() e condicao_inicial_1d_vertical().&lt;br /&gt;
&lt;br /&gt;
Nos osciladores lineares unidimensionais é usada a função condicao_inicial_1d() que inicializa apenas sistemas unidimensionais com deslocamentos horizontais da posição de equilíbrio.&lt;br /&gt;
&lt;br /&gt;
A função condicao_inicial_1d_vertical() é usada para inicializar o sistema com deslocamentos verticais das posições de equilíbrio. Em específico, usamos apenas para simular o mesmo sistema do programa em C, mas poderia ser usada para qualquer oscilador linear unidimensional também.&lt;br /&gt;
&lt;br /&gt;
A função condicao_inicial_2d() foi usada para a [[Oscilações Acopladas/Problema de Fermi-Pasta-Ulam-Tsingou#Bidimensional N=49 (Em um grid 7x7)|simulação bidimensional]]. Essa função apenas inicializa o sistema com pequenos deslocamentos randômicos das posições de equilíbrio.&lt;br /&gt;
&lt;br /&gt;
===Gráfico das energias do FPUT quadrático===&lt;br /&gt;
&lt;br /&gt;
A ideia inicial para construir esse gráfico era usar a ideia sugerida por Lucero et al., 2021&amp;lt;ref name=Lucero2021/&amp;gt; e calcular as amplitudes dos modos por FFT (Fast Fourier Transform). Entretanto, tivemos dificuldades para implementar essa solução. Encontramos uma ótima solução alternativa na wiki de trabalho anterior sobre o [[Problema de Fermi-Pasta-Ulam|FPUT]]. &lt;br /&gt;
&lt;br /&gt;
A ideia consiste no seguinte. Dada as equações (14) e (15), que reproduziremos novamente aqui por clareza:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
E_{m} &amp;amp;= \frac{1}{2}\left(\dot{a}_{m}^{2} + \omega_{m}^2a_{m}^2\right)\text{.} \quad (14)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
\omega_{m} &amp;amp;= 2\omega_{0}\sin\left(\frac{m\pi}{2(N+1)}\right)\text{.} \quad (15)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Podemos calcular a energia diretamente dessas expressões. Basta notar que, seja um vetor dos modos &amp;lt;math&amp;gt;\vec{n}&amp;lt;/math&amp;gt;, definido da seguinte forma:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\vec{n} = &lt;br /&gt;
\begin{bmatrix}&lt;br /&gt;
\sin\left(\frac{m\pi}{(N+1)}\right)\\&lt;br /&gt;
\sin\left(\frac{2m\pi}{(N+1)}\right)\\&lt;br /&gt;
\vdots\\&lt;br /&gt;
\sin\left(\frac{Nm\pi}{(N+1)}\right) \\&lt;br /&gt;
\end{bmatrix}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
e um vetor das posições das partículas do sistema, definido da seguinte forma:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\vec{x_{i}} = &lt;br /&gt;
\begin{bmatrix}&lt;br /&gt;
x_{1} &amp;amp; x_{2} &amp;amp; \cdots &amp;amp; x_{N}\\&lt;br /&gt;
\end{bmatrix}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
As amplitudes dos modos &amp;lt;math&amp;gt;a_{m}&amp;lt;/math&amp;gt;, em cada tempo, vão ser dadas pelas projeções das posições nos vetores dos modos &amp;lt;math&amp;gt;\vec{n}&amp;lt;/math&amp;gt;, i.e., &lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
a_{m} = \vec{x}\cdot{\vec{n}} &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Isso se segue imediatamente da equação (13). Com essas amplitudes e as frequências de cada modo dadas por (15), é simples resolver a parte da energia potencial (&amp;lt;math&amp;gt;\frac{1}{2}\omega_{m}^2a_{m}^2&amp;lt;/math&amp;gt;) da equação (14). A parte da energia cinética pode ser resolvida se guardarmos as amplitudes calculadas no tempo anterior e fizermos a seguinte discretização:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{da_{m}}{dt} \approx \frac{a_{i}-a_{i-1}}{\Delta t} &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O trabalho [[Problema de Fermi-Pasta-Ulam|anterior]] contém apenas um pequeno erro no cálculo da parte potencial da energia. O código está usando a soma da amplitude no tempo anterior com a amplitude no tempo atual, o que está evidentemente incorreto. O cálculo deve usar apenas a amplitude no tempo atual de cada iteração.&lt;br /&gt;
&lt;br /&gt;
== Simulações ==&lt;br /&gt;
&lt;br /&gt;
=== Osciladores Lineares Acoplados ===&lt;br /&gt;
&lt;br /&gt;
====N=2====&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
OA1DN2-modo1.gif|Modo de oscilação simétrico (modo 1) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas. N=2&lt;br /&gt;
OA1DN2-modo2.gif|Modo de oscilação antissimétrico (modo 2) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas. N=2&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
====N=3====&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
OA1DN3-modo1.gif|Modo de oscilação simétrico (modo 1) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas.&lt;br /&gt;
OA1DN3-modo2.gif|Modo de oscilação antissimétrico (modo 2) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas.&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
OA1DN3-modo3.gif|Modo de oscilação simétrico (modo 1) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas.&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
====N=4====&lt;br /&gt;
&lt;br /&gt;
Embora não tenhamos feito análises para os casos de N=4 e N=5 partículas, abaixo seguem simulações dos modos desses osciladores acoplados lineares unidimensionais. Observa-se o mesmo padrão de aumento da frequência com o número do modo. O modo simétrico sempre apresenta menor frequência.&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
OA1DN4-modo1.gif|Modo de oscilação simétrico (modo 1) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas. N=4&lt;br /&gt;
OA1DN4-modo2.gif|Modo de oscilação antissimétrico (modo 2) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas. N=4&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
OA1DN4-modo3.gif|Modo de oscilação 3 de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas. N=4&lt;br /&gt;
OA1DN4-modo4.gif|Modo de oscilação 4 de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas. N=4&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
====N=5====&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
OA1DN5-modo1.gif|Modo de oscilação simétrico (modo 1) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas. N=5&lt;br /&gt;
OA1DN5-modo2.gif|Modo de oscilação antissimétrico (modo 2) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas. N=5&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
OA1DN5-modo3.gif|Modo de oscilação 3 de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas. N=5&lt;br /&gt;
OA1DN5-modo4.gif|Modo de oscilação 4 de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas. N=5&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
OA1DN5-modo5.gif|Modo de oscilação 5 de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas. N=5&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
====Bidimensional N=49 (Em um grid 7x7)====&lt;br /&gt;
&lt;br /&gt;
Também implementamos uma simulação bidimensional de massas acopladas com as partículas vizinhas de cima, de baixo e dos lados. As partículas das fronteiras estão conectadas às paredes (em cima, embaixo e dos lados). A generalização do caso unidimensional é direta e foi razoavelmente simples de se implementar, uma vez estabelecida a condição inicial (colocar as partículas nas posições de equilíbrio, espaçadas igualmente em um grid, e deslocar randomicamente cada uma de sua posição de equilíbrio por um valor bem pequeno). A simulação mostra um comportamento que pode ser associado à dinâmica molecular. &lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=350px&amp;gt;&lt;br /&gt;
OA2D-N49.gif| Nessa simulação, usamos k=1 e m=6 para diminuir a força e evitar sobreposições entre as partículas.&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== FPUT quadrático ===&lt;br /&gt;
&lt;br /&gt;
Abaixo segue uma simulação em que as partículas são deslocadas das posições de equilíbrio verticalmente. Esse modelo é muito interessante para visualizar as oscilações das partículas (uma vez que o número de partículas é maior, é mais difícil perceber os padrões de modos nos deslocamentos horizontais). Também é muito útil para visualizar a propriedade de recorrência ao primeiro modo desse sistema não linear, embora não seja um modelo muito físico, porque as partículas oscilam apenas na vertical, acopladas às partículas vizinhas (é como se houvessem molas que conectam cada partícula verticalmente a suas vizinhas, mas sem molas na horizontal). Não há deslocamento na horizontal, e a simulação é na verdade uma simulação unidimensional. Atentar que nessas simulações há apenas 30 partículas oscilando de fato. Duas estão presas nas paredes.&lt;br /&gt;
&lt;br /&gt;
Parâmetros da simulação com deslocamento vertical: &amp;lt;math&amp;gt;k = 1.0; m = 1.0; \alpha = 0.25; \Delta t = 0.01; L = 20.0; N = 32&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
fput_deslocamento_vertical_parte1.gif|&#039;&#039;&#039;Figura X.&#039;&#039;&#039; Primeira parte da simulação do oscilador acoplado com N=32 partículas com deslocamento limitado à vertical. Essa simulação mostra que o sistema foi inicializado no modo 1. Já podemos perceber, no final da simulação, que o sistema começa a sair do modo 1 e entrar em uma mistura de modos.&lt;br /&gt;
fput_deslocamento_vertical_parte2.gif|&#039;&#039;&#039;Figura X.&#039;&#039;&#039; Segunda parte da simulação do oscilador acoplado com N=32 partículas com deslocamento limitado à vertical. Nessa simulação é possível perceber a recorrência do primeiro modo de oscilação. Após ter oscilado por um tempo considerável com uma mistura de modos, o sistema retorna ao modo inicial.&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Programas ==&lt;br /&gt;
&lt;br /&gt;
* [[Código em C e scripts para FPUT com deslocamento vertical]]&lt;br /&gt;
&lt;br /&gt;
* [[Código em Python para simulações de osciladores lineares e FPUT quadrático]]&lt;br /&gt;
&lt;br /&gt;
== Referências ==&lt;br /&gt;
&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Bibliografia principal ==&lt;br /&gt;
* Marion, J.B., Thornton, S.T. &amp;quot;Classical Dynamics of Particles and Systems&amp;quot;. Thomson Learning, Belmont, 2004.&lt;br /&gt;
* Giordano, N.J., Nakanishi, H. &amp;quot;Computational Physics&amp;quot;. 2nd Edition. Prentice Hall, Upper Saddle River, 2006.&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Script_para_compila%C3%A7%C3%A3o&amp;diff=7553</id>
		<title>Script para compilação</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Script_para_compila%C3%A7%C3%A3o&amp;diff=7553"/>
		<updated>2022-05-03T22:13:25Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;Script para automatizar a criação dos vídeos. É necessário que os arquivos de código e script estejam nos diretórios indicados no primeiro link dessa página sobre a FPUT para descolamento vertical.&lt;br /&gt;
&lt;br /&gt;
&amp;lt;source lang=&#039;bash&#039;&amp;gt;&lt;br /&gt;
#!/bin/bash&lt;br /&gt;
&lt;br /&gt;
# Run all the scripts&lt;br /&gt;
# Compile the C code -&amp;gt; Run the executable -&amp;gt; Run the gnuplot script -&amp;gt; Create the video file from the images on the img folder&lt;br /&gt;
&lt;br /&gt;
# Variable to save the current time&lt;br /&gt;
name=$(date +%s)&lt;br /&gt;
&lt;br /&gt;
# Compile the C code&lt;br /&gt;
gcc fput.c -lm&lt;br /&gt;
# Run the executable &lt;br /&gt;
./a.out&lt;br /&gt;
# Create the folder to save the images&lt;br /&gt;
mkdir -p ../img/$name&lt;br /&gt;
# Run gnuplot script and save the results in img/$name&lt;br /&gt;
gnuplot -e &amp;quot;dir=&#039;$name&#039;&amp;quot; graph.plt&lt;br /&gt;
# Create the video folder if it doesn&#039;t exist&lt;br /&gt;
mkdir -p ../video&lt;br /&gt;
# Create the MP4 video&lt;br /&gt;
ffmpeg -r 30 -i ../img/$name/fput%d.png -vcodec libx264 -crf 25 -pix_fmt yuv420p ../video/output-$name.mp4&lt;br /&gt;
&lt;br /&gt;
# In onder to create the gif: adapt as needed&lt;br /&gt;
ffmpeg -y -i ../video/output-$name.mp4 -vf palettegen ../video/palette.png&lt;br /&gt;
ffmpeg -y -ss 0 -t 20 -i ../img/$name/fput%d.png -i ../video/palette.png -filter_complex paletteuse -r 30 ../video/output-$name-part1.gif&lt;br /&gt;
ffmpeg -y -ss 20 -t 20 -i ../img/$name/fput%d.png -i ../video/palette.png -filter_complex paletteuse -r 30 ../video/output-$name-part2.gif&lt;br /&gt;
&amp;lt;/source&amp;gt;&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Programa&amp;diff=7552</id>
		<title>Programa</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Programa&amp;diff=7552"/>
		<updated>2022-05-03T22:08:57Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;Para usar os scripts, o arquivo deve ser salvo como &amp;quot;fput.c&amp;quot;.&lt;br /&gt;
&lt;br /&gt;
&amp;lt;source lang=&#039;c&#039;&amp;gt;&lt;br /&gt;
// Libraries&lt;br /&gt;
&lt;br /&gt;
#include &amp;lt;stdio.h&amp;gt;&lt;br /&gt;
#include &amp;lt;stdlib.h&amp;gt;&lt;br /&gt;
#include &amp;lt;math.h&amp;gt;&lt;br /&gt;
#include &amp;lt;assert.h&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
// Defines&lt;br /&gt;
&lt;br /&gt;
#define PI 3.14159265358979323846&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
// Prototypes&lt;br /&gt;
&lt;br /&gt;
double *zero_array(int);&lt;br /&gt;
double *initial_condition(double, int);&lt;br /&gt;
double acceleration(double *, double, double, double);&lt;br /&gt;
double velocity(double, double, double, double);&lt;br /&gt;
double position(double, double, double, double);&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
// Constants&lt;br /&gt;
&lt;br /&gt;
const double k      = 1.0;&lt;br /&gt;
const double m      = 1.0;&lt;br /&gt;
const double alpha  = 0.25;&lt;br /&gt;
&lt;br /&gt;
const double dt         = 0.01;&lt;br /&gt;
const double tmax       = 11000.0;&lt;br /&gt;
const int step          = 10;       // Number of iterations needed to save one &amp;quot;frame&amp;quot;&lt;br /&gt;
const double start_reg  = 9000.0;   // Time before start saving the data&lt;br /&gt;
&lt;br /&gt;
const double length = 20.0;&lt;br /&gt;
const int N         = 32;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
// Main&lt;br /&gt;
&lt;br /&gt;
int main(){&lt;br /&gt;
&lt;br /&gt;
    // Variables&lt;br /&gt;
&lt;br /&gt;
    int i;&lt;br /&gt;
    int count = 0;&lt;br /&gt;
    double t = 0.0;&lt;br /&gt;
    double *pos, *vel, *acc;&lt;br /&gt;
    double acc_new = 0.0;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
    // Output&lt;br /&gt;
&lt;br /&gt;
    FILE *file;&lt;br /&gt;
    // char output[50];&lt;br /&gt;
    char filename[] = &amp;quot;../data/output.dat&amp;quot;;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
    // Generate inicial conditions for&lt;br /&gt;
    pos = initial_condition(length, N); // position&lt;br /&gt;
    vel = zero_array(N);                // velocity&lt;br /&gt;
    acc = zero_array(N);                // acceleration&lt;br /&gt;
&lt;br /&gt;
    // Output file&lt;br /&gt;
    // sprintf(output, filename);&lt;br /&gt;
    // file = fopen(output, &amp;quot;w&amp;quot;);&lt;br /&gt;
    file = fopen(filename, &amp;quot;w&amp;quot;);&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
    // Time loop&lt;br /&gt;
    while (t &amp;lt; tmax){&lt;br /&gt;
&lt;br /&gt;
        // Velocity verlet&lt;br /&gt;
        for (i=1; i&amp;lt;N; i++){&lt;br /&gt;
            pos[i] = position(pos[i], vel[i], acc[i], dt);&lt;br /&gt;
        }&lt;br /&gt;
&lt;br /&gt;
        for (i=1; i&amp;lt;N; i++){&lt;br /&gt;
            acc_new = acceleration((pos+i), k, m, alpha);&lt;br /&gt;
            vel[i] = velocity(vel[i], acc[i], acc_new, dt);&lt;br /&gt;
            acc[i] = acc_new;&lt;br /&gt;
        }&lt;br /&gt;
&lt;br /&gt;
        // Save to file&lt;br /&gt;
        if (t &amp;gt;= start_reg &amp;amp;&amp;amp; count &amp;gt;= step){&lt;br /&gt;
            for (i=0; i&amp;lt;=N; i++) fprintf(file, &amp;quot;%f %f\n&amp;quot;, length/N*i, pos[i]);&lt;br /&gt;
            fprintf(file, &amp;quot;\n\n&amp;quot;);&lt;br /&gt;
            count = 0;&lt;br /&gt;
        }&lt;br /&gt;
        else count++;&lt;br /&gt;
        &lt;br /&gt;
&lt;br /&gt;
        // Update the current time&lt;br /&gt;
        t += dt;&lt;br /&gt;
&lt;br /&gt;
    }&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
    // Close the output file&lt;br /&gt;
    fclose(file);&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
    // Free the pointers&lt;br /&gt;
    free(pos);&lt;br /&gt;
    free(vel);&lt;br /&gt;
    free(acc);&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
    return 0;&lt;br /&gt;
&lt;br /&gt;
}&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
// Functions&lt;br /&gt;
&lt;br /&gt;
// Generate an array of zeros (double) with size N&lt;br /&gt;
double *zero_array(int N){&lt;br /&gt;
    assert(N&amp;gt;0);&lt;br /&gt;
    int i;&lt;br /&gt;
    double *pointer;&lt;br /&gt;
&lt;br /&gt;
    // Calloc initializes every element with 0.0&lt;br /&gt;
    pointer = (double *)calloc(N, sizeof(double));&lt;br /&gt;
&lt;br /&gt;
    if (pointer != NULL){&lt;br /&gt;
        return(pointer);&lt;br /&gt;
    }&lt;br /&gt;
    else {&lt;br /&gt;
        fprintf(stderr,&amp;quot;Error in routine zero_array\n&amp;quot;);&lt;br /&gt;
        exit(8);&lt;br /&gt;
    }&lt;br /&gt;
}&lt;br /&gt;
&lt;br /&gt;
// Generate an array with the initial condition determined by the FPUT original problem, N elements with x values ranged from 0 to length.&lt;br /&gt;
double *initial_condition(double length, int N){&lt;br /&gt;
    assert(N&amp;gt;0);&lt;br /&gt;
    int i;&lt;br /&gt;
    double *pointer;&lt;br /&gt;
    double step = length/N;&lt;br /&gt;
&lt;br /&gt;
    pointer = (double *)calloc(N, sizeof(double));&lt;br /&gt;
&lt;br /&gt;
    if (pointer != NULL){&lt;br /&gt;
        for (i=0; i&amp;lt;=N; ++i) *(pointer+i) = sin(PI*(step*i)/length);&lt;br /&gt;
        return(pointer);&lt;br /&gt;
    }&lt;br /&gt;
    else {&lt;br /&gt;
        fprintf(stderr,&amp;quot;Error in routine initial_condition\n&amp;quot;);&lt;br /&gt;
        exit(8);&lt;br /&gt;
    }&lt;br /&gt;
}&lt;br /&gt;
&lt;br /&gt;
// Velocity-Verlet method&lt;br /&gt;
&lt;br /&gt;
// Updates the acceleration&lt;br /&gt;
double acceleration(double *pos, double k, double m, double alpha){&lt;br /&gt;
    return k/m * (pos[1] + pos[-1] - 2*pos[0]) * (1.0 + alpha * (pos[1] - pos[-1]));&lt;br /&gt;
}&lt;br /&gt;
&lt;br /&gt;
// Updates the velocity&lt;br /&gt;
double velocity(double vel_old, double acc, double acc_new, double dt){&lt;br /&gt;
    return vel_old + 0.5*(acc+acc_new)*dt;&lt;br /&gt;
}&lt;br /&gt;
&lt;br /&gt;
// Updates the position&lt;br /&gt;
double position(double pos_old, double vel, double acc, double dt){&lt;br /&gt;
    return pos_old + vel*dt + 0.5*acc*dt*dt;&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/source&amp;gt;&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Oscila%C3%A7%C3%B5es_Acopladas/Problema_de_Fermi-Pasta-Ulam-Tsingou&amp;diff=7551</id>
		<title>Oscilações Acopladas/Problema de Fermi-Pasta-Ulam-Tsingou</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Oscila%C3%A7%C3%B5es_Acopladas/Problema_de_Fermi-Pasta-Ulam-Tsingou&amp;diff=7551"/>
		<updated>2022-05-03T22:04:59Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: /* FPUT quadrático */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&#039;&#039;&#039;Grupo:&#039;&#039;&#039; Paula Pandolfo, Ramiro de Souza, Samuel Dieterich e Wallace Carvalho&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Objetivo:&#039;&#039;&#039; Este trabalho tem dois objetivos principais: apresentar alguns resultados analíticos de osciladores lineares acoplados, comparando esses resultados com simulações computacionais; e implementar o modelo de osciladores acoplados com a adição de um termo quadrático, conforme inicialmente apresentado pelo artigo original do problema de Fermi-Pasta-Ulam-Tsingou (FPUT), analisando os resultados. Apresentaremos algumas simulações dos casos bidimensionais, mas as análises de resultados serão restritas aos casos unidimensionais, por simplicidade. Inicialmente será introduzido o formalismo de oscilações acopladas lineares. [falta complementar]&lt;br /&gt;
&lt;br /&gt;
== Introdução ==&lt;br /&gt;
Os &#039;&#039;&#039;osciladores&#039;&#039;&#039; talvez sejam os sistemas mais estudados em toda a Física, sendo capazes de modelar uma ampla gama de fenômenos, como, p. ex., pêndulos, circuitos eletrônicos e interações moleculares. O comportamento linear desse tipo de sistema, em particular, possui resultados analíticos bem conhecidos, facilitando o tratamento matemático de sistemas complexos que possam ser modelados por conjuntos de osciladores.&lt;br /&gt;
&lt;br /&gt;
O problema de FPUT (Enrico Fermi, John R. Pasta, Stanislaw M. Ulam, Mary Tsingou) resulta da análise computacional de um sistema de partículas que apenas interagem com seus vizinhos, com interações modeladas por oscilações acopladas com a adição de um termo não-linear, que pode ser quadrático ou cúbico. O intuito original da simulação era estudar como tal sistema evolui para o equilíbrio térmico. Se as forças envolvidas forem estritamente lineares, a energia alocada em cada modo de vibração não se distribui entre os demais modos, e o sistema nunca atinge o equilíbrio térmico. Adicionando termos não lineares, supunha-se que, pelo Teorema da Equipartição da Energia, a energia total do sistema seria distribuída uniformemente entre os modos normais de vibração após um certo tempo, resultando no equilíbrio térmico do sistema. Entretanto, isso não foi observado nas simulações computacionais.&lt;br /&gt;
&lt;br /&gt;
O caso foi estudado pela primeira vez em Los Alamos, nos Estados Unidos, e implementado no computador MANIAC I (Mathematical Analyzer Numerical Integrator and Automatic Computer Model I). Além dos três participantes coautores do artigo &amp;lt;ref name=FPUToriginal&amp;gt;Fermi, E.; Pasta, J.; Ulam, S. (1955). &amp;quot;Studies of Nonlinear Problems&amp;quot; (PDF). Document LA-1940. Los Alamos National Laboratory. [Acessado 02 Maio 2022]. [http://www.physics.utah.edu/~detar/phys6720/handouts/fpu/FermiCollectedPapers1965.pdf]&amp;lt;/ref&amp;gt;, que relataram o caso em 1955, Mary Tsingou implementou o código e resolveu numericamente o sistema. Atualmente, por essa razão, o paradoxo é denominado pela sigla FPUT (Fermi-Pasta-Ulam-Tsingou).&amp;lt;ref name=WeThankMTsingou&amp;gt;Grant, V. &amp;quot;We Thank Miss Mary Tsingou&amp;quot;, National Security Science. Winter 2020: pp. 36-43. [Acessado 02 Maio 2022]. [https://www.lanl.gov/discover/publications/national-security-science/2020-winter/mary-tsingou.shtml]&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A abordagem adotada no presente trabalho é a seguinte: inicialmente, serão apresentados alguns resultados teóricos bem conhecidos de osciladores lineares acoplados. Em seguida, compararemos esses resultados com simulações computacionais, a fim de exemplificar visualmente seu significado. Após apresentar as fundações teóricas desses casos mais simples em que as forças são lineares, trataremos do problema de FPUT em si, examinando a situação em que a interação não-linear se dá através de um termo quadrático nas coordenadas generalizadas utilizadas. Tal tratamento tem de ser majoritariamente computacional, já que as equações diferenciais envolvidas não são, em geral, fáceis de se resolver.  [falta complementar]&lt;br /&gt;
&lt;br /&gt;
== Osciladores Lineares Acoplados==&lt;br /&gt;
&lt;br /&gt;
Um modelo geral de sistema unidimensional de osciladores lineares acoplados é ilustrado pela &#039;&#039;&#039;Figura 1&#039;&#039;&#039;. Para fins de simplificação do problema e minimização do número de parâmetros utilizados nas simulações, vamos considerar o caso em que todas as massas e constantes das molas sejam iguais, mesmo que essa suposição não seja estritamente necessária.  &lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&lt;br /&gt;
&amp;lt;li style=&amp;quot;display: inline-block;&amp;quot;&amp;gt;[[Arquivo:OLA-modelo-geral.jpg|600px|left|thumb|center|&#039;&#039;&#039;Figura 1.&#039;&#039;&#039; Ilustração de um modelo geral unidimensional de oscilações acopladas. A figura foi criada por Paula Pandolfo, uma das integrantes do grupo.]]&amp;lt;/li&amp;gt;&lt;br /&gt;
&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Cada partícula possui duas vizinhas com as quais interage por meio das molas, exceto as partículas localizadas nos extremos da cadeia, que possuem apenas uma partícula vizinha cada. As interações das partículas dos extremos das cadeias se restringem, portanto, à interação com uma vizinha e com uma mola conectada a uma das paredes externas à cadeia. Como este problema é unidimensional, a posição de cada partícula pode ser descrita por apenas um grau de liberdade. Vamos escolher os deslocamentos &amp;lt;math&amp;gt;x_i&amp;lt;/math&amp;gt; em relação à respectiva posição de equilíbrio da partícula &amp;lt;math&amp;gt;i&amp;lt;/math&amp;gt; como nossas coordenadas generalizadas, definindo como positivos os deslocamentos para a direita e negativos para a esquerda. No total, um sistema com &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; partículas terá, portanto, &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; graus de liberdade. Vamos tratar aqui o caso em que as forças das molas são lineares, i.e., dadas por &amp;lt;math&amp;gt;F=-kx&amp;lt;/math&amp;gt;. &#039;&#039;&#039;Além disso, para simplificar, nos casos abaixo vamos considerar que todas as molas possuem as mesmas constantes &amp;lt;math&amp;gt;k&amp;lt;/math&amp;gt; e todas as partículas possuem as mesmas massas &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt;&#039;&#039;&#039;.&lt;br /&gt;
&lt;br /&gt;
=== N=2 ===&lt;br /&gt;
&#039;&#039;&#039;Nota:&#039;&#039;&#039; O conteúdo abaixo segue aproximadamente a seção 12.2 de Marion e Thornton (2004).&amp;lt;ref name=Marion2004&amp;gt;Marion e Thornton, pp. 469-473&amp;lt;/ref&amp;gt; Entretanto, há diversas modificações e inclusões. Por exemplo, na descrição das equações de movimento e nas definições dos modos normais.&lt;br /&gt;
&lt;br /&gt;
Para nos familiarizarmos com este sistema, consideremos inicialmente o caso do oscilador linear acoplado mais simples, com apenas duas partículas (&amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt;), cada uma com massa &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt;, e três molas com os mesmos valores de constantes, &amp;lt;math&amp;gt;k&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Utilizando a segunda lei de Newton, mostra-se que as equações de movimento do sistema são:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
m\ddot{x}_{1} &amp;amp;= -kx_{1} - k(x_{1}-x_{2}) \\&lt;br /&gt;
m\ddot{x}_{2} &amp;amp;= -kx_{2} - k(x_{2}-x_{1}) \quad (1)\\&lt;br /&gt;
\end{align}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Uma forma direta de se montar as equações de movimento de um sistema acoplado é pensar em termos dos deslocamentos em relação às posições de equilíbrio (&amp;lt;math&amp;gt;x_{i}&amp;lt;/math&amp;gt;, com &amp;lt;math&amp;gt;i=1,2&amp;lt;/math&amp;gt;, no sistema considerado aqui). Por exemplo, na primeira das equações acima, a partícula 1 está sujeita à força elástica da mola conectada à parede (termo &amp;lt;math&amp;gt;-kx_{1}&amp;lt;/math&amp;gt;) e à força da mola conectada à partícula 2 (termo &amp;lt;math&amp;gt;-k(x_{1}-x_{2})&amp;lt;/math&amp;gt;). Esse último termo é definido conforme o seguinte: caso a mola que está conectada às partículas 1 e 2 esteja comprimida, &amp;lt;math&amp;gt;x_{1}&amp;lt;/math&amp;gt; deve ser maior que &amp;lt;math&amp;gt;x_{2}&amp;lt;/math&amp;gt; e a partícula 1 estará sofrendo uma força que é contrária à compressão, ou seja, com sinal negativo. De modo semelhante para a partícula 2, mas nesse caso, devido à posição ocupada pela partícula 2 na cadeia, com &amp;lt;math&amp;gt;x_{1}&amp;lt;/math&amp;gt; maior que &amp;lt;math&amp;gt;x_{2}&amp;lt;/math&amp;gt;, o sentido da força contrária à compressão tem sinal positivo, manifestando a terceira lei de Newton.&lt;br /&gt;
&lt;br /&gt;
Uma dificuldade imposta pelo sistema (1) é o fato das equações serem acopladas, que a aceleração da partícula 1 depende da posição da partícula 2, e vice-versa. Vamos supor que esse sistema de equações tenha soluções na seguinte forma:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{1}(t) &amp;amp;= A_{1}e^{-i\omega t} \\&lt;br /&gt;
x_{2}(t) &amp;amp;= A_{2}e^{-i\omega t} \quad (2)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Onde &amp;lt;math&amp;gt;A_{1}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;A_{2}&amp;lt;/math&amp;gt; são constantes e &amp;lt;math&amp;gt;\omega&amp;lt;/math&amp;gt; é uma frequência angular ainda indeterminada. Essa suposição é fisicamente justificável: sabemos que as soluções são oscilatórias, e exponenciais imaginárias podem ser escritas em termos de senos e cossenos pela fórmula de Euler. Se substituirmos a equação (2) na equação (1) e rearranjarmos os termos, obtemos:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
-mw^{2}A_{1}e^{-i\omega t} + 2kA_{1}e^{-i\omega t} -kA_{2}e^{-i\omega t} &amp;amp;= 0 \\&lt;br /&gt;
-mw^{2}A_{2}e^{-i\omega t} + 2kA_{2}e^{-i\omega t} -kA_{1}e^{-i\omega t} &amp;amp;= 0 \\&lt;br /&gt;
\end{align}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Ou, eliminando as exponenciais e reagrupando termos:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
(2k-mw^{2})&amp;amp;A_{1} &amp;amp;-kA_{2} &amp;amp;= 0 \\&lt;br /&gt;
-k&amp;amp;A_{1} &amp;amp;+(2k-mw^{2})A_{2} &amp;amp;= 0 \quad (3)\\ &lt;br /&gt;
\end{align}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O sistema de equações (3) apenas terá soluções não triviais se o determinante da matriz dos coeficientes que acompanham os &amp;lt;math&amp;gt;A_{i}&amp;lt;/math&amp;gt; for igual a zero, i.e.:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{vmatrix}&lt;br /&gt;
(2k-mw^{2}) &amp;amp; -k \\ &lt;br /&gt;
-k &amp;amp; (2k-mw^{2})  &lt;br /&gt;
\end{vmatrix} = 0 &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O resultado desse determinante ser igual a zero é uma equação quadrática simples em &amp;lt;math&amp;gt;\omega^2&amp;lt;/math&amp;gt;, sendo as soluções facilmente obtidas. Como para cada solução &amp;lt;math&amp;gt;\omega&amp;lt;/math&amp;gt; existe uma solução &amp;lt;math&amp;gt;-\omega&amp;lt;/math&amp;gt;, apresentaremos apenas o módulo das frequências:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
\omega_{1} = \sqrt{\frac{k}{m}} \quad \quad \omega_{2} = \sqrt{\frac{3k}{m}} \quad (4)&lt;br /&gt;
\end{align} &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;\omega_{1}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\omega_{2}&amp;lt;/math&amp;gt; são as frequências características ou autofrequências do sistema. As soluções mais gerais do sistema de equações diferenciais lineares (1) vão ser então combinações lineares das soluções (2) com as frequências dadas por (4):&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{1}(t) = a_{1}^{1}e^{i\omega_{1} t} &amp;amp;+ a_{1}^{2}e^{-i\omega_{1} t} &amp;amp;+ a_{1}^{3}e^{i\omega_{2} t} &amp;amp;+ a_{1}^{4}e^{-i\omega_{2} t} \\&lt;br /&gt;
x_{2}(t) = a_{2}^{1}e^{i\omega_{1} t} &amp;amp;+ a_{2}^{2}e^{-i\omega_{1} t} &amp;amp;+ a_{2}^{3}e^{i\omega_{2} t} &amp;amp;+ a_{2}^{4}e^{-i\omega_{2} t} \quad (5)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Nota-se que cada uma das soluções é uma superposição (em geral) complicada que envolve as duas autofrequências. Isso é uma consequência direta do acoplamento presente no sistema (1). Para eliminar este acoplamento, vamos definir novas variáveis: &amp;lt;math&amp;gt;\eta_{1} = x_{1} + x_{2}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\eta_{2} = x_{1} - x_{2}&amp;lt;/math&amp;gt;, ou&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{1} = \frac{\eta_{1} + \eta_{2}}{2} \\&lt;br /&gt;
x_{2} = \frac{\eta_{1} - \eta_{2}}{2}&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Substituindo essas expressões no sistema de equações (1):&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
m(\ddot{\eta}_{1} + \ddot{\eta}_{2}) + k\eta_{1} + 3k\eta_{2} = 0 \\&lt;br /&gt;
m(\ddot{\eta}_{1} - \ddot{\eta}_{2}) + k\eta_{1} - 3k\eta_{2} = 0&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Se somarmos as duas equações acima e subtrairmos a segunda da primeira, obtemos, respectivamente:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
m\ddot{\eta}_{1} + k\eta_{1} = 0 \\&lt;br /&gt;
m\ddot{\eta}_{2} + 3k\eta_{2} = 0&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Reconhecemos imediatamente as equações acima como equações de osciladores harmônicos simples, desacopladas e, portanto, com soluções independentes. As soluções são dadas por&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
\eta_{1}(t) &amp;amp;= c_{1}e^{i\omega_{1}t} + c_{2}e^{-i\omega_{1}t} \\&lt;br /&gt;
\eta_{2}(t) &amp;amp;= c_{3}e^{i\omega_{2}t} + c_{4}e^{-i\omega_{2}t} \quad (6)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;\eta_{1}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\eta_{2}&amp;lt;/math&amp;gt; são chamadas de coordenadas normais. Por definição, são coordenadas que desacoplam as equações diferenciais do sistema e possuem soluções com frequências únicas, bem definidas. Sempre podem ser escritas como algum tipo de combinação linear das coordenadas originais. De modo semelhante, as coordenadas usuais do sistema sempre podem ser escritas como combinações lineares das coordenadas normais. No caso geral, para mais partículas, são trabalhosas de se encontrar. Note-se que, no caso de duas partículas, é simples encontrá-las meramente por inspeção. Se impusermos as condições iniciais &amp;lt;math&amp;gt;x_{1}(0) = x_{2}(0)&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\dot{x}_{1}(0) = \dot{x}_{2}(0)&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\eta_{2}(0) = x_{1}(0) - x_{2}(0) = 0&amp;lt;/math&amp;gt; e as constantes &amp;lt;math&amp;gt;c_{3}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;c_{4}&amp;lt;/math&amp;gt; vão ser iguais a zero, o que implica &amp;lt;math&amp;gt;\eta_{2}(t) = 0&amp;lt;/math&amp;gt;, para todo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Esse primeiro modo normal corresponderá a uma oscilação simétrica, em que as duas partículas oscilarão em fase, com frequência &amp;lt;math&amp;gt;\omega_{1}&amp;lt;/math&amp;gt;. De modo semelhante, se impusermos as condições iniciais &amp;lt;math&amp;gt;x_{1}(0) = -x_{2}(0)&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\dot{x}_{1}(0) = -\dot{x}_{2}(0)&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\eta_{1}(t) = 0&amp;lt;/math&amp;gt;, para todo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;, e as partículas oscilarão fora de fase, com frequência &amp;lt;math&amp;gt;\omega_{2}&amp;lt;/math&amp;gt;. Pelas expressões dadas em (4), note-se que a frequência associada ao modo simétrico é menor do que a frequência do modo antissimétrico: esse é um resultado geral de oscilações acopladas. Quanto maior o grau de simetria da oscilação, menor o valor da frequência.&amp;lt;ref name=Marion2004&amp;gt;&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Alguns resultados das simulações para os modos desse caso podem ser observados na &#039;&#039;&#039;Figura 2&#039;&#039;&#039; e na &#039;&#039;&#039;Figura 3&#039;&#039;&#039;. Note-se a menor frequência do modo simétrico em relação ao modo antissimétrico. Além disso, podemos observar a concordância com os valores teóricos encontrados para as frequências: &amp;lt;math&amp;gt;\omega_{1}=1&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\omega_{2}= \sqrt{3}&amp;lt;/math&amp;gt;. O modo simétrico consiste em uma oscilação em que as partículas estão em fase; no modo antissimétrico, as partículas oscilam fora de fase.&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
posOL1D-N2.png|&#039;&#039;&#039;Figura 2&#039;&#039;&#039;. Modo de oscilação simétrico (modo 1) de um oscilador linear acoplado unidimensional. Gráficos dos deslocamentos (x) em relação à posição de equilíbrio das partículas 1 (linha preta no gráfico, partícula da esquerda na simulação ao lado) e 2 (pontos vermelhos no gráfico, partícula da direita na simulação ao lado). k=m=1. Amplitude inicial de ~0.433. N=2&lt;br /&gt;
OA1DN2-modo1.gif|Modo de oscilação simétrico (modo 1) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas. N=2&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
posOL1D-N2A.png|&#039;&#039;&#039;Figura 3&#039;&#039;&#039;.Modo de oscilação antissimétrico (modo 2) de um oscilador linear acoplado unidimensional. Gráficos dos deslocamentos (x) em relação à posição de equilíbrio das partículas 1 (linha preta, partícula da esquerda na simulação ao lado) e 2 (pontos vermelhos, partícula da direita na simulação ao lado). k=m=1. Amplitude inicial de ~0.433. N=2&lt;br /&gt;
OA1DN2-modo2.gif|Modo de oscilação antissimétrico (modo 2) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas. N=2&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A concordância das frequências com os valores teóricos calculados pode ser vista na &#039;&#039;&#039;Figura 4&#039;&#039;&#039; e na &#039;&#039;&#039;Figura 5&#039;&#039;&#039;. Podemos observar a concordância com os valores teóricos encontrados para as frequências: &amp;lt;math&amp;gt;\omega_{1}=1&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\omega_{2} = \sqrt{3}&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=300px&amp;gt;&lt;br /&gt;
compara_simetrico.png|&#039;&#039;&#039;Figura 4&#039;&#039;&#039;. Modo de oscilação simétrico (modo 1) de um oscilador linear acoplado unidimensional. Comparação entre os gráficos dos deslocamentos (x) em relação à posição de equilíbrio da partículas 1 (esquerda na simulação acima), conforme integração numérica (pontos vermelhos), em relação ao valor teórico (linha azul). k=m=1. Amplitude inicial de ~0.433. N=2&lt;br /&gt;
compara_anti.png|&#039;&#039;&#039;Figura 5&#039;&#039;&#039;. Modo de oscilação antissimétrico (modo 2) de um oscilador linear acoplado unidimensional. Comparação entre os gráficos dos deslocamentos (x) em relação à posição de equilíbrio da partículas 1 (esquerda na simulação acima), conforme integração numérica (pontos vermelhos), em relação ao valor teórico (linha azul). Amplitude inicial de ~0.433. k=m=1. Amplitude inicial de ~0.433. N=2&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== N=3 ===&lt;br /&gt;
&lt;br /&gt;
Seguindo a mesma lógica apresentada para &amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt; partículas, podemos montar as equações de movimento do sistema com &amp;lt;math&amp;gt;N=3&amp;lt;/math&amp;gt; partículas. A única diferença é que a partícula central apenas está conectada a partículas vizinhas, não estando conectada a paredes externas: &lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
m\ddot{x}_{1} &amp;amp;= -kx_{1} - k(x_{1}-x_{2}) \\&lt;br /&gt;
m\ddot{x}_{2} &amp;amp;= -k(x_{2}-x_{1}) - k(x_{2}-x_{3}) \\&lt;br /&gt;
m\ddot{x}_{3} &amp;amp;= -kx_{3} - k(x_{3}-x_{2}) \quad (7)\\&lt;br /&gt;
\end{align}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Supondo soluções do tipo&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{1}(t) &amp;amp;= A_{1}e^{-i\omega t} \\&lt;br /&gt;
x_{2}(t) &amp;amp;= A_{2}e^{-i\omega t} \\&lt;br /&gt;
x_{3}(t) &amp;amp;= A_{3}e^{-i\omega t} \quad (8)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Substituindo (8) em (7) e seguindo os mesmos passos feitos para &amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt; partículas:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
(2k-mw^{2})A_{1} &amp;amp;-kA_{2} &amp;amp;+0A_{3} &amp;amp;= 0 \\&lt;br /&gt;
-kA_{1} &amp;amp;+(2k-mw^{2})A_{2} &amp;amp;-kA_{3} &amp;amp;= 0 \\&lt;br /&gt;
0A_{1} &amp;amp;-kA_{2} &amp;amp;+(2k-mw^{2})A_{3} &amp;amp;= 0 \\ &lt;br /&gt;
\end{align}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O sistema de equações acima apenas terá soluções não triviais se o determinante dos coeficientes dos &amp;lt;math&amp;gt;A_{i}&amp;lt;/math&amp;gt; for igual a zero, i.e.:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{vmatrix}&lt;br /&gt;
(2k-mw^{2}) &amp;amp; -k &amp;amp;0\\ &lt;br /&gt;
-k &amp;amp; (2k-mw^{2}) &amp;amp;-k \\&lt;br /&gt;
0 &amp;amp; -k &amp;amp; (2k-mw^{2})  &lt;br /&gt;
\end{vmatrix} = 0 &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A equação resultante é &amp;lt;math&amp;gt;(2k-m\omega^{2})^3 - 2k^2(2k-m\omega^2) = 0&amp;lt;/math&amp;gt;. Simples de ser resolvida analiticamente por fatoração, esta equação tem as soluções:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
\omega_{1} = \sqrt{\frac{k}{m}(2-\sqrt{2})} \quad\quad \omega_{2} = \sqrt{\frac{2k}{m}} \quad\quad \omega_{3} = \sqrt{\frac{k}{m}(2+\sqrt{2})} \quad (9)&lt;br /&gt;
\end{align} &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Note-se que aqui já não é mais tão simples identificar as coordenadas normais. Além disso, embora tenha sido simples até aqui obter as autofrequências, o processo é tedioso e a equação característica pode ser difícil de se resolver analiticamente.&lt;br /&gt;
&lt;br /&gt;
Podemos escrever as soluções da seguinte forma, de modo semelhante a como fizemos para &amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{1}(t) = a_{1}^{1}e^{i\omega_{1} t} &amp;amp;+ a_{1}^{2}e^{-i\omega_{1} t} &amp;amp;+ a_{1}^{3}e^{i\omega_{2} t} &amp;amp;+ a_{1}^{4}e^{-i\omega_{2} t} &amp;amp;+ a_{1}^{5}e^{i\omega_{3} t} &amp;amp;+ a_{1}^{6}e^{-i\omega_{3} t}\\&lt;br /&gt;
x_{2}(t) = a_{2}^{1}e^{i\omega_{1} t} &amp;amp;+ a_{2}^{2}e^{-i\omega_{1} t} &amp;amp;+ a_{2}^{3}e^{i\omega_{2} t} &amp;amp;+ a_{2}^{4}e^{-i\omega_{2} t} &amp;amp;+ a_{2}^{5}e^{i\omega_{3} t} &amp;amp;+ a_{2}^{6}e^{-i\omega_{3} t} \\&lt;br /&gt;
x_{3}(t) = a_{3}^{1}e^{i\omega_{1} t} &amp;amp;+ a_{3}^{2}e^{-i\omega_{1} t} &amp;amp;+ a_{3}^{3}e^{i\omega_{2} t} &amp;amp;+ a_{3}^{4}e^{-i\omega_{2} t} &amp;amp;+ a_{3}^{5}e^{i\omega_{3} t} &amp;amp;+ a_{3}^{6}e^{-i\omega_{3} t} \quad (10)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Alguns resultados das simulações para os modos desse caso podem ser observados na &#039;&#039;&#039;Figura 6&#039;&#039;&#039;, na &#039;&#039;&#039;Figura 7&#039;&#039;&#039; e na &#039;&#039;&#039;Figura 8&#039;&#039;&#039;. Note-se a menor frequência do modo simétrico em relação aos demais modos. O modo simétrico consiste em uma oscilação em que todas as partículas estão em fase; no modo antissimétrico, as partículas 1 e 3 oscilam fora de fase, a 2 permanece parada. A novidade em relação ao caso de &amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt; é o surgimento de um novo modo, o modo 3, em que as partículas 1 e 3 oscilam em fase, e a partícula 2 oscila fora de fase em relação às partículas 1 e 3.&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
PosOL1D-N3.png|&#039;&#039;&#039;Figura 6&#039;&#039;&#039;. Modo de oscilação simétrico (modo 1) de um oscilador linear acoplado unidimensional. Gráficos dos deslocamentos (x) em relação à posição de equilíbrio das partículas 1 (linha preta), 2 (linha vermelha) e 3 (pontos azuis). k=m=1. Amplitude inicial de ~ 0.35 para as partículas 1 e 3, e ~0.5 para a partícula 2. N=3&lt;br /&gt;
OA1DN3-modo1.gif|Modo de oscilação simétrico (modo 1) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas.&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
posOL1D-N3A.png|&#039;&#039;&#039;Figura 7&#039;&#039;&#039;. Modo de oscilação antissimétrico (modo 2) de um oscilador linear acoplado unidimensional. Gráficos dos deslocamentos (x) em relação à posição de equilíbrio das partículas 1 (linha preta), 2 (linha vermelha) e 3 (linha azul). k=m=1. Amplitude inicial de ~ 0.5 para as partículas 1 e 3. N=3&lt;br /&gt;
OA1DN3-modo2.gif|Modo de oscilação antissimétrico (modo 2) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas.&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
posOL1D-N3m3.png|&#039;&#039;&#039;Figura 8&#039;&#039;&#039;. Modo de oscilação 3 de um oscilador linear acoplado unidimensional. Gráficos dos deslocamentos (x) em relação à posição de equilíbrio das partículas 1 (linha preta), 2 (linha vermelha) e 3 (pontos azuis). k=m=1. Amplitude inicial de ~ 0.35 para as partículas 1 e 3, e ~0.5 para a partícula 2. N=3&lt;br /&gt;
OA1DN3-modo3.gif|Modo de oscilação simétrico (modo 1) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas.&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A concordância das frequências com os valores teóricos calculados pode ser vista na &#039;&#039;&#039;Figura 9&#039;&#039;&#039;, na &#039;&#039;&#039;Figura 10&#039;&#039;&#039; e na &#039;&#039;&#039;Figura 11&#039;&#039;&#039;. Podemos observar a concordância com os valores teóricos encontrados para as frequências: &amp;lt;math&amp;gt;\omega_{1}=\sqrt{2-\sqrt{2}}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\omega_{2} = \sqrt{2}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\omega_{3}=\sqrt{2+\sqrt{2}}&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
compara_simetricoN3.png|&#039;&#039;&#039;Figura 9&#039;&#039;&#039;. Modo de oscilação simétrico (modo 1) de um oscilador linear acoplado unidimensional. Comparação entre os gráficos dos deslocamentos (x) em relação à posição de equilíbrio da partículas 1, conforme integração numérica (pontos pretos), em relação ao valor teórico (linha verde). k=m=1. Amplitude inicial de ~ 0.35. N=3&lt;br /&gt;
compara_antiN3.png|&#039;&#039;&#039;Figura 10&#039;&#039;&#039;. Modo de oscilação antissimétrico (modo 2) de um oscilador linear acoplado unidimensional. Comparação entre os gráficos dos deslocamentos (x) em relação à posição de equilíbrio da partículas 1, conforme integração numérica (pontos pretos), em relação ao valor teórico (linha verde). k=m=1. Amplitude inicial de ~ 0.5. N=3&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=300px&amp;gt;&lt;br /&gt;
compara_m3N3.png|&#039;&#039;&#039;Figura 11&#039;&#039;&#039;. Modo de oscilação 3 de um oscilador linear acoplado unidimensional. Comparação entre os gráficos dos deslocamentos (x) em relação à posição de equilíbrio da partículas 1, conforme integração numérica (pontos pretos), em relação ao valor teórico (linha verde). k=m=1. Amplitude inicial de ~ 0.35. N=3&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Caso geral ===&lt;br /&gt;
&lt;br /&gt;
O formalismo lagrangeano fornece uma técnica poderosa para encontrar as coordenadas normais, bem como as autofrequências [inserir referências]. No entanto, no presente trabalho, não precisamos fazer uso do formalismo lagrangeano. Será suficiente tratar o problema por análise de Fourier.&lt;br /&gt;
&lt;br /&gt;
Podemos generalizar, para o caso de um N qualquer maior que 3, e obter as seguintes equações de movimento:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\ddot{x}_{i} =&lt;br /&gt;
 \begin{cases}&lt;br /&gt;
       -kx_{1} - k(x_{1}-x_{2})\text{,} &amp;amp;\quad\text{se} \quad i = 1\\&lt;br /&gt;
       -k(x_{i}-x_{i-1}) - k(x_{i}-x_{i+1}) \text{,} &amp;amp;\quad\text{se} \quad 1&amp;lt;i&amp;lt;N \\&lt;br /&gt;
       -kx_{N} - k(x_{N}-x_{N-1}) \text{,} &amp;amp;\quad\text{se} \quad i = N \quad\quad (11)\\&lt;br /&gt;
     \end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O conjunto de equações (11) vai ser importante para a implementação numérica. &lt;br /&gt;
&lt;br /&gt;
As soluções (5) e (10) apresentam um padrão. Se tomarmos apenas as partes reais das soluções, podemos redefinir as constantes duas a duas e escrever a solução geral como:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{l}(t) &amp;amp;= \sum_{m=1}^{N}a_{m}^{l}\cos(\omega_{m}t)\text{,} \quad \text{com}\quad l=1\text{,}\,\text{...}\text{,}\,N \quad\\&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
As constantes &amp;lt;math&amp;gt;a_{m}^{l}&amp;lt;/math&amp;gt; são chamadas de amplitudes dos modos normais e indicam o quanto de cada modo normal, de frequência bem definida, está presente na solução de cada &amp;lt;math&amp;gt;x_{l}(t)&amp;lt;/math&amp;gt;. É possível mostrar (o que não faremos aqui por razões de tempo e espaço, mas pode ser consultado nas referências &amp;lt;ref name=Lucero2021&amp;gt;Lucero, Davi de Mello e Pinheiro Moreira, Pedro Augusto Franco. &amp;quot;O problema Fermi-Pasta-Ulam-Tsingou: Equiparticão de energia vista através de simulações computacionais&amp;quot;. Revista Brasileira de Ensino de Física [online]. 2021, v. 43 [Acessado 1 Maio 2022]. [https://www.scielo.br/j/rbef/a/SkRCy5fdnGbhfxNjpx5BkRD/?lang=pt#]&amp;lt;/ref&amp;gt;) que, usando condições de contorno &amp;lt;math&amp;gt;x_{0}(t) = x_{N+1}(t) = 0&amp;lt;/math&amp;gt;, as soluções podem ser reescritas como&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{l}(t) &amp;amp;= \sum_{m=1}^{N}c_{m}\sin\left(\frac{lm\pi}{N+1}\right)\cos(w_{m}t) \text{, com}\quad l=1\text{,}\,\text{...}\text{,}\,N\quad (12)\\&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
É comum na literatura&amp;lt;ref name=Giordano2006&amp;gt;Giordano e Nakanishi, pp. 296-297&amp;lt;/ref&amp;gt; redefinir a constante &amp;lt;math&amp;gt;c_{m}&amp;lt;/math&amp;gt; da seguinte forma:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{l}(t) &amp;amp;= \sqrt{\frac{2}{N+1}}\sum_{m=1}^{N}a_{m}\sin\left(\frac{lm\pi}{N+1}\right)\cos(w_{m}t) \text{, com}\quad l=1\text{,}\,\text{...}\text{,}\,N\\&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A qualquer instante de tempo, os deslocamentos das partículas em relação às posições de equilíbrio podem ser escritos como uma soma de modos normais. Esses modos normais são ondas estacionárias. Ver, por exemplo, a &#039;&#039;&#039;Figura 12&#039;&#039;&#039;, com os cinco primeiros modos. &lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&lt;br /&gt;
&amp;lt;li style=&amp;quot;display: inline-block;&amp;quot;&amp;gt;[[Arquivo:modos.png|600px|left|thumb|center|&#039;&#039;&#039;Figura 12.&#039;&#039;&#039; Cinco primeiros modos de oscilação para um oscilador acoplado com N=32 partículas. Os gráficos correspondem à equação (12), no tempo &amp;lt;math&amp;gt;t=0&amp;lt;/math&amp;gt;, com &amp;lt;math&amp;gt;c_{m}=1&amp;lt;/math&amp;gt;.]]&amp;lt;/li&amp;gt;&lt;br /&gt;
&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
É possível, portanto, por uma transformada inversa, escrever&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
a_{m} &amp;amp;= \sqrt{\frac{2}{N+1}}\sum_{i=1}^{N}x_{i}\sin\left(\frac{im\pi}{N+1}\right) \text{, com}\quad m=1\text{,}\,\text{...}\text{,}\,N\\&lt;br /&gt;
\end{align} \quad (13)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
As energias de cada modo podem ser escritas como (com &amp;lt;math&amp;gt;\dot{a}_{m}&amp;lt;/math&amp;gt; representando a amplitude da velocidade do modo):&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
E_{m} &amp;amp;= \frac{1}{2}\left[\left(\dot{a}_{m}^{2} + \omega_{m}^2a_{m}^2\right)\right] \quad (14)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
E as frequências podem ser calculadas por (uma demonstração pode ser encontrada nas referências&amp;lt;ref name=Lucero2021&amp;gt;&amp;lt;/ref&amp;gt;, supõe-se que as frequências dos modos são menores ou iguais a duas vezes a frequência natural, &amp;lt;math&amp;gt;\omega_{m} \le 2\omega_{0} = 2\sqrt{k/m}&amp;lt;/math&amp;gt; ):&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
\omega_{m} &amp;amp;= 2\omega_{0}\sin\left(\frac{m\pi}{2(N+1)}\right) \quad (15)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Todas as expressões mostradas nesta seção são válidas mesmo para o caso de oscilações acopladas não lineares, como é o caso do FPUT.&amp;lt;ref name=Giordano2006&amp;gt;&amp;lt;/ref&amp;gt; [adicionar mais referências]&lt;br /&gt;
&lt;br /&gt;
Podemos comparar, por exemplo, os valores que encontramos para as autofrequências nos casos &amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;N=3&amp;lt;/math&amp;gt; com os resultados da equação (15). Seja, por exemplo, &amp;lt;math&amp;gt;k=m=1&amp;lt;/math&amp;gt;. Para &amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt;, pelas expressões (4), &amp;lt;math&amp;gt;\omega_{1} = 1&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\omega_{2} = \sqrt{3}&amp;lt;/math&amp;gt;, que são os mesmos resultados fornecidos pela equação (15). De modo semelhante, para &amp;lt;math&amp;gt;N=3&amp;lt;/math&amp;gt;, pelas expressões (9), &amp;lt;math&amp;gt;\omega_{1} =\sqrt{2-\sqrt{2}}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\omega_{2} = \sqrt{2}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\omega_{3} =\sqrt{2+\sqrt{2}}&amp;lt;/math&amp;gt;, que também são os mesmos resultados fornecidos pela equação (15).&lt;br /&gt;
&lt;br /&gt;
== Adição de Termos Não-Lineares: Problema de FPUT ==&lt;br /&gt;
Como já discutido, se as forças em um sistema de osciladores acoplados forem todas da forma da lei de Hooke, o sistema jamais alcançará o equilíbrio térmico, pois os modos têm independência linear entre si. Para fazer isso, temos de acrescentar termos não-lineares de interação. Vamos tratar aqui o primeiro caso estudado no artigo original,&amp;lt;ref name=FPUToriginal/&amp;gt; em que os termos não-lineares são quadráticos nas coordenadas &amp;lt;math&amp;gt;x_i&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Para os osciladores internos, teremos então a seguinte equação de movimento:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;m\ddot{x}_{i} = k_{1}\left[(x_{i+1} - x_{i}) + (x_{i-1} - x_{i})\right] + k_{2}\left[(x_{i+1} - x_{i})^2 - (x_{i-1} - x_{i})^2 \right]&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Nessa equação, a constante &amp;lt;math&amp;gt;k_{1}&amp;lt;/math&amp;gt; faz o papel da constante das molas &amp;lt;math&amp;gt;k&amp;lt;/math&amp;gt; apresentada anteriormente para o caso puramente linear, enquanto &amp;lt;math&amp;gt;k_{2}&amp;lt;/math&amp;gt; informa a intensidade da força não-linear. É importante ressaltar que nem todos os autores definem os termos quadráticos dessa forma. Atualmente é mais comum ver esses termos definidos como faz, por exemplo, Lucero et al., 2021&amp;lt;ref name=Lucero2021/&amp;gt;, que usa o sinal positivo entre os termos quadráticos, no interior dos colchetes. Podemos isolar a aceleração &amp;lt;math&amp;gt;\ddot{x}_{i}&amp;lt;/math&amp;gt; nesta equação; vamos escolher &amp;lt;math&amp;gt;k_{1}/m = 1&amp;lt;/math&amp;gt; e definir &amp;lt;math&amp;gt;\alpha \equiv k_{2}/m&amp;lt;/math&amp;gt;. A equação fica então:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\ddot{x}_{i} = (x_{i+1} - x_{i}) + (x_{i-1} - x_{i}) + \alpha \left[(x_{i+1} - x_{i})^2 - (x_{i-1} - x_{i})^2 \right]&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Esperava-se teoricamente que, pelo Teorema de Equipartição da Energia, o comportamento desse sistema seria a termalização. Isso significa que, diferentemente dos sistemas lineares, em que, iniciado em um modo, o sistema permanece naquele modo para todo tempo &amp;lt;math&amp;gt;t&amp;gt;0&amp;lt;/math&amp;gt; (como podemos perceber nas simulações apresentadas acima para diversos modos com &amp;lt;math&amp;gt;N=1,\,\text{...},\,5&amp;lt;/math&amp;gt;) [inserir referência da própria wiki], o sistema tenderia a se tornar uma mistura complicada de modos a partir de um determinado tempo, e permanecer nesse estado. Uma análise normalmente é feita por meio de gráficos da distribuição de energia entre os modos. &lt;br /&gt;
&lt;br /&gt;
Quando o sistema é linear, a energia total do sistema se reduz a uma soma &amp;lt;math&amp;gt;E=\sum_{k}^{N}E_{k}&amp;lt;/math&amp;gt; das energias de cada modo. Essas energias são integrais do movimento, o que leva a &amp;lt;math&amp;gt;E_{k}(t) = E_{k}(0)&amp;lt;/math&amp;gt;. Quando há termos não lineares, as energias dos modos normais não são mais integrais do movimento e um argumento de mecânica estatística sugere que as médias temporais das energias de cada modo,&amp;lt;math&amp;gt;E_{k}(t)=(1/t)\int_{0}^{t}E_{k}(\tau)d\tau&amp;lt;/math&amp;gt; , deveriam tender a um mesmo valor [inserir referências].&lt;br /&gt;
&lt;br /&gt;
O paradoxo ou problema de FPUT consiste em um comportamento de recorrência que não era esperado. Como pode ser observado nas simulações [inserir referência da própria wiki], após um determinado tempo, o sistema volta ao modo em que o&lt;br /&gt;
&lt;br /&gt;
== Implementação numérica ==&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\ddot{x}_{i} =&lt;br /&gt;
 \begin{cases}&lt;br /&gt;
       -kx_{1} - k(x_{1}-x_{2})\text{,} &amp;amp;\quad\text{se} \quad i = 1\\&lt;br /&gt;
       -k(x_{i}-x_{i-1}) - k(x_{i}-x_{i+1}) \text{,} &amp;amp;\quad\text{se} \quad 1&amp;lt;i&amp;lt;N \\&lt;br /&gt;
       -kx_{N} - k(x_{N}-x_{N-1}) \text{,} &amp;amp;\quad\text{se} \quad i = N \quad\quad (11)\\&lt;br /&gt;
     \end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Simulações ==&lt;br /&gt;
&lt;br /&gt;
=== Osciladores Lineares Acoplados ===&lt;br /&gt;
&lt;br /&gt;
====N=2====&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
OA1DN2-modo1.gif|Modo de oscilação simétrico (modo 1) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas. N=2&lt;br /&gt;
OA1DN2-modo2.gif|Modo de oscilação antissimétrico (modo 2) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas. N=2&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
====N=3====&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
OA1DN3-modo1.gif|Modo de oscilação simétrico (modo 1) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas.&lt;br /&gt;
OA1DN3-modo2.gif|Modo de oscilação antissimétrico (modo 2) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas.&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
OA1DN3-modo3.gif|Modo de oscilação simétrico (modo 1) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas.&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
====N=4====&lt;br /&gt;
&lt;br /&gt;
Embora não tenhamos feito análises para os casos de N=4 e N=5 partículas, abaixo seguem simulações dos modos desses osciladores acoplados lineares unidimensionais. Observa-se o mesmo padrão de aumento da frequência com o número do modo. O modo simétrico sempre apresenta menor frequência.&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
OA1DN4-modo1.gif|Modo de oscilação simétrico (modo 1) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas. N=4&lt;br /&gt;
OA1DN4-modo2.gif|Modo de oscilação antissimétrico (modo 2) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas. N=4&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
OA1DN4-modo3.gif|Modo de oscilação 3 de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas. N=4&lt;br /&gt;
OA1DN4-modo4.gif|Modo de oscilação 4 de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas. N=4&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
====N=5====&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
OA1DN5-modo1.gif|Modo de oscilação simétrico (modo 1) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas. N=5&lt;br /&gt;
OA1DN5-modo2.gif|Modo de oscilação antissimétrico (modo 2) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas. N=5&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
OA1DN5-modo3.gif|Modo de oscilação 3 de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas. N=5&lt;br /&gt;
OA1DN5-modo4.gif|Modo de oscilação 4 de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas. N=5&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
OA1DN5-modo5.gif|Modo de oscilação 5 de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas. N=5&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
====Bidimensional N=49 (Em um grid 7x7)====&lt;br /&gt;
&lt;br /&gt;
Também implementamos uma simulação bidimensional de massas acopladas com as partículas vizinhas de cima, de baixo e dos lados. As partículas das fronteiras estão conectadas às paredes (em cima, embaixo e dos lados). A generalização do caso unidimensional é direta e foi razoavelmente simples de se implementar, uma vez estabelecida a condição inicial (colocar as partículas nas posições de equilíbrio, espaçadas igualmente em um grid, e deslocar randomicamente cada uma de sua posição de equilíbrio por um valor bem pequeno). A simulação mostra um comportamento que pode ser associado à dinâmica molecular. &lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=350px&amp;gt;&lt;br /&gt;
OA2D-N49.gif| Nessa simulação, usamos k=1 e m=6 para diminuir a força e evitar sobreposições entre as partículas.&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== FPUT quadrático ===&lt;br /&gt;
&lt;br /&gt;
Abaixo segue uma simulação em que as partículas são deslocadas das posições de equilíbrio verticalmente. Esse modelo é muito interessante para visualizar a propriedade de recorrência ao primeiro modo, embora não seja um modelo muito físico, porque as partículas oscilam apenas na vertical, acopladas às partículas vizinhas. Não há deslocamento na horizontal, e a simulação é na verdade uma simulação unidimensional.&lt;br /&gt;
&lt;br /&gt;
Parâmetros da simulação com deslocamento vertical: &amp;lt;math&amp;gt;k = 1.0; m = 1.0; \alpha = 0.25; \Delta t = 0.01; L = 20.0; N = 32&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
fput_deslocamento_vertical_parte1.gif|&#039;&#039;&#039;Figura X.&#039;&#039;&#039; Primeira parte da simulação do oscilador acoplado com N=32 partículas com deslocamento limitado a vertical. Nessa animação podemos ver as primeiras iterações após a condição inicial proposta no trabalho original.&lt;br /&gt;
fput_deslocamento_vertical_parte2.gif|&#039;&#039;&#039;Figura X.&#039;&#039;&#039; Segunda parte da simulação do oscilador acoplado com N=32 partículas com deslocamento limitado a vertical. Nessa animação vemos o sistema retornando a uma posição próxima da condição inicial.&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Programa ==&lt;br /&gt;
&lt;br /&gt;
* [[Código em C e scripts para FPUT com deslocamento vertical]]&lt;br /&gt;
&lt;br /&gt;
* [[Código em Python para simulações de osciladores lineares e FPUT quadrático]]&lt;br /&gt;
&lt;br /&gt;
== Referências ==&lt;br /&gt;
&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Bibliografia principal ==&lt;br /&gt;
* Marion, J.B., Thornton, S.T. &amp;quot;Classical Dynamics of Particles and Systems&amp;quot;. Thomson Learning, Belmont, 2004.&lt;br /&gt;
* Giordano, N.J., Nakanishi, H. &amp;quot;Computational Physics&amp;quot;. 2nd Edition. Prentice Hall, Upper Saddle River, 2006.&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Arquivo:Fput_deslocamento_vertical_parte2.gif&amp;diff=7550</id>
		<title>Arquivo:Fput deslocamento vertical parte2.gif</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Arquivo:Fput_deslocamento_vertical_parte2.gif&amp;diff=7550"/>
		<updated>2022-05-03T22:04:25Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: Samuelhd enviou uma nova versão de &amp;amp;quot;Arquivo:Fput deslocamento vertical parte2.gif&amp;amp;quot;&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Arquivo:Fput_deslocamento_vertical_parte1.gif&amp;diff=7549</id>
		<title>Arquivo:Fput deslocamento vertical parte1.gif</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Arquivo:Fput_deslocamento_vertical_parte1.gif&amp;diff=7549"/>
		<updated>2022-05-03T22:03:08Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: Samuelhd enviou uma nova versão de &amp;amp;quot;Arquivo:Fput deslocamento vertical parte1.gif&amp;amp;quot;&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Oscila%C3%A7%C3%B5es_Acopladas/Problema_de_Fermi-Pasta-Ulam-Tsingou&amp;diff=7485</id>
		<title>Oscilações Acopladas/Problema de Fermi-Pasta-Ulam-Tsingou</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Oscila%C3%A7%C3%B5es_Acopladas/Problema_de_Fermi-Pasta-Ulam-Tsingou&amp;diff=7485"/>
		<updated>2022-05-03T00:59:24Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: /* FPUT quadrático */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&#039;&#039;&#039;Grupo:&#039;&#039;&#039; Paula Pandolfo, Ramiro de Souza, Samuel Dieterich e Wallace Carvalho&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Objetivo:&#039;&#039;&#039; Este trabalho tem dois objetivos principais: apresentar alguns resultados analíticos de osciladores lineares acoplados, comparando esses resultados com simulações computacionais; e implementar o modelo de osciladores acoplados com a adição de um termo quadrático, conforme inicialmente apresentado pelo artigo original do problema de Fermi-Pasta-Ulam-Tsingou (FPUT), analisando os resultados. Apresentaremos algumas simulações dos casos bidimensionais, mas as análises de resultados serão restritas aos casos unidimensionais, por simplicidade. Inicialmente será introduzido o formalismo de oscilações acopladas lineares. [falta complementar]&lt;br /&gt;
&lt;br /&gt;
== Introdução ==&lt;br /&gt;
Os &#039;&#039;&#039;osciladores&#039;&#039;&#039; talvez sejam os sistemas mais estudados em toda a Física, sendo capazes de modelar uma ampla gama de fenômenos, como, p. ex., pêndulos, circuitos eletrônicos e interações moleculares. O comportamento linear desse tipo de sistema, em particular, possui resultados analíticos bem conhecidos, facilitando o tratamento matemático de sistemas complexos modeláveis por conjuntos de osciladores.&lt;br /&gt;
&lt;br /&gt;
O problema de FPUT (Enrico Fermi, John R. Pasta, Stanislaw M. Ulam, Mary Tsingou) resulta da análise computacional de um sistema de partículas que apenas interagem com seus vizinhos, com interações modeladas por oscilações acopladas com a adição de um termo não-linear, que pode ser quadrático ou cúbico. O intuito original da simulação era estudar como tal sistema evolui para o equilíbrio térmico. Se as forças envolvidas forem estritamente lineares, a energia alocada em cada modo de vibração não se distribui entre os demais modos, e o sistema nunca atinge o equilíbrio térmico. Adicionando termos não lineares, supunha-se que, pelo Teorema da Equipartição da Energia, a energia total do sistema seria distribuída uniformemente entre os modos normais de vibração após um certo tempo, resultando no equilíbrio térmico do sistema. Entretanto, isso não foi observado nas simulações computacionais.&lt;br /&gt;
&lt;br /&gt;
O caso foi estudado pela primeira vez em Los Alamos, nos Estados Unidos, e implementado no computador MANIAC I (Mathematical Analyzer Numerical Integrator and Automatic Computer Model I). Além dos três participantes coautores do artigo &amp;lt;ref name=FPUToriginal&amp;gt;Fermi, E.; Pasta, J.; Ulam, S. (1955). &amp;quot;Studies of Nonlinear Problems&amp;quot; (PDF). Document LA-1940. Los Alamos National Laboratory. [Acessado 02 Maio 2022]. [http://www.physics.utah.edu/~detar/phys6720/handouts/fpu/FermiCollectedPapers1965.pdf]&amp;lt;/ref&amp;gt;. que relatou o caso em 1955, Mary Tsingou implementou o código e resolveu numericamente o sistema. Atualmente, por essa razão, o paradoxo é denominado pela sigla FPUT (Fermi-Pasta-Ulam-Tsingou).&amp;lt;ref name=WeThankMTsingou&amp;gt;Grant, V. &amp;quot;We Thank Miss Mary Tsingou&amp;quot;, National Security Science. Winter 2020: pp. 36-43. [Acessado 02 Maio 2022]. [https://www.lanl.gov/discover/publications/national-security-science/2020-winter/mary-tsingou.shtml]&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A abordagem adotada no presente trabalho é a seguinte: inicialmente, serão apresentados alguns resultados teóricos bem conhecidos de osciladores lineares acoplados. A seguir, compararemos esses resultados com simulações computacionais. [falta complementar]&lt;br /&gt;
&lt;br /&gt;
== Osciladores Lineares Acoplados==&lt;br /&gt;
&lt;br /&gt;
Um modelo geral de sistema unidimensional de osciladores lineares acoplados é ilustrado pela &#039;&#039;&#039;Figura 1&#039;&#039;&#039;. Para fins de simplificação do problema e minimização do número de parâmetros utilizados nas simulações, vamos considerar o caso em que todas as massas e constantes das molas sejam iguais, mesmo que essa suposição não seja estritamente necessária.  &lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&lt;br /&gt;
&amp;lt;li style=&amp;quot;display: inline-block;&amp;quot;&amp;gt;[[Arquivo:OLA-modelo-geral.jpg|600px|left|thumb|center|&#039;&#039;&#039;Figura 1.&#039;&#039;&#039; Ilustração de um modelo geral unidimensional de oscilações acopladas. A figura foi criada por Paula Pandolfo, uma das integrantes do grupo.]]&amp;lt;/li&amp;gt;&lt;br /&gt;
&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Cada partícula possui duas vizinhas com as quais interage por meio das molas, exceto as partículas localizadas nos extremos da cadeia, que possuem apenas uma partícula vizinha cada. As interações das partículas dos extremos das cadeias se restringem, portanto, à interação com uma vizinha e com uma mola conectada a uma das paredes externas à cadeia. Como este problema é unidimensional, a posição de cada partícula pode ser descrita por apenas um grau de liberdade. Vamos escolher os deslocamentos &amp;lt;math&amp;gt;x_i&amp;lt;/math&amp;gt; em relação à respectiva posição de equilíbrio da partícula &amp;lt;math&amp;gt;i&amp;lt;/math&amp;gt; como nossas coordenadas generalizadas, definindo como positivos os deslocamentos para a direita e negativos para a esquerda. No total, um sistema com &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; partículas terá, portanto, &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; graus de liberdade. Vamos tratar aqui o caso em que as forças das molas são lineares, i.e., dadas por &amp;lt;math&amp;gt;F=-kx&amp;lt;/math&amp;gt;. &#039;&#039;&#039;Além disso, para simplificar, nos casos abaixo vamos considerar que todas as molas possuem as mesmas constantes &amp;lt;math&amp;gt;k&amp;lt;/math&amp;gt; e todas as partículas possuem as mesmas massas &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt;&#039;&#039;&#039;.&lt;br /&gt;
&lt;br /&gt;
=== N=2 ===&lt;br /&gt;
&#039;&#039;&#039;Nota:&#039;&#039;&#039; O conteúdo abaixo segue aproximadamente a seção 12.2 de Marion e Thornton (2004).&amp;lt;ref name=Marion2004&amp;gt;Marion e Thornton, pp. 469-473&amp;lt;/ref&amp;gt; Entretanto, há diversas modificações e inclusões. Por exemplo, na descrição das equações de movimento e nas definições dos modos normais.&lt;br /&gt;
&lt;br /&gt;
Para nos familiarizarmos com este sistema, consideremos inicialmente o caso do oscilador linear acoplado mais simples, com apenas duas partículas (&amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt;), cada uma com massa &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt;, e três molas com os mesmos valores de constantes, &amp;lt;math&amp;gt;k&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Utilizando a segunda lei de Newton, mostra-se que as equações de movimento do sistema são:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
m\ddot{x}_{1} &amp;amp;= -kx_{1} - k(x_{1}-x_{2}) \\&lt;br /&gt;
m\ddot{x}_{2} &amp;amp;= -kx_{2} - k(x_{2}-x_{1}) \quad (1)\\&lt;br /&gt;
\end{align}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Uma forma direta de se montar as equações de movimento de um sistema acoplado é pensar em termos dos deslocamentos em relação às posições de equilíbrio (&amp;lt;math&amp;gt;x_{i}&amp;lt;/math&amp;gt;, com &amp;lt;math&amp;gt;i=1,2&amp;lt;/math&amp;gt;, no sistema considerado aqui). Por exemplo, na primeira das equações acima, a partícula 1 está sujeita à força elástica da mola conectada à parede (termo &amp;lt;math&amp;gt;-kx_{1}&amp;lt;/math&amp;gt;) e à força da mola conectada à partícula 2 (termo &amp;lt;math&amp;gt;-k(x_{1}-x_{2})&amp;lt;/math&amp;gt;). Esse último termo é definido conforme o seguinte: caso a mola que está conectada às partículas 1 e 2 esteja comprimida, &amp;lt;math&amp;gt;x_{1}&amp;lt;/math&amp;gt; deve ser maior que &amp;lt;math&amp;gt;x_{2}&amp;lt;/math&amp;gt; e a partícula 1 estará sofrendo uma força que é contrária à compressão, ou seja, com sinal negativo. De modo semelhante para a partícula 2, mas nesse caso, devido à posição ocupada pela partícula 2 na cadeia, com &amp;lt;math&amp;gt;x_{1}&amp;lt;/math&amp;gt; maior que &amp;lt;math&amp;gt;x_{2}&amp;lt;/math&amp;gt;, o sentido da força contrária à compressão tem sinal positivo, manifestando a terceira lei de Newton.&lt;br /&gt;
&lt;br /&gt;
Uma dificuldade imposta pelo sistema (1) é o fato das equações serem acopladas, que a aceleração da partícula 1 depende da posição da partícula 2, e vice-versa. Vamos supor que esse sistema de equações tenha soluções na seguinte forma:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{1}(t) &amp;amp;= A_{1}e^{-i\omega t} \\&lt;br /&gt;
x_{2}(t) &amp;amp;= A_{2}e^{-i\omega t} \quad (2)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Onde &amp;lt;math&amp;gt;A_{1}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;A_{2}&amp;lt;/math&amp;gt; são constantes e &amp;lt;math&amp;gt;\omega&amp;lt;/math&amp;gt; é uma frequência angular ainda indeterminada. Essa suposição é fisicamente justificável: sabemos que as soluções são oscilatórias, e exponenciais imaginárias podem ser escritas em termos de senos e cossenos pela fórmula de Euler. Se substituirmos a equação (2) na equação (1) e rearranjarmos os termos, obtemos:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
-mw^{2}A_{1}e^{-i\omega t} + 2kA_{1}e^{-i\omega t} -kA_{2}e^{-i\omega t} &amp;amp;= 0 \\&lt;br /&gt;
-mw^{2}A_{2}e^{-i\omega t} + 2kA_{2}e^{-i\omega t} -kA_{1}e^{-i\omega t} &amp;amp;= 0 \\&lt;br /&gt;
\end{align}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Ou, eliminando as exponenciais e reagrupando termos:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
(2k-mw^{2})&amp;amp;A_{1} &amp;amp;-kA_{2} &amp;amp;= 0 \\&lt;br /&gt;
-k&amp;amp;A_{1} &amp;amp;+(2k-mw^{2})A_{2} &amp;amp;= 0 \quad (3)\\ &lt;br /&gt;
\end{align}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O sistema de equações (3) apenas terá soluções não triviais se o determinante da matriz dos coeficientes que acompanham os &amp;lt;math&amp;gt;A_{i}&amp;lt;/math&amp;gt; for igual a zero, i.e.:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{vmatrix}&lt;br /&gt;
(2k-mw^{2}) &amp;amp; -k \\ &lt;br /&gt;
-k &amp;amp; (2k-mw^{2})  &lt;br /&gt;
\end{vmatrix} = 0 &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O resultado desse determinante ser igual a zero é uma equação quadrática simples em &amp;lt;math&amp;gt;\omega^2&amp;lt;/math&amp;gt;, sendo as soluções facilmente obtidas. Como para cada solução &amp;lt;math&amp;gt;\omega&amp;lt;/math&amp;gt; existe uma solução &amp;lt;math&amp;gt;-\omega&amp;lt;/math&amp;gt;, apresentaremos apenas o módulo das frequências:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
\omega_{1} = \sqrt{\frac{k}{m}} \quad \quad \omega_{2} = \sqrt{\frac{3k}{m}} \quad (4)&lt;br /&gt;
\end{align} &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;\omega_{1}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\omega_{2}&amp;lt;/math&amp;gt; são as frequências características ou autofrequências do sistema. As soluções mais gerais do sistema de equações diferenciais lineares (1) vão ser então combinações lineares das soluções (2) com as frequências dadas por (4):&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{1}(t) = a_{1}^{1}e^{i\omega_{1} t} &amp;amp;+ a_{1}^{2}e^{-i\omega_{1} t} &amp;amp;+ a_{1}^{3}e^{i\omega_{2} t} &amp;amp;+ a_{1}^{4}e^{-i\omega_{2} t} \\&lt;br /&gt;
x_{2}(t) = a_{2}^{1}e^{i\omega_{1} t} &amp;amp;+ a_{2}^{2}e^{-i\omega_{1} t} &amp;amp;+ a_{2}^{3}e^{i\omega_{2} t} &amp;amp;+ a_{2}^{4}e^{-i\omega_{2} t} \quad (5)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Nota-se que cada uma das soluções é uma superposição (em geral) complicada que envolve as duas autofrequências. Isso é uma consequência direta do acoplamento presente no sistema (1). Para eliminar este acoplamento, vamos definir novas variáveis: &amp;lt;math&amp;gt;\eta_{1} = x_{1} + x_{2}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\eta_{2} = x_{1} - x_{2}&amp;lt;/math&amp;gt;, ou&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{1} = \frac{\eta_{1} + \eta_{2}}{2} \\&lt;br /&gt;
x_{2} = \frac{\eta_{1} - \eta_{2}}{2}&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Substituindo essas expressões no sistema de equações (1):&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
m(\ddot{\eta}_{1} + \ddot{\eta}_{2}) + k\eta_{1} + 3k\eta_{2} = 0 \\&lt;br /&gt;
m(\ddot{\eta}_{1} - \ddot{\eta}_{2}) + k\eta_{1} - 3k\eta_{2} = 0&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Se somarmos as duas equações acima e subtrairmos a segunda da primeira, obtemos, respectivamente:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
m\ddot{\eta}_{1} + k\eta_{1} = 0 \\&lt;br /&gt;
m\ddot{\eta}_{2} + 3k\eta_{2} = 0&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Reconhecemos imediatamente as equações acima como equações de osciladores harmônicos simples, desacopladas e, portanto, com soluções independentes. As soluções são dadas por&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
\eta_{1}(t) &amp;amp;= c_{1}e^{i\omega_{1}t} + c_{2}e^{-i\omega_{1}t} \\&lt;br /&gt;
\eta_{2}(t) &amp;amp;= c_{3}e^{i\omega_{2}t} + c_{4}e^{-i\omega_{2}t} \quad (6)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;\eta_{1}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\eta_{2}&amp;lt;/math&amp;gt; são chamadas de coordenadas normais. Por definição, são coordenadas que desacoplam as equações diferenciais do sistema e possuem soluções com frequências únicas, bem definidas. Sempre podem ser escritas como algum tipo de combinação linear das coordenadas originais. De modo semelhante, as coordenadas usuais do sistema sempre podem ser escritas como combinações lineares das coordenadas normais. No caso geral, para mais partículas, são trabalhosas de se encontrar. Note-se que, no caso de duas partículas, é simples encontrá-las meramente por inspeção. Se impusermos as condições iniciais &amp;lt;math&amp;gt;x_{1}(0) = x_{2}(0)&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\dot{x}_{1}(0) = \dot{x}_{2}(0)&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\eta_{2}(0) = x_{1}(0) - x_{2}(0) = 0&amp;lt;/math&amp;gt; e as constantes &amp;lt;math&amp;gt;c_{3}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;c_{4}&amp;lt;/math&amp;gt; vão ser iguais a zero, o que implica &amp;lt;math&amp;gt;\eta_{2}(t) = 0&amp;lt;/math&amp;gt;, para todo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Esse primeiro modo normal corresponderá a uma oscilação simétrica, em que as duas partículas oscilarão em fase, com frequência &amp;lt;math&amp;gt;\omega_{1}&amp;lt;/math&amp;gt;. De modo semelhante, se impusermos as condições iniciais &amp;lt;math&amp;gt;x_{1}(0) = -x_{2}(0)&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\dot{x}_{1}(0) = -\dot{x}_{2}(0)&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\eta_{1}(t) = 0&amp;lt;/math&amp;gt;, para todo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;, e as partículas oscilarão fora de fase, com frequência &amp;lt;math&amp;gt;\omega_{2}&amp;lt;/math&amp;gt;. Pelas expressões dadas em (4), note-se que a frequência associada ao modo simétrico é menor do que a frequência do modo antissimétrico: esse é um resultado geral de oscilações acopladas. Quanto maior o grau de simetria da oscilação, menor o valor da frequência.&amp;lt;ref name=Marion2004&amp;gt;&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== N=3 ===&lt;br /&gt;
&lt;br /&gt;
Seguindo a mesma lógica apresentada para &amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt; partículas, podemos montar as equações de movimento do sistema com &amp;lt;math&amp;gt;N=3&amp;lt;/math&amp;gt; partículas. A única diferença é que a partícula central apenas está conectada a partículas vizinhas, não estando conectada a paredes externas: &lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
m\ddot{x}_{1} &amp;amp;= -kx_{1} - k(x_{1}-x_{2}) \\&lt;br /&gt;
m\ddot{x}_{2} &amp;amp;= -k(x_{2}-x_{1}) - k(x_{2}-x_{3}) \\&lt;br /&gt;
m\ddot{x}_{3} &amp;amp;= -kx_{3} - k(x_{3}-x_{2}) \quad (7)\\&lt;br /&gt;
\end{align}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Supondo soluções do tipo&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{1}(t) &amp;amp;= A_{1}e^{-i\omega t} \\&lt;br /&gt;
x_{2}(t) &amp;amp;= A_{2}e^{-i\omega t} \\&lt;br /&gt;
x_{3}(t) &amp;amp;= A_{3}e^{-i\omega t} \quad (8)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Substituindo (8) em (7) e seguindo os mesmos passos feitos para &amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt; partículas:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
(2k-mw^{2})A_{1} &amp;amp;-kA_{2} &amp;amp;+0A_{3} &amp;amp;= 0 \\&lt;br /&gt;
-kA_{1} &amp;amp;+(2k-mw^{2})A_{2} &amp;amp;-kA_{3} &amp;amp;= 0 \\&lt;br /&gt;
0A_{1} &amp;amp;-kA_{2} &amp;amp;+(2k-mw^{2})A_{3} &amp;amp;= 0 \\ &lt;br /&gt;
\end{align}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O sistema de equações acima apenas terá soluções não triviais se o determinante dos coeficientes dos &amp;lt;math&amp;gt;A_{i}&amp;lt;/math&amp;gt; for igual a zero, i.e.:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{vmatrix}&lt;br /&gt;
(2k-mw^{2}) &amp;amp; -k &amp;amp;0\\ &lt;br /&gt;
-k &amp;amp; (2k-mw^{2}) &amp;amp;-k \\&lt;br /&gt;
0 &amp;amp; -k &amp;amp; (2k-mw^{2})  &lt;br /&gt;
\end{vmatrix} = 0 &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A equação resultante é &amp;lt;math&amp;gt;(2k-m\omega^{2})^3 - 2k^2(2k-m\omega^2) = 0&amp;lt;/math&amp;gt;. Simples de ser resolvida analiticamente por fatoração, esta equação tem as soluções:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
\omega_{1} = \sqrt{\frac{k}{m}(2-\sqrt{2})} \quad\quad \omega_{2} = \sqrt{\frac{2k}{m}} \quad\quad \omega_{3} = \sqrt{\frac{k}{m}(2+\sqrt{2})} \quad (9)&lt;br /&gt;
\end{align} &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Note-se que aqui já não é mais tão simples identificar as coordenadas normais. Além disso, embora tenha sido simples até aqui obter as autofrequências, o processo é tedioso e a equação característica pode ser difícil de se resolver analiticamente.&lt;br /&gt;
&lt;br /&gt;
Podemos escrever as soluções da seguinte forma, de modo semelhante a como fizemos para &amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{1}(t) = a_{1}^{1}e^{i\omega_{1} t} &amp;amp;+ a_{1}^{2}e^{-i\omega_{1} t} &amp;amp;+ a_{1}^{3}e^{i\omega_{2} t} &amp;amp;+ a_{1}^{4}e^{-i\omega_{2} t} &amp;amp;+ a_{1}^{5}e^{i\omega_{3} t} &amp;amp;+ a_{1}^{6}e^{-i\omega_{3} t}\\&lt;br /&gt;
x_{2}(t) = a_{2}^{1}e^{i\omega_{1} t} &amp;amp;+ a_{2}^{2}e^{-i\omega_{1} t} &amp;amp;+ a_{2}^{3}e^{i\omega_{2} t} &amp;amp;+ a_{2}^{4}e^{-i\omega_{2} t} &amp;amp;+ a_{2}^{5}e^{i\omega_{3} t} &amp;amp;+ a_{2}^{6}e^{-i\omega_{3} t} \\&lt;br /&gt;
x_{3}(t) = a_{3}^{1}e^{i\omega_{1} t} &amp;amp;+ a_{3}^{2}e^{-i\omega_{1} t} &amp;amp;+ a_{3}^{3}e^{i\omega_{2} t} &amp;amp;+ a_{3}^{4}e^{-i\omega_{2} t} &amp;amp;+ a_{3}^{5}e^{i\omega_{3} t} &amp;amp;+ a_{3}^{6}e^{-i\omega_{3} t} \quad (10)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Caso geral ===&lt;br /&gt;
&lt;br /&gt;
O formalismo lagrangeano fornece uma técnica poderosa para encontrar as coordenadas normais, bem como as autofrequências [inserir referências]. No entanto, no presente trabalho, não precisamos fazer uso do formalismo lagrangeano. Será suficiente tratar o problema por análise de Fourier.&lt;br /&gt;
&lt;br /&gt;
Podemos generalizar, para o caso de um N qualquer maior que 3, e obter as seguintes equações de movimento:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\ddot{x}_{i} =&lt;br /&gt;
 \begin{cases}&lt;br /&gt;
       -kx_{1} - k(x_{1}-x_{2})\text{,} &amp;amp;\quad\text{se} \quad i = 1\\&lt;br /&gt;
       -k(x_{i}-x_{i-1}) - k(x_{i}-x_{i+1}) \text{,} &amp;amp;\quad\text{se} \quad 1&amp;lt;i&amp;lt;N \\&lt;br /&gt;
       -kx_{N} - k(x_{N}-x_{N-1}) \text{,} &amp;amp;\quad\text{se} \quad i = N \quad\quad (11)\\&lt;br /&gt;
     \end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O conjunto de equações (11) vai ser importante para a implementação numérica. &lt;br /&gt;
&lt;br /&gt;
As soluções (5) e (10) apresentam um padrão. Se tomarmos apenas as partes reais das soluções, podemos redefinir as constantes duas a duas e escrever a solução geral como:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{l}(t) &amp;amp;= \sum_{m=1}^{N}a_{m}^{l}\cos(\omega_{m}t)\text{,} \quad \text{com}\quad l=1\text{,}\,\text{...}\text{,}\,N\\&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
As constantes &amp;lt;math&amp;gt;a_{m}^{l}&amp;lt;/math&amp;gt; são chamadas de amplitudes dos modos normais e indicam o quanto de cada modo normal, de frequência bem definida, está presente na solução de cada &amp;lt;math&amp;gt;x_{l}(t)&amp;lt;/math&amp;gt;. É possível mostrar (o que não faremos aqui por razões de tempo e espaço, mas pode ser consultado nas referências &amp;lt;ref name=Lucero2021&amp;gt;Lucero, Davi de Mello e Pinheiro Moreira, Pedro Augusto Franco. &amp;quot;O problema Fermi-Pasta-Ulam-Tsingou: Equiparticão de energia vista através de simulações computacionais&amp;quot;. Revista Brasileira de Ensino de Física [online]. 2021, v. 43 [Acessado 1 Maio 2022]. [https://www.scielo.br/j/rbef/a/SkRCy5fdnGbhfxNjpx5BkRD/?lang=pt#]&amp;lt;/ref&amp;gt;) que, usando condições de contorno &amp;lt;math&amp;gt;x_{0}(t) = x_{N+1}(t) = 0&amp;lt;/math&amp;gt;, as soluções podem ser reescritas como&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{l}(t) &amp;amp;= \sum_{m=1}^{N}c_{m}\sin\left(\frac{lm\pi}{N+1}\right)\cos(w_{m}t) \text{, com}\quad l=1\text{,}\,\text{...}\text{,}\,N\\&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
É comum na literatura&amp;lt;ref name=Giordano2006&amp;gt;Giordano e Nakanishi, pp. 296-297&amp;lt;/ref&amp;gt; redefinir a constante &amp;lt;math&amp;gt;c_{m}&amp;lt;/math&amp;gt; da seguinte forma:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{l}(t) &amp;amp;= \sqrt{\frac{2}{N+1}}\sum_{m=1}^{N}a_{m}\sin\left(\frac{lm\pi}{N+1}\right)\cos(w_{m}t) \text{, com}\quad l=1\text{,}\,\text{...}\text{,}\,N\\&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A qualquer instante de tempo, os deslocamentos das partículas em relação às posições de equilíbrio podem ser escritos como uma soma de modos normais. Esses modos normais são ondas estacionárias. Ver, por exemplo, a &#039;&#039;&#039;Figura 2&#039;&#039;&#039;, com os cinco primeiros modos. &lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&lt;br /&gt;
&amp;lt;li style=&amp;quot;display: inline-block;&amp;quot;&amp;gt;[[Arquivo:modos.png|600px|left|thumb|center|&#039;&#039;&#039;Figura 2.&#039;&#039;&#039; Cinco primeiros modos de oscilação para um oscilador acoplado com N=32 partículas]]&amp;lt;/li&amp;gt;&lt;br /&gt;
&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
É possível, portanto, por uma transformada inversa, escrever&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
a_{m} &amp;amp;= \sqrt{\frac{2}{N+1}}\sum_{i=1}^{N}x_{i}\sin\left(\frac{im\pi}{N+1}\right) \text{, com}\quad m=1\text{,}\,\text{...}\text{,}\,N\\&lt;br /&gt;
\end{align} \quad (12)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
As energias de cada modo podem ser escritas como (com &amp;lt;math&amp;gt;\dot{a}_{m}&amp;lt;/math&amp;gt; representando a amplitude da velocidade do modo):&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
E_{m} &amp;amp;= \frac{1}{2}\left[\left(\dot{a}_{m}^{2} + \omega_{m}^2a_{m}^2\right)\right] \quad (13)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
E as frequências podem ser calculadas por (uma demonstração pode ser encontrada nas referências&amp;lt;ref name=Lucero2021&amp;gt;&amp;lt;/ref&amp;gt;, supõe-se que as frequências dos modos são menores ou iguais a duas vezes a frequência natural, &amp;lt;math&amp;gt;\omega_{m} \le 2\omega_{0} = 2\sqrt{k/m}&amp;lt;/math&amp;gt; ):&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
\omega_{m} &amp;amp;= 2\omega_{0}\sin\left(\frac{m\pi}{2(N+1)}\right) \quad (14)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Todas as expressões mostradas nesta seção são válidas mesmo para o caso de oscilações acopladas não lineares, como é o caso do FPUT.&amp;lt;ref name=Giordano2006&amp;gt;&amp;lt;/ref&amp;gt; [adicionar mais referências]&lt;br /&gt;
&lt;br /&gt;
Podemos comparar, por exemplo, os valores que encontramos para as autofrequências nos casos &amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;N=3&amp;lt;/math&amp;gt; com os resultados da equação (14). Seja, por exemplo, &amp;lt;math&amp;gt;k=m=1&amp;lt;/math&amp;gt;. Para &amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt;, pelas expressões (4), &amp;lt;math&amp;gt;\omega_{1} = 1&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\omega_{2} = \sqrt{3}&amp;lt;/math&amp;gt;, que são os mesmos resultados fornecidos pela equação (14). De modo semelhante, para &amp;lt;math&amp;gt;N=3&amp;lt;/math&amp;gt;, pelas expressões (9), &amp;lt;math&amp;gt;\omega_{1} =\sqrt{2-\sqrt{2}}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\omega_{2} = \sqrt{2}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\omega_{3} =\sqrt{2+\sqrt{2}}&amp;lt;/math&amp;gt;, que também são os mesmos resultados fornecidos pela equação (14).&lt;br /&gt;
&lt;br /&gt;
== Adição de Termos Não-Lineares: Problema de FPUT ==&lt;br /&gt;
Como já discutido, se as forças em um sistema de osciladores acoplados forem todas da forma da lei de Hooke, o sistema jamais alcançará o equilíbrio térmico, pois os modos têm independência linear entre si. Para fazer isso, temos de acrescentar termos não-lineares de interação. Vamos tratar aqui o primeiro caso estudado no artigo original,&amp;lt;ref name=FPUToriginal/&amp;gt; em que os termos não-lineares são quadráticos nas coordenadas &amp;lt;math&amp;gt;x_i&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
A forma dos termos quadráticos que vamos utilizar é construída por analogia com os termos lineares. Para os osciladores internos, teremos então a seguinte equação de movimento:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;m\ddot{x}_{i} = k_{1}\left[(x_{i+1} - x_{i}) + (x_{i-1} - x_{i})\right] + k_{2}\left[(x_{i+1} - x_{i})^2 + (x_{i-1} - x_{i})^2 \right]&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Nessa equação, a constante &amp;lt;math&amp;gt;k_{1}&amp;lt;/math&amp;gt; faz o papel da constante das molas &amp;lt;math&amp;gt;k&amp;lt;/math&amp;gt; apresentada anteriormente para o caso puramente linear, enquanto &amp;lt;math&amp;gt;k_{2}&amp;lt;/math&amp;gt; informa a intensidade da força não-linear. Podemos isolar a aceleração &amp;lt;math&amp;gt;\ddot{x}_{i}&amp;lt;/math&amp;gt; nesta equação; seguindo os passos feitos por Lucero et al., 2021&amp;lt;ref name=Lucero2021/&amp;gt;, vamos escolher &amp;lt;math&amp;gt;k_{1}/m = 1&amp;lt;/math&amp;gt; e definir &amp;lt;math&amp;gt;\alpha \equiv k_{1}/m&amp;lt;/math&amp;gt;. A equação fica então:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;m\ddot{x}_{i} = (x_{i+1} - x_{i}) + (x_{i-1} - x_{i}) + \alpha \left[(x_{i+1} - x_{i})^2 + (x_{i-1} - x_{i})^2 \right]&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Implementação numérica ==&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\ddot{x}_{i} =&lt;br /&gt;
 \begin{cases}&lt;br /&gt;
       -kx_{1} - k(x_{1}-x_{2})\text{,} &amp;amp;\quad\text{se} \quad i = 1\\&lt;br /&gt;
       -k(x_{i}-x_{i-1}) - k(x_{i}-x_{i+1}) \text{,} &amp;amp;\quad\text{se} \quad 1&amp;lt;i&amp;lt;N \\&lt;br /&gt;
       -kx_{N} - k(x_{N}-x_{N-1}) \text{,} &amp;amp;\quad\text{se} \quad i = N \quad\quad (11)\\&lt;br /&gt;
     \end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Resultados e discussão ==&lt;br /&gt;
&lt;br /&gt;
=== Osciladores Lineares Acoplados ===&lt;br /&gt;
&lt;br /&gt;
====N=2====&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
OA1DN2-modo1.gif|Modo de oscilação simétrico (modo 1) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas.&lt;br /&gt;
OA1DN2-modo2.gif|Modo de oscilação antissimétrico (modo 2) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas.&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
As duas simulações acima ilustram os dois modos normais de oscilação de um oscilador acoplado linear unidimensional com N=2. É possível observar que a frequência do modo simétrico é menor do que a frequência do modo antissimétrico.&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=300px&amp;gt;&lt;br /&gt;
posOL1D-N2.png|Modo de oscilação simétrico (modo 1) de um oscilador linear acoplado unidimensional. Gráficos dos deslocamentos (x) em relação à posição de equilíbrio das partículas 1 (esquerda na simulação acima) e 2 (direita na simulação acima).&lt;br /&gt;
posOL1D-N2A.png|Modo de oscilação antissimétrico (modo 2) de um oscilador linear acoplado unidimensional. Gráficos dos deslocamentos (x) em relação à posição de equilíbrio das partículas 1 (esquerda na simulação acima) e 2 (direita na simulação acima).&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== FPUT quadrático ===&lt;br /&gt;
&lt;br /&gt;
Parâmetros da simulação com deslocamento vertical: &amp;lt;math&amp;gt;k = 0.95; m = 1.05; \alpha = 1.2; \Delta t = 0.5; t_{max} = 5500; L = 20.0; N = 32&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=350px&amp;gt;&lt;br /&gt;
fput_deslocamento_vertical_parte1.gif|&#039;&#039;&#039;Figura X.&#039;&#039;&#039; Primeira parte da simulação do oscilador acoplado com N=32 partículas com deslocamento limitado a vertical. Nessa animação podemos ver as primeiras iterações após a condição inicial proposta no trabalho original.&lt;br /&gt;
fput_deslocamento_vertical_parte2.gif|&#039;&#039;&#039;Figura X.&#039;&#039;&#039; Segunda parte da simulação do oscilador acoplado com N=32 partículas com deslocamento limitado a vertical. Nessa animação vemos o sistema retornando a uma posição próxima da condição inicial.&lt;br /&gt;
...&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Programa ==&lt;br /&gt;
&lt;br /&gt;
* [[Código em C e scripts para FPUT com deslocamento vertical]]&lt;br /&gt;
&lt;br /&gt;
* [[Código em Python para simulações de osciladores lineares e FPUT quadrático]]&lt;br /&gt;
&lt;br /&gt;
== Referências ==&lt;br /&gt;
&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Bibliografia principal ==&lt;br /&gt;
* Marion, J.B., Thornton, S.T. &amp;quot;Classical Dynamics of Particles and Systems&amp;quot;. Thomson Learning, Belmont, 2004.&lt;br /&gt;
* Giordano, N.J., Nakanishi, H. &amp;quot;Computational Physics&amp;quot;. 2nd Edition. Prentice Hall, Upper Saddle River, 2006.&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Oscila%C3%A7%C3%B5es_Acopladas/Problema_de_Fermi-Pasta-Ulam-Tsingou&amp;diff=7484</id>
		<title>Oscilações Acopladas/Problema de Fermi-Pasta-Ulam-Tsingou</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Oscila%C3%A7%C3%B5es_Acopladas/Problema_de_Fermi-Pasta-Ulam-Tsingou&amp;diff=7484"/>
		<updated>2022-05-03T00:57:10Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: /* Osciladores Lineares Acoplados */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&#039;&#039;&#039;Grupo:&#039;&#039;&#039; Paula Pandolfo, Ramiro de Souza, Samuel Dieterich e Wallace Carvalho&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Objetivo:&#039;&#039;&#039; Este trabalho tem dois objetivos principais: apresentar alguns resultados analíticos de osciladores lineares acoplados, comparando esses resultados com simulações computacionais; e implementar o modelo de osciladores acoplados com a adição de um termo quadrático, conforme inicialmente apresentado pelo artigo original do problema de Fermi-Pasta-Ulam-Tsingou (FPUT), analisando os resultados. Apresentaremos algumas simulações dos casos bidimensionais, mas as análises de resultados serão restritas aos casos unidimensionais, por simplicidade. Inicialmente será introduzido o formalismo de oscilações acopladas lineares. [falta complementar]&lt;br /&gt;
&lt;br /&gt;
== Introdução ==&lt;br /&gt;
Os &#039;&#039;&#039;osciladores&#039;&#039;&#039; talvez sejam os sistemas mais estudados em toda a Física, sendo capazes de modelar uma ampla gama de fenômenos, como, p. ex., pêndulos, circuitos eletrônicos e interações moleculares. O comportamento linear desse tipo de sistema, em particular, possui resultados analíticos bem conhecidos, facilitando o tratamento matemático de sistemas complexos modeláveis por conjuntos de osciladores.&lt;br /&gt;
&lt;br /&gt;
O problema de FPUT (Enrico Fermi, John R. Pasta, Stanislaw M. Ulam, Mary Tsingou) resulta da análise computacional de um sistema de partículas que apenas interagem com seus vizinhos, com interações modeladas por oscilações acopladas com a adição de um termo não-linear, que pode ser quadrático ou cúbico. O intuito original da simulação era estudar como tal sistema evolui para o equilíbrio térmico. Se as forças envolvidas forem estritamente lineares, a energia alocada em cada modo de vibração não se distribui entre os demais modos, e o sistema nunca atinge o equilíbrio térmico. Adicionando termos não lineares, supunha-se que, pelo Teorema da Equipartição da Energia, a energia total do sistema seria distribuída uniformemente entre os modos normais de vibração após um certo tempo, resultando no equilíbrio térmico do sistema. Entretanto, isso não foi observado nas simulações computacionais.&lt;br /&gt;
&lt;br /&gt;
O caso foi estudado pela primeira vez em Los Alamos, nos Estados Unidos, e implementado no computador MANIAC I (Mathematical Analyzer Numerical Integrator and Automatic Computer Model I). Além dos três participantes coautores do artigo &amp;lt;ref name=FPUToriginal&amp;gt;Fermi, E.; Pasta, J.; Ulam, S. (1955). &amp;quot;Studies of Nonlinear Problems&amp;quot; (PDF). Document LA-1940. Los Alamos National Laboratory. [Acessado 02 Maio 2022]. [http://www.physics.utah.edu/~detar/phys6720/handouts/fpu/FermiCollectedPapers1965.pdf]&amp;lt;/ref&amp;gt;. que relatou o caso em 1955, Mary Tsingou implementou o código e resolveu numericamente o sistema. Atualmente, por essa razão, o paradoxo é denominado pela sigla FPUT (Fermi-Pasta-Ulam-Tsingou).&amp;lt;ref name=WeThankMTsingou&amp;gt;Grant, V. &amp;quot;We Thank Miss Mary Tsingou&amp;quot;, National Security Science. Winter 2020: pp. 36-43. [Acessado 02 Maio 2022]. [https://www.lanl.gov/discover/publications/national-security-science/2020-winter/mary-tsingou.shtml]&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A abordagem adotada no presente trabalho é a seguinte: inicialmente, serão apresentados alguns resultados teóricos bem conhecidos de osciladores lineares acoplados. A seguir, compararemos esses resultados com simulações computacionais. [falta complementar]&lt;br /&gt;
&lt;br /&gt;
== Osciladores Lineares Acoplados==&lt;br /&gt;
&lt;br /&gt;
Um modelo geral de sistema unidimensional de osciladores lineares acoplados é ilustrado pela &#039;&#039;&#039;Figura 1&#039;&#039;&#039;. Para fins de simplificação do problema e minimização do número de parâmetros utilizados nas simulações, vamos considerar o caso em que todas as massas e constantes das molas sejam iguais, mesmo que essa suposição não seja estritamente necessária.  &lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&lt;br /&gt;
&amp;lt;li style=&amp;quot;display: inline-block;&amp;quot;&amp;gt;[[Arquivo:OLA-modelo-geral.jpg|600px|left|thumb|center|&#039;&#039;&#039;Figura 1.&#039;&#039;&#039; Ilustração de um modelo geral unidimensional de oscilações acopladas. A figura foi criada por Paula Pandolfo, uma das integrantes do grupo.]]&amp;lt;/li&amp;gt;&lt;br /&gt;
&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Cada partícula possui duas vizinhas com as quais interage por meio das molas, exceto as partículas localizadas nos extremos da cadeia, que possuem apenas uma partícula vizinha cada. As interações das partículas dos extremos das cadeias se restringem, portanto, à interação com uma vizinha e com uma mola conectada a uma das paredes externas à cadeia. Como este problema é unidimensional, a posição de cada partícula pode ser descrita por apenas um grau de liberdade. Vamos escolher os deslocamentos &amp;lt;math&amp;gt;x_i&amp;lt;/math&amp;gt; em relação à respectiva posição de equilíbrio da partícula &amp;lt;math&amp;gt;i&amp;lt;/math&amp;gt; como nossas coordenadas generalizadas, definindo como positivos os deslocamentos para a direita e negativos para a esquerda. No total, um sistema com &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; partículas terá, portanto, &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; graus de liberdade. Vamos tratar aqui o caso em que as forças das molas são lineares, i.e., dadas por &amp;lt;math&amp;gt;F=-kx&amp;lt;/math&amp;gt;. &#039;&#039;&#039;Além disso, para simplificar, nos casos abaixo vamos considerar que todas as molas possuem as mesmas constantes &amp;lt;math&amp;gt;k&amp;lt;/math&amp;gt; e todas as partículas possuem as mesmas massas &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt;&#039;&#039;&#039;.&lt;br /&gt;
&lt;br /&gt;
=== N=2 ===&lt;br /&gt;
&#039;&#039;&#039;Nota:&#039;&#039;&#039; O conteúdo abaixo segue aproximadamente a seção 12.2 de Marion e Thornton (2004).&amp;lt;ref name=Marion2004&amp;gt;Marion e Thornton, pp. 469-473&amp;lt;/ref&amp;gt; Entretanto, há diversas modificações e inclusões. Por exemplo, na descrição das equações de movimento e nas definições dos modos normais.&lt;br /&gt;
&lt;br /&gt;
Para nos familiarizarmos com este sistema, consideremos inicialmente o caso do oscilador linear acoplado mais simples, com apenas duas partículas (&amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt;), cada uma com massa &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt;, e três molas com os mesmos valores de constantes, &amp;lt;math&amp;gt;k&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Utilizando a segunda lei de Newton, mostra-se que as equações de movimento do sistema são:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
m\ddot{x}_{1} &amp;amp;= -kx_{1} - k(x_{1}-x_{2}) \\&lt;br /&gt;
m\ddot{x}_{2} &amp;amp;= -kx_{2} - k(x_{2}-x_{1}) \quad (1)\\&lt;br /&gt;
\end{align}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Uma forma direta de se montar as equações de movimento de um sistema acoplado é pensar em termos dos deslocamentos em relação às posições de equilíbrio (&amp;lt;math&amp;gt;x_{i}&amp;lt;/math&amp;gt;, com &amp;lt;math&amp;gt;i=1,2&amp;lt;/math&amp;gt;, no sistema considerado aqui). Por exemplo, na primeira das equações acima, a partícula 1 está sujeita à força elástica da mola conectada à parede (termo &amp;lt;math&amp;gt;-kx_{1}&amp;lt;/math&amp;gt;) e à força da mola conectada à partícula 2 (termo &amp;lt;math&amp;gt;-k(x_{1}-x_{2})&amp;lt;/math&amp;gt;). Esse último termo é definido conforme o seguinte: caso a mola que está conectada às partículas 1 e 2 esteja comprimida, &amp;lt;math&amp;gt;x_{1}&amp;lt;/math&amp;gt; deve ser maior que &amp;lt;math&amp;gt;x_{2}&amp;lt;/math&amp;gt; e a partícula 1 estará sofrendo uma força que é contrária à compressão, ou seja, com sinal negativo. De modo semelhante para a partícula 2, mas nesse caso, devido à posição ocupada pela partícula 2 na cadeia, com &amp;lt;math&amp;gt;x_{1}&amp;lt;/math&amp;gt; maior que &amp;lt;math&amp;gt;x_{2}&amp;lt;/math&amp;gt;, o sentido da força contrária à compressão tem sinal positivo, manifestando a terceira lei de Newton.&lt;br /&gt;
&lt;br /&gt;
Uma dificuldade imposta pelo sistema (1) é o fato das equações serem acopladas, que a aceleração da partícula 1 depende da posição da partícula 2, e vice-versa. Vamos supor que esse sistema de equações tenha soluções na seguinte forma:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{1}(t) &amp;amp;= A_{1}e^{-i\omega t} \\&lt;br /&gt;
x_{2}(t) &amp;amp;= A_{2}e^{-i\omega t} \quad (2)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Onde &amp;lt;math&amp;gt;A_{1}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;A_{2}&amp;lt;/math&amp;gt; são constantes e &amp;lt;math&amp;gt;\omega&amp;lt;/math&amp;gt; é uma frequência angular ainda indeterminada. Essa suposição é fisicamente justificável: sabemos que as soluções são oscilatórias, e exponenciais imaginárias podem ser escritas em termos de senos e cossenos pela fórmula de Euler. Se substituirmos a equação (2) na equação (1) e rearranjarmos os termos, obtemos:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
-mw^{2}A_{1}e^{-i\omega t} + 2kA_{1}e^{-i\omega t} -kA_{2}e^{-i\omega t} &amp;amp;= 0 \\&lt;br /&gt;
-mw^{2}A_{2}e^{-i\omega t} + 2kA_{2}e^{-i\omega t} -kA_{1}e^{-i\omega t} &amp;amp;= 0 \\&lt;br /&gt;
\end{align}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Ou, eliminando as exponenciais e reagrupando termos:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
(2k-mw^{2})&amp;amp;A_{1} &amp;amp;-kA_{2} &amp;amp;= 0 \\&lt;br /&gt;
-k&amp;amp;A_{1} &amp;amp;+(2k-mw^{2})A_{2} &amp;amp;= 0 \quad (3)\\ &lt;br /&gt;
\end{align}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O sistema de equações (3) apenas terá soluções não triviais se o determinante da matriz dos coeficientes que acompanham os &amp;lt;math&amp;gt;A_{i}&amp;lt;/math&amp;gt; for igual a zero, i.e.:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{vmatrix}&lt;br /&gt;
(2k-mw^{2}) &amp;amp; -k \\ &lt;br /&gt;
-k &amp;amp; (2k-mw^{2})  &lt;br /&gt;
\end{vmatrix} = 0 &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O resultado desse determinante ser igual a zero é uma equação quadrática simples em &amp;lt;math&amp;gt;\omega^2&amp;lt;/math&amp;gt;, sendo as soluções facilmente obtidas. Como para cada solução &amp;lt;math&amp;gt;\omega&amp;lt;/math&amp;gt; existe uma solução &amp;lt;math&amp;gt;-\omega&amp;lt;/math&amp;gt;, apresentaremos apenas o módulo das frequências:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
\omega_{1} = \sqrt{\frac{k}{m}} \quad \quad \omega_{2} = \sqrt{\frac{3k}{m}} \quad (4)&lt;br /&gt;
\end{align} &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;\omega_{1}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\omega_{2}&amp;lt;/math&amp;gt; são as frequências características ou autofrequências do sistema. As soluções mais gerais do sistema de equações diferenciais lineares (1) vão ser então combinações lineares das soluções (2) com as frequências dadas por (4):&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{1}(t) = a_{1}^{1}e^{i\omega_{1} t} &amp;amp;+ a_{1}^{2}e^{-i\omega_{1} t} &amp;amp;+ a_{1}^{3}e^{i\omega_{2} t} &amp;amp;+ a_{1}^{4}e^{-i\omega_{2} t} \\&lt;br /&gt;
x_{2}(t) = a_{2}^{1}e^{i\omega_{1} t} &amp;amp;+ a_{2}^{2}e^{-i\omega_{1} t} &amp;amp;+ a_{2}^{3}e^{i\omega_{2} t} &amp;amp;+ a_{2}^{4}e^{-i\omega_{2} t} \quad (5)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Nota-se que cada uma das soluções é uma superposição (em geral) complicada que envolve as duas autofrequências. Isso é uma consequência direta do acoplamento presente no sistema (1). Para eliminar este acoplamento, vamos definir novas variáveis: &amp;lt;math&amp;gt;\eta_{1} = x_{1} + x_{2}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\eta_{2} = x_{1} - x_{2}&amp;lt;/math&amp;gt;, ou&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{1} = \frac{\eta_{1} + \eta_{2}}{2} \\&lt;br /&gt;
x_{2} = \frac{\eta_{1} - \eta_{2}}{2}&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Substituindo essas expressões no sistema de equações (1):&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
m(\ddot{\eta}_{1} + \ddot{\eta}_{2}) + k\eta_{1} + 3k\eta_{2} = 0 \\&lt;br /&gt;
m(\ddot{\eta}_{1} - \ddot{\eta}_{2}) + k\eta_{1} - 3k\eta_{2} = 0&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Se somarmos as duas equações acima e subtrairmos a segunda da primeira, obtemos, respectivamente:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
m\ddot{\eta}_{1} + k\eta_{1} = 0 \\&lt;br /&gt;
m\ddot{\eta}_{2} + 3k\eta_{2} = 0&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Reconhecemos imediatamente as equações acima como equações de osciladores harmônicos simples, desacopladas e, portanto, com soluções independentes. As soluções são dadas por&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
\eta_{1}(t) &amp;amp;= c_{1}e^{i\omega_{1}t} + c_{2}e^{-i\omega_{1}t} \\&lt;br /&gt;
\eta_{2}(t) &amp;amp;= c_{3}e^{i\omega_{2}t} + c_{4}e^{-i\omega_{2}t} \quad (6)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;\eta_{1}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\eta_{2}&amp;lt;/math&amp;gt; são chamadas de coordenadas normais. Por definição, são coordenadas que desacoplam as equações diferenciais do sistema e possuem soluções com frequências únicas, bem definidas. Sempre podem ser escritas como algum tipo de combinação linear das coordenadas originais. De modo semelhante, as coordenadas usuais do sistema sempre podem ser escritas como combinações lineares das coordenadas normais. No caso geral, para mais partículas, são trabalhosas de se encontrar. Note-se que, no caso de duas partículas, é simples encontrá-las meramente por inspeção. Se impusermos as condições iniciais &amp;lt;math&amp;gt;x_{1}(0) = x_{2}(0)&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\dot{x}_{1}(0) = \dot{x}_{2}(0)&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\eta_{2}(0) = x_{1}(0) - x_{2}(0) = 0&amp;lt;/math&amp;gt; e as constantes &amp;lt;math&amp;gt;c_{3}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;c_{4}&amp;lt;/math&amp;gt; vão ser iguais a zero, o que implica &amp;lt;math&amp;gt;\eta_{2}(t) = 0&amp;lt;/math&amp;gt;, para todo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Esse primeiro modo normal corresponderá a uma oscilação simétrica, em que as duas partículas oscilarão em fase, com frequência &amp;lt;math&amp;gt;\omega_{1}&amp;lt;/math&amp;gt;. De modo semelhante, se impusermos as condições iniciais &amp;lt;math&amp;gt;x_{1}(0) = -x_{2}(0)&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\dot{x}_{1}(0) = -\dot{x}_{2}(0)&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\eta_{1}(t) = 0&amp;lt;/math&amp;gt;, para todo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;, e as partículas oscilarão fora de fase, com frequência &amp;lt;math&amp;gt;\omega_{2}&amp;lt;/math&amp;gt;. Pelas expressões dadas em (4), note-se que a frequência associada ao modo simétrico é menor do que a frequência do modo antissimétrico: esse é um resultado geral de oscilações acopladas. Quanto maior o grau de simetria da oscilação, menor o valor da frequência.&amp;lt;ref name=Marion2004&amp;gt;&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== N=3 ===&lt;br /&gt;
&lt;br /&gt;
Seguindo a mesma lógica apresentada para &amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt; partículas, podemos montar as equações de movimento do sistema com &amp;lt;math&amp;gt;N=3&amp;lt;/math&amp;gt; partículas. A única diferença é que a partícula central apenas está conectada a partículas vizinhas, não estando conectada a paredes externas: &lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
m\ddot{x}_{1} &amp;amp;= -kx_{1} - k(x_{1}-x_{2}) \\&lt;br /&gt;
m\ddot{x}_{2} &amp;amp;= -k(x_{2}-x_{1}) - k(x_{2}-x_{3}) \\&lt;br /&gt;
m\ddot{x}_{3} &amp;amp;= -kx_{3} - k(x_{3}-x_{2}) \quad (7)\\&lt;br /&gt;
\end{align}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Supondo soluções do tipo&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{1}(t) &amp;amp;= A_{1}e^{-i\omega t} \\&lt;br /&gt;
x_{2}(t) &amp;amp;= A_{2}e^{-i\omega t} \\&lt;br /&gt;
x_{3}(t) &amp;amp;= A_{3}e^{-i\omega t} \quad (8)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Substituindo (8) em (7) e seguindo os mesmos passos feitos para &amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt; partículas:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
(2k-mw^{2})A_{1} &amp;amp;-kA_{2} &amp;amp;+0A_{3} &amp;amp;= 0 \\&lt;br /&gt;
-kA_{1} &amp;amp;+(2k-mw^{2})A_{2} &amp;amp;-kA_{3} &amp;amp;= 0 \\&lt;br /&gt;
0A_{1} &amp;amp;-kA_{2} &amp;amp;+(2k-mw^{2})A_{3} &amp;amp;= 0 \\ &lt;br /&gt;
\end{align}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O sistema de equações acima apenas terá soluções não triviais se o determinante dos coeficientes dos &amp;lt;math&amp;gt;A_{i}&amp;lt;/math&amp;gt; for igual a zero, i.e.:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{vmatrix}&lt;br /&gt;
(2k-mw^{2}) &amp;amp; -k &amp;amp;0\\ &lt;br /&gt;
-k &amp;amp; (2k-mw^{2}) &amp;amp;-k \\&lt;br /&gt;
0 &amp;amp; -k &amp;amp; (2k-mw^{2})  &lt;br /&gt;
\end{vmatrix} = 0 &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A equação resultante é &amp;lt;math&amp;gt;(2k-m\omega^{2})^3 - 2k^2(2k-m\omega^2) = 0&amp;lt;/math&amp;gt;. Simples de ser resolvida analiticamente por fatoração, esta equação tem as soluções:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
\omega_{1} = \sqrt{\frac{k}{m}(2-\sqrt{2})} \quad\quad \omega_{2} = \sqrt{\frac{2k}{m}} \quad\quad \omega_{3} = \sqrt{\frac{k}{m}(2+\sqrt{2})} \quad (9)&lt;br /&gt;
\end{align} &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Note-se que aqui já não é mais tão simples identificar as coordenadas normais. Além disso, embora tenha sido simples até aqui obter as autofrequências, o processo é tedioso e a equação característica pode ser difícil de se resolver analiticamente.&lt;br /&gt;
&lt;br /&gt;
Podemos escrever as soluções da seguinte forma, de modo semelhante a como fizemos para &amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{1}(t) = a_{1}^{1}e^{i\omega_{1} t} &amp;amp;+ a_{1}^{2}e^{-i\omega_{1} t} &amp;amp;+ a_{1}^{3}e^{i\omega_{2} t} &amp;amp;+ a_{1}^{4}e^{-i\omega_{2} t} &amp;amp;+ a_{1}^{5}e^{i\omega_{3} t} &amp;amp;+ a_{1}^{6}e^{-i\omega_{3} t}\\&lt;br /&gt;
x_{2}(t) = a_{2}^{1}e^{i\omega_{1} t} &amp;amp;+ a_{2}^{2}e^{-i\omega_{1} t} &amp;amp;+ a_{2}^{3}e^{i\omega_{2} t} &amp;amp;+ a_{2}^{4}e^{-i\omega_{2} t} &amp;amp;+ a_{2}^{5}e^{i\omega_{3} t} &amp;amp;+ a_{2}^{6}e^{-i\omega_{3} t} \\&lt;br /&gt;
x_{3}(t) = a_{3}^{1}e^{i\omega_{1} t} &amp;amp;+ a_{3}^{2}e^{-i\omega_{1} t} &amp;amp;+ a_{3}^{3}e^{i\omega_{2} t} &amp;amp;+ a_{3}^{4}e^{-i\omega_{2} t} &amp;amp;+ a_{3}^{5}e^{i\omega_{3} t} &amp;amp;+ a_{3}^{6}e^{-i\omega_{3} t} \quad (10)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Caso geral ===&lt;br /&gt;
&lt;br /&gt;
O formalismo lagrangeano fornece uma técnica poderosa para encontrar as coordenadas normais, bem como as autofrequências [inserir referências]. No entanto, no presente trabalho, não precisamos fazer uso do formalismo lagrangeano. Será suficiente tratar o problema por análise de Fourier.&lt;br /&gt;
&lt;br /&gt;
Podemos generalizar, para o caso de um N qualquer maior que 3, e obter as seguintes equações de movimento:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\ddot{x}_{i} =&lt;br /&gt;
 \begin{cases}&lt;br /&gt;
       -kx_{1} - k(x_{1}-x_{2})\text{,} &amp;amp;\quad\text{se} \quad i = 1\\&lt;br /&gt;
       -k(x_{i}-x_{i-1}) - k(x_{i}-x_{i+1}) \text{,} &amp;amp;\quad\text{se} \quad 1&amp;lt;i&amp;lt;N \\&lt;br /&gt;
       -kx_{N} - k(x_{N}-x_{N-1}) \text{,} &amp;amp;\quad\text{se} \quad i = N \quad\quad (11)\\&lt;br /&gt;
     \end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O conjunto de equações (11) vai ser importante para a implementação numérica. &lt;br /&gt;
&lt;br /&gt;
As soluções (5) e (10) apresentam um padrão. Se tomarmos apenas as partes reais das soluções, podemos redefinir as constantes duas a duas e escrever a solução geral como:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{l}(t) &amp;amp;= \sum_{m=1}^{N}a_{m}^{l}\cos(\omega_{m}t)\text{,} \quad \text{com}\quad l=1\text{,}\,\text{...}\text{,}\,N\\&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
As constantes &amp;lt;math&amp;gt;a_{m}^{l}&amp;lt;/math&amp;gt; são chamadas de amplitudes dos modos normais e indicam o quanto de cada modo normal, de frequência bem definida, está presente na solução de cada &amp;lt;math&amp;gt;x_{l}(t)&amp;lt;/math&amp;gt;. É possível mostrar (o que não faremos aqui por razões de tempo e espaço, mas pode ser consultado nas referências &amp;lt;ref name=Lucero2021&amp;gt;Lucero, Davi de Mello e Pinheiro Moreira, Pedro Augusto Franco. &amp;quot;O problema Fermi-Pasta-Ulam-Tsingou: Equiparticão de energia vista através de simulações computacionais&amp;quot;. Revista Brasileira de Ensino de Física [online]. 2021, v. 43 [Acessado 1 Maio 2022]. [https://www.scielo.br/j/rbef/a/SkRCy5fdnGbhfxNjpx5BkRD/?lang=pt#]&amp;lt;/ref&amp;gt;) que, usando condições de contorno &amp;lt;math&amp;gt;x_{0}(t) = x_{N+1}(t) = 0&amp;lt;/math&amp;gt;, as soluções podem ser reescritas como&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{l}(t) &amp;amp;= \sum_{m=1}^{N}c_{m}\sin\left(\frac{lm\pi}{N+1}\right)\cos(w_{m}t) \text{, com}\quad l=1\text{,}\,\text{...}\text{,}\,N\\&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
É comum na literatura&amp;lt;ref name=Giordano2006&amp;gt;Giordano e Nakanishi, pp. 296-297&amp;lt;/ref&amp;gt; redefinir a constante &amp;lt;math&amp;gt;c_{m}&amp;lt;/math&amp;gt; da seguinte forma:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{l}(t) &amp;amp;= \sqrt{\frac{2}{N+1}}\sum_{m=1}^{N}a_{m}\sin\left(\frac{lm\pi}{N+1}\right)\cos(w_{m}t) \text{, com}\quad l=1\text{,}\,\text{...}\text{,}\,N\\&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A qualquer instante de tempo, os deslocamentos das partículas em relação às posições de equilíbrio podem ser escritos como uma soma de modos normais. Esses modos normais são ondas estacionárias. Ver, por exemplo, a &#039;&#039;&#039;Figura 2&#039;&#039;&#039;, com os cinco primeiros modos. &lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&lt;br /&gt;
&amp;lt;li style=&amp;quot;display: inline-block;&amp;quot;&amp;gt;[[Arquivo:modos.png|600px|left|thumb|center|&#039;&#039;&#039;Figura 2.&#039;&#039;&#039; Cinco primeiros modos de oscilação para um oscilador acoplado com N=32 partículas]]&amp;lt;/li&amp;gt;&lt;br /&gt;
&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
É possível, portanto, por uma transformada inversa, escrever&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
a_{m} &amp;amp;= \sqrt{\frac{2}{N+1}}\sum_{i=1}^{N}x_{i}\sin\left(\frac{im\pi}{N+1}\right) \text{, com}\quad m=1\text{,}\,\text{...}\text{,}\,N\\&lt;br /&gt;
\end{align} \quad (12)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
As energias de cada modo podem ser escritas como (com &amp;lt;math&amp;gt;\dot{a}_{m}&amp;lt;/math&amp;gt; representando a amplitude da velocidade do modo):&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
E_{m} &amp;amp;= \frac{1}{2}\left[\left(\dot{a}_{m}^{2} + \omega_{m}^2a_{m}^2\right)\right] \quad (13)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
E as frequências podem ser calculadas por (uma demonstração pode ser encontrada nas referências&amp;lt;ref name=Lucero2021&amp;gt;&amp;lt;/ref&amp;gt;, supõe-se que as frequências dos modos são menores ou iguais a duas vezes a frequência natural, &amp;lt;math&amp;gt;\omega_{m} \le 2\omega_{0} = 2\sqrt{k/m}&amp;lt;/math&amp;gt; ):&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
\omega_{m} &amp;amp;= 2\omega_{0}\sin\left(\frac{m\pi}{2(N+1)}\right) \quad (14)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Todas as expressões mostradas nesta seção são válidas mesmo para o caso de oscilações acopladas não lineares, como é o caso do FPUT.&amp;lt;ref name=Giordano2006&amp;gt;&amp;lt;/ref&amp;gt; [adicionar mais referências]&lt;br /&gt;
&lt;br /&gt;
Podemos comparar, por exemplo, os valores que encontramos para as autofrequências nos casos &amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;N=3&amp;lt;/math&amp;gt; com os resultados da equação (14). Seja, por exemplo, &amp;lt;math&amp;gt;k=m=1&amp;lt;/math&amp;gt;. Para &amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt;, pelas expressões (4), &amp;lt;math&amp;gt;\omega_{1} = 1&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\omega_{2} = \sqrt{3}&amp;lt;/math&amp;gt;, que são os mesmos resultados fornecidos pela equação (14). De modo semelhante, para &amp;lt;math&amp;gt;N=3&amp;lt;/math&amp;gt;, pelas expressões (9), &amp;lt;math&amp;gt;\omega_{1} =\sqrt{2-\sqrt{2}}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\omega_{2} = \sqrt{2}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\omega_{3} =\sqrt{2+\sqrt{2}}&amp;lt;/math&amp;gt;, que também são os mesmos resultados fornecidos pela equação (14).&lt;br /&gt;
&lt;br /&gt;
== Adição de Termos Não-Lineares: Problema de FPUT ==&lt;br /&gt;
Como já discutido, se as forças em um sistema de osciladores acoplados forem todas da forma da lei de Hooke, o sistema jamais alcançará o equilíbrio térmico, pois os modos têm independência linear entre si. Para fazer isso, temos de acrescentar termos não-lineares de interação. Vamos tratar aqui o primeiro caso estudado no artigo original,&amp;lt;ref name=FPUToriginal/&amp;gt; em que os termos não-lineares são quadráticos nas coordenadas &amp;lt;math&amp;gt;x_i&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
A forma dos termos quadráticos que vamos utilizar é construída por analogia com os termos lineares. Para os osciladores internos, teremos então a seguinte equação de movimento:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;m\ddot{x}_{i} = k_{1}\left[(x_{i+1} - x_{i}) + (x_{i-1} - x_{i})\right] + k_{2}\left[(x_{i+1} - x_{i})^2 + (x_{i-1} - x_{i})^2 \right]&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Nessa equação, a constante &amp;lt;math&amp;gt;k_{1}&amp;lt;/math&amp;gt; faz o papel da constante das molas &amp;lt;math&amp;gt;k&amp;lt;/math&amp;gt; apresentada anteriormente para o caso puramente linear, enquanto &amp;lt;math&amp;gt;k_{2}&amp;lt;/math&amp;gt; informa a intensidade da força não-linear. Podemos isolar a aceleração &amp;lt;math&amp;gt;\ddot{x}_{i}&amp;lt;/math&amp;gt; nesta equação; seguindo os passos feitos por Lucero et al., 2021&amp;lt;ref name=Lucero2021/&amp;gt;, vamos escolher &amp;lt;math&amp;gt;k_{1}/m = 1&amp;lt;/math&amp;gt; e definir &amp;lt;math&amp;gt;\alpha \equiv k_{1}/m&amp;lt;/math&amp;gt;. A equação fica então:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;m\ddot{x}_{i} = (x_{i+1} - x_{i}) + (x_{i-1} - x_{i}) + \alpha \left[(x_{i+1} - x_{i})^2 + (x_{i-1} - x_{i})^2 \right]&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Implementação numérica ==&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\ddot{x}_{i} =&lt;br /&gt;
 \begin{cases}&lt;br /&gt;
       -kx_{1} - k(x_{1}-x_{2})\text{,} &amp;amp;\quad\text{se} \quad i = 1\\&lt;br /&gt;
       -k(x_{i}-x_{i-1}) - k(x_{i}-x_{i+1}) \text{,} &amp;amp;\quad\text{se} \quad 1&amp;lt;i&amp;lt;N \\&lt;br /&gt;
       -kx_{N} - k(x_{N}-x_{N-1}) \text{,} &amp;amp;\quad\text{se} \quad i = N \quad\quad (11)\\&lt;br /&gt;
     \end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Resultados e discussão ==&lt;br /&gt;
&lt;br /&gt;
=== Osciladores Lineares Acoplados ===&lt;br /&gt;
&lt;br /&gt;
====N=2====&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
OA1DN2-modo1.gif|Modo de oscilação simétrico (modo 1) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas.&lt;br /&gt;
OA1DN2-modo2.gif|Modo de oscilação antissimétrico (modo 2) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas.&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
As duas simulações acima ilustram os dois modos normais de oscilação de um oscilador acoplado linear unidimensional com N=2. É possível observar que a frequência do modo simétrico é menor do que a frequência do modo antissimétrico.&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=300px&amp;gt;&lt;br /&gt;
posOL1D-N2.png|Modo de oscilação simétrico (modo 1) de um oscilador linear acoplado unidimensional. Gráficos dos deslocamentos (x) em relação à posição de equilíbrio das partículas 1 (esquerda na simulação acima) e 2 (direita na simulação acima).&lt;br /&gt;
posOL1D-N2A.png|Modo de oscilação antissimétrico (modo 2) de um oscilador linear acoplado unidimensional. Gráficos dos deslocamentos (x) em relação à posição de equilíbrio das partículas 1 (esquerda na simulação acima) e 2 (direita na simulação acima).&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== FPUT quadrático ===&lt;br /&gt;
&lt;br /&gt;
Parâmetros da simulação com deslocamento vertical: &amp;lt;math&amp;gt;k = 0.95; m = 1.05; \alpha = 1.2; \Delta t = 0.5; t_{max} = 5500; L = 20.0; N = 32&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&lt;br /&gt;
&amp;lt;li style=&amp;quot;display: inline-block;&amp;quot;&amp;gt;[[Arquivo:fput_deslocamento_vertical_parte1.gif|600px|left|thumb|center|&#039;&#039;&#039;Figura X.&#039;&#039;&#039; Primeira parte da simulação do oscilador acoplado com N=32 partículas com deslocamento limitado a vertical. Nessa animação podemos ver as primeiras iterações após a condição inicial proposta no trabalho original.]]&amp;lt;/li&amp;gt;&lt;br /&gt;
&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&lt;br /&gt;
&amp;lt;li style=&amp;quot;display: inline-block;&amp;quot;&amp;gt;[[Arquivo:fput_deslocamento_vertical_parte2.gif|600px|left|thumb|center|&#039;&#039;&#039;Figura X.&#039;&#039;&#039; Segunda parte da simulação do oscilador acoplado com N=32 partículas com deslocamento limitado a vertical. Nessa animação vemos o sistema retornando a uma posição próxima da condição inicial.]]&amp;lt;/li&amp;gt;&lt;br /&gt;
&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Programa ==&lt;br /&gt;
&lt;br /&gt;
* [[Código em C e scripts para FPUT com deslocamento vertical]]&lt;br /&gt;
&lt;br /&gt;
* [[Código em Python para simulações de osciladores lineares e FPUT quadrático]]&lt;br /&gt;
&lt;br /&gt;
== Referências ==&lt;br /&gt;
&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Bibliografia principal ==&lt;br /&gt;
* Marion, J.B., Thornton, S.T. &amp;quot;Classical Dynamics of Particles and Systems&amp;quot;. Thomson Learning, Belmont, 2004.&lt;br /&gt;
* Giordano, N.J., Nakanishi, H. &amp;quot;Computational Physics&amp;quot;. 2nd Edition. Prentice Hall, Upper Saddle River, 2006.&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Arquivo:OLA-modelo-geral.jpg&amp;diff=7483</id>
		<title>Arquivo:OLA-modelo-geral.jpg</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Arquivo:OLA-modelo-geral.jpg&amp;diff=7483"/>
		<updated>2022-05-03T00:55:53Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: Samuelhd enviou uma nova versão de &amp;amp;quot;Arquivo:OLA-modelo-geral.jpg&amp;amp;quot;&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;Ilustração de um modelo geral unidimensional de osciladores lineares acoplados&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Oscila%C3%A7%C3%B5es_Acopladas/Problema_de_Fermi-Pasta-Ulam-Tsingou&amp;diff=7482</id>
		<title>Oscilações Acopladas/Problema de Fermi-Pasta-Ulam-Tsingou</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Oscila%C3%A7%C3%B5es_Acopladas/Problema_de_Fermi-Pasta-Ulam-Tsingou&amp;diff=7482"/>
		<updated>2022-05-03T00:55:33Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: /* Osciladores Lineares Acoplados */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&#039;&#039;&#039;Grupo:&#039;&#039;&#039; Paula Pandolfo, Ramiro de Souza, Samuel Dieterich e Wallace Carvalho&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Objetivo:&#039;&#039;&#039; Este trabalho tem dois objetivos principais: apresentar alguns resultados analíticos de osciladores lineares acoplados, comparando esses resultados com simulações computacionais; e implementar o modelo de osciladores acoplados com a adição de um termo quadrático, conforme inicialmente apresentado pelo artigo original do problema de Fermi-Pasta-Ulam-Tsingou (FPUT), analisando os resultados. Apresentaremos algumas simulações dos casos bidimensionais, mas as análises de resultados serão restritas aos casos unidimensionais, por simplicidade. Inicialmente será introduzido o formalismo de oscilações acopladas lineares. [falta complementar]&lt;br /&gt;
&lt;br /&gt;
== Introdução ==&lt;br /&gt;
Os &#039;&#039;&#039;osciladores&#039;&#039;&#039; talvez sejam os sistemas mais estudados em toda a Física, sendo capazes de modelar uma ampla gama de fenômenos, como, p. ex., pêndulos, circuitos eletrônicos e interações moleculares. O comportamento linear desse tipo de sistema, em particular, possui resultados analíticos bem conhecidos, facilitando o tratamento matemático de sistemas complexos modeláveis por conjuntos de osciladores.&lt;br /&gt;
&lt;br /&gt;
O problema de FPUT (Enrico Fermi, John R. Pasta, Stanislaw M. Ulam, Mary Tsingou) resulta da análise computacional de um sistema de partículas que apenas interagem com seus vizinhos, com interações modeladas por oscilações acopladas com a adição de um termo não-linear, que pode ser quadrático ou cúbico. O intuito original da simulação era estudar como tal sistema evolui para o equilíbrio térmico. Se as forças envolvidas forem estritamente lineares, a energia alocada em cada modo de vibração não se distribui entre os demais modos, e o sistema nunca atinge o equilíbrio térmico. Adicionando termos não lineares, supunha-se que, pelo Teorema da Equipartição da Energia, a energia total do sistema seria distribuída uniformemente entre os modos normais de vibração após um certo tempo, resultando no equilíbrio térmico do sistema. Entretanto, isso não foi observado nas simulações computacionais.&lt;br /&gt;
&lt;br /&gt;
O caso foi estudado pela primeira vez em Los Alamos, nos Estados Unidos, e implementado no computador MANIAC I (Mathematical Analyzer Numerical Integrator and Automatic Computer Model I). Além dos três participantes coautores do artigo &amp;lt;ref name=FPUToriginal&amp;gt;Fermi, E.; Pasta, J.; Ulam, S. (1955). &amp;quot;Studies of Nonlinear Problems&amp;quot; (PDF). Document LA-1940. Los Alamos National Laboratory. [Acessado 02 Maio 2022]. [http://www.physics.utah.edu/~detar/phys6720/handouts/fpu/FermiCollectedPapers1965.pdf]&amp;lt;/ref&amp;gt;. que relatou o caso em 1955, Mary Tsingou implementou o código e resolveu numericamente o sistema. Atualmente, por essa razão, o paradoxo é denominado pela sigla FPUT (Fermi-Pasta-Ulam-Tsingou).&amp;lt;ref name=WeThankMTsingou&amp;gt;Grant, V. &amp;quot;We Thank Miss Mary Tsingou&amp;quot;, National Security Science. Winter 2020: pp. 36-43. [Acessado 02 Maio 2022]. [https://www.lanl.gov/discover/publications/national-security-science/2020-winter/mary-tsingou.shtml]&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A abordagem adotada no presente trabalho é a seguinte: inicialmente, serão apresentados alguns resultados teóricos bem conhecidos de osciladores lineares acoplados. A seguir, compararemos esses resultados com simulações computacionais. [falta complementar]&lt;br /&gt;
&lt;br /&gt;
== Osciladores Lineares Acoplados==&lt;br /&gt;
&lt;br /&gt;
Um modelo geral de sistema unidimensional de osciladores lineares acoplados é ilustrado pela &#039;&#039;&#039;Figura 1&#039;&#039;&#039;. Para fins de simplificação do problema e minimização do número de parâmetros utilizados nas simulações, vamos considerar o caso em que todas as massas e constantes das molas sejam iguais, mesmo que essa suposição não seja estritamente necessária.  &lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&lt;br /&gt;
&amp;lt;li style=&amp;quot;display: inline-block;&amp;quot;&amp;gt;[[Arquivo:OLA-modelo-geral.jpg|500px|left|thumb|center|&#039;&#039;&#039;Figura 1.&#039;&#039;&#039; Ilustração de um modelo geral unidimensional de oscilações acopladas. A figura foi criada por Paula Pandolfo, uma das integrantes do grupo.]]&amp;lt;/li&amp;gt;&lt;br /&gt;
&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Cada partícula possui duas vizinhas com as quais interage por meio das molas, exceto as partículas localizadas nos extremos da cadeia, que possuem apenas uma partícula vizinha cada. As interações das partículas dos extremos das cadeias se restringem, portanto, à interação com uma vizinha e com uma mola conectada a uma das paredes externas à cadeia. Como este problema é unidimensional, a posição de cada partícula pode ser descrita por apenas um grau de liberdade. Vamos escolher os deslocamentos &amp;lt;math&amp;gt;x_i&amp;lt;/math&amp;gt; em relação à respectiva posição de equilíbrio da partícula &amp;lt;math&amp;gt;i&amp;lt;/math&amp;gt; como nossas coordenadas generalizadas, definindo como positivos os deslocamentos para a direita e negativos para a esquerda. No total, um sistema com &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; partículas terá, portanto, &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; graus de liberdade. Vamos tratar aqui o caso em que as forças das molas são lineares, i.e., dadas por &amp;lt;math&amp;gt;F=-kx&amp;lt;/math&amp;gt;. &#039;&#039;&#039;Além disso, para simplificar, nos casos abaixo vamos considerar que todas as molas possuem as mesmas constantes &amp;lt;math&amp;gt;k&amp;lt;/math&amp;gt; e todas as partículas possuem as mesmas massas &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt;&#039;&#039;&#039;.&lt;br /&gt;
&lt;br /&gt;
=== N=2 ===&lt;br /&gt;
&#039;&#039;&#039;Nota:&#039;&#039;&#039; O conteúdo abaixo segue aproximadamente a seção 12.2 de Marion e Thornton (2004).&amp;lt;ref name=Marion2004&amp;gt;Marion e Thornton, pp. 469-473&amp;lt;/ref&amp;gt; Entretanto, há diversas modificações e inclusões. Por exemplo, na descrição das equações de movimento e nas definições dos modos normais.&lt;br /&gt;
&lt;br /&gt;
Para nos familiarizarmos com este sistema, consideremos inicialmente o caso do oscilador linear acoplado mais simples, com apenas duas partículas (&amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt;), cada uma com massa &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt;, e três molas com os mesmos valores de constantes, &amp;lt;math&amp;gt;k&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Utilizando a segunda lei de Newton, mostra-se que as equações de movimento do sistema são:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
m\ddot{x}_{1} &amp;amp;= -kx_{1} - k(x_{1}-x_{2}) \\&lt;br /&gt;
m\ddot{x}_{2} &amp;amp;= -kx_{2} - k(x_{2}-x_{1}) \quad (1)\\&lt;br /&gt;
\end{align}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Uma forma direta de se montar as equações de movimento de um sistema acoplado é pensar em termos dos deslocamentos em relação às posições de equilíbrio (&amp;lt;math&amp;gt;x_{i}&amp;lt;/math&amp;gt;, com &amp;lt;math&amp;gt;i=1,2&amp;lt;/math&amp;gt;, no sistema considerado aqui). Por exemplo, na primeira das equações acima, a partícula 1 está sujeita à força elástica da mola conectada à parede (termo &amp;lt;math&amp;gt;-kx_{1}&amp;lt;/math&amp;gt;) e à força da mola conectada à partícula 2 (termo &amp;lt;math&amp;gt;-k(x_{1}-x_{2})&amp;lt;/math&amp;gt;). Esse último termo é definido conforme o seguinte: caso a mola que está conectada às partículas 1 e 2 esteja comprimida, &amp;lt;math&amp;gt;x_{1}&amp;lt;/math&amp;gt; deve ser maior que &amp;lt;math&amp;gt;x_{2}&amp;lt;/math&amp;gt; e a partícula 1 estará sofrendo uma força que é contrária à compressão, ou seja, com sinal negativo. De modo semelhante para a partícula 2, mas nesse caso, devido à posição ocupada pela partícula 2 na cadeia, com &amp;lt;math&amp;gt;x_{1}&amp;lt;/math&amp;gt; maior que &amp;lt;math&amp;gt;x_{2}&amp;lt;/math&amp;gt;, o sentido da força contrária à compressão tem sinal positivo, manifestando a terceira lei de Newton.&lt;br /&gt;
&lt;br /&gt;
Uma dificuldade imposta pelo sistema (1) é o fato das equações serem acopladas, que a aceleração da partícula 1 depende da posição da partícula 2, e vice-versa. Vamos supor que esse sistema de equações tenha soluções na seguinte forma:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{1}(t) &amp;amp;= A_{1}e^{-i\omega t} \\&lt;br /&gt;
x_{2}(t) &amp;amp;= A_{2}e^{-i\omega t} \quad (2)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Onde &amp;lt;math&amp;gt;A_{1}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;A_{2}&amp;lt;/math&amp;gt; são constantes e &amp;lt;math&amp;gt;\omega&amp;lt;/math&amp;gt; é uma frequência angular ainda indeterminada. Essa suposição é fisicamente justificável: sabemos que as soluções são oscilatórias, e exponenciais imaginárias podem ser escritas em termos de senos e cossenos pela fórmula de Euler. Se substituirmos a equação (2) na equação (1) e rearranjarmos os termos, obtemos:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
-mw^{2}A_{1}e^{-i\omega t} + 2kA_{1}e^{-i\omega t} -kA_{2}e^{-i\omega t} &amp;amp;= 0 \\&lt;br /&gt;
-mw^{2}A_{2}e^{-i\omega t} + 2kA_{2}e^{-i\omega t} -kA_{1}e^{-i\omega t} &amp;amp;= 0 \\&lt;br /&gt;
\end{align}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Ou, eliminando as exponenciais e reagrupando termos:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
(2k-mw^{2})&amp;amp;A_{1} &amp;amp;-kA_{2} &amp;amp;= 0 \\&lt;br /&gt;
-k&amp;amp;A_{1} &amp;amp;+(2k-mw^{2})A_{2} &amp;amp;= 0 \quad (3)\\ &lt;br /&gt;
\end{align}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O sistema de equações (3) apenas terá soluções não triviais se o determinante da matriz dos coeficientes que acompanham os &amp;lt;math&amp;gt;A_{i}&amp;lt;/math&amp;gt; for igual a zero, i.e.:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{vmatrix}&lt;br /&gt;
(2k-mw^{2}) &amp;amp; -k \\ &lt;br /&gt;
-k &amp;amp; (2k-mw^{2})  &lt;br /&gt;
\end{vmatrix} = 0 &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O resultado desse determinante ser igual a zero é uma equação quadrática simples em &amp;lt;math&amp;gt;\omega^2&amp;lt;/math&amp;gt;, sendo as soluções facilmente obtidas. Como para cada solução &amp;lt;math&amp;gt;\omega&amp;lt;/math&amp;gt; existe uma solução &amp;lt;math&amp;gt;-\omega&amp;lt;/math&amp;gt;, apresentaremos apenas o módulo das frequências:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
\omega_{1} = \sqrt{\frac{k}{m}} \quad \quad \omega_{2} = \sqrt{\frac{3k}{m}} \quad (4)&lt;br /&gt;
\end{align} &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;\omega_{1}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\omega_{2}&amp;lt;/math&amp;gt; são as frequências características ou autofrequências do sistema. As soluções mais gerais do sistema de equações diferenciais lineares (1) vão ser então combinações lineares das soluções (2) com as frequências dadas por (4):&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{1}(t) = a_{1}^{1}e^{i\omega_{1} t} &amp;amp;+ a_{1}^{2}e^{-i\omega_{1} t} &amp;amp;+ a_{1}^{3}e^{i\omega_{2} t} &amp;amp;+ a_{1}^{4}e^{-i\omega_{2} t} \\&lt;br /&gt;
x_{2}(t) = a_{2}^{1}e^{i\omega_{1} t} &amp;amp;+ a_{2}^{2}e^{-i\omega_{1} t} &amp;amp;+ a_{2}^{3}e^{i\omega_{2} t} &amp;amp;+ a_{2}^{4}e^{-i\omega_{2} t} \quad (5)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Nota-se que cada uma das soluções é uma superposição (em geral) complicada que envolve as duas autofrequências. Isso é uma consequência direta do acoplamento presente no sistema (1). Para eliminar este acoplamento, vamos definir novas variáveis: &amp;lt;math&amp;gt;\eta_{1} = x_{1} + x_{2}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\eta_{2} = x_{1} - x_{2}&amp;lt;/math&amp;gt;, ou&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{1} = \frac{\eta_{1} + \eta_{2}}{2} \\&lt;br /&gt;
x_{2} = \frac{\eta_{1} - \eta_{2}}{2}&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Substituindo essas expressões no sistema de equações (1):&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
m(\ddot{\eta}_{1} + \ddot{\eta}_{2}) + k\eta_{1} + 3k\eta_{2} = 0 \\&lt;br /&gt;
m(\ddot{\eta}_{1} - \ddot{\eta}_{2}) + k\eta_{1} - 3k\eta_{2} = 0&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Se somarmos as duas equações acima e subtrairmos a segunda da primeira, obtemos, respectivamente:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
m\ddot{\eta}_{1} + k\eta_{1} = 0 \\&lt;br /&gt;
m\ddot{\eta}_{2} + 3k\eta_{2} = 0&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Reconhecemos imediatamente as equações acima como equações de osciladores harmônicos simples, desacopladas e, portanto, com soluções independentes. As soluções são dadas por&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
\eta_{1}(t) &amp;amp;= c_{1}e^{i\omega_{1}t} + c_{2}e^{-i\omega_{1}t} \\&lt;br /&gt;
\eta_{2}(t) &amp;amp;= c_{3}e^{i\omega_{2}t} + c_{4}e^{-i\omega_{2}t} \quad (6)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;\eta_{1}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\eta_{2}&amp;lt;/math&amp;gt; são chamadas de coordenadas normais. Por definição, são coordenadas que desacoplam as equações diferenciais do sistema e possuem soluções com frequências únicas, bem definidas. Sempre podem ser escritas como algum tipo de combinação linear das coordenadas originais. De modo semelhante, as coordenadas usuais do sistema sempre podem ser escritas como combinações lineares das coordenadas normais. No caso geral, para mais partículas, são trabalhosas de se encontrar. Note-se que, no caso de duas partículas, é simples encontrá-las meramente por inspeção. Se impusermos as condições iniciais &amp;lt;math&amp;gt;x_{1}(0) = x_{2}(0)&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\dot{x}_{1}(0) = \dot{x}_{2}(0)&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\eta_{2}(0) = x_{1}(0) - x_{2}(0) = 0&amp;lt;/math&amp;gt; e as constantes &amp;lt;math&amp;gt;c_{3}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;c_{4}&amp;lt;/math&amp;gt; vão ser iguais a zero, o que implica &amp;lt;math&amp;gt;\eta_{2}(t) = 0&amp;lt;/math&amp;gt;, para todo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Esse primeiro modo normal corresponderá a uma oscilação simétrica, em que as duas partículas oscilarão em fase, com frequência &amp;lt;math&amp;gt;\omega_{1}&amp;lt;/math&amp;gt;. De modo semelhante, se impusermos as condições iniciais &amp;lt;math&amp;gt;x_{1}(0) = -x_{2}(0)&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\dot{x}_{1}(0) = -\dot{x}_{2}(0)&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\eta_{1}(t) = 0&amp;lt;/math&amp;gt;, para todo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;, e as partículas oscilarão fora de fase, com frequência &amp;lt;math&amp;gt;\omega_{2}&amp;lt;/math&amp;gt;. Pelas expressões dadas em (4), note-se que a frequência associada ao modo simétrico é menor do que a frequência do modo antissimétrico: esse é um resultado geral de oscilações acopladas. Quanto maior o grau de simetria da oscilação, menor o valor da frequência.&amp;lt;ref name=Marion2004&amp;gt;&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== N=3 ===&lt;br /&gt;
&lt;br /&gt;
Seguindo a mesma lógica apresentada para &amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt; partículas, podemos montar as equações de movimento do sistema com &amp;lt;math&amp;gt;N=3&amp;lt;/math&amp;gt; partículas. A única diferença é que a partícula central apenas está conectada a partículas vizinhas, não estando conectada a paredes externas: &lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
m\ddot{x}_{1} &amp;amp;= -kx_{1} - k(x_{1}-x_{2}) \\&lt;br /&gt;
m\ddot{x}_{2} &amp;amp;= -k(x_{2}-x_{1}) - k(x_{2}-x_{3}) \\&lt;br /&gt;
m\ddot{x}_{3} &amp;amp;= -kx_{3} - k(x_{3}-x_{2}) \quad (7)\\&lt;br /&gt;
\end{align}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Supondo soluções do tipo&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{1}(t) &amp;amp;= A_{1}e^{-i\omega t} \\&lt;br /&gt;
x_{2}(t) &amp;amp;= A_{2}e^{-i\omega t} \\&lt;br /&gt;
x_{3}(t) &amp;amp;= A_{3}e^{-i\omega t} \quad (8)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Substituindo (8) em (7) e seguindo os mesmos passos feitos para &amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt; partículas:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
(2k-mw^{2})A_{1} &amp;amp;-kA_{2} &amp;amp;+0A_{3} &amp;amp;= 0 \\&lt;br /&gt;
-kA_{1} &amp;amp;+(2k-mw^{2})A_{2} &amp;amp;-kA_{3} &amp;amp;= 0 \\&lt;br /&gt;
0A_{1} &amp;amp;-kA_{2} &amp;amp;+(2k-mw^{2})A_{3} &amp;amp;= 0 \\ &lt;br /&gt;
\end{align}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O sistema de equações acima apenas terá soluções não triviais se o determinante dos coeficientes dos &amp;lt;math&amp;gt;A_{i}&amp;lt;/math&amp;gt; for igual a zero, i.e.:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{vmatrix}&lt;br /&gt;
(2k-mw^{2}) &amp;amp; -k &amp;amp;0\\ &lt;br /&gt;
-k &amp;amp; (2k-mw^{2}) &amp;amp;-k \\&lt;br /&gt;
0 &amp;amp; -k &amp;amp; (2k-mw^{2})  &lt;br /&gt;
\end{vmatrix} = 0 &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A equação resultante é &amp;lt;math&amp;gt;(2k-m\omega^{2})^3 - 2k^2(2k-m\omega^2) = 0&amp;lt;/math&amp;gt;. Simples de ser resolvida analiticamente por fatoração, esta equação tem as soluções:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
\omega_{1} = \sqrt{\frac{k}{m}(2-\sqrt{2})} \quad\quad \omega_{2} = \sqrt{\frac{2k}{m}} \quad\quad \omega_{3} = \sqrt{\frac{k}{m}(2+\sqrt{2})} \quad (9)&lt;br /&gt;
\end{align} &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Note-se que aqui já não é mais tão simples identificar as coordenadas normais. Além disso, embora tenha sido simples até aqui obter as autofrequências, o processo é tedioso e a equação característica pode ser difícil de se resolver analiticamente.&lt;br /&gt;
&lt;br /&gt;
Podemos escrever as soluções da seguinte forma, de modo semelhante a como fizemos para &amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{1}(t) = a_{1}^{1}e^{i\omega_{1} t} &amp;amp;+ a_{1}^{2}e^{-i\omega_{1} t} &amp;amp;+ a_{1}^{3}e^{i\omega_{2} t} &amp;amp;+ a_{1}^{4}e^{-i\omega_{2} t} &amp;amp;+ a_{1}^{5}e^{i\omega_{3} t} &amp;amp;+ a_{1}^{6}e^{-i\omega_{3} t}\\&lt;br /&gt;
x_{2}(t) = a_{2}^{1}e^{i\omega_{1} t} &amp;amp;+ a_{2}^{2}e^{-i\omega_{1} t} &amp;amp;+ a_{2}^{3}e^{i\omega_{2} t} &amp;amp;+ a_{2}^{4}e^{-i\omega_{2} t} &amp;amp;+ a_{2}^{5}e^{i\omega_{3} t} &amp;amp;+ a_{2}^{6}e^{-i\omega_{3} t} \\&lt;br /&gt;
x_{3}(t) = a_{3}^{1}e^{i\omega_{1} t} &amp;amp;+ a_{3}^{2}e^{-i\omega_{1} t} &amp;amp;+ a_{3}^{3}e^{i\omega_{2} t} &amp;amp;+ a_{3}^{4}e^{-i\omega_{2} t} &amp;amp;+ a_{3}^{5}e^{i\omega_{3} t} &amp;amp;+ a_{3}^{6}e^{-i\omega_{3} t} \quad (10)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Caso geral ===&lt;br /&gt;
&lt;br /&gt;
O formalismo lagrangeano fornece uma técnica poderosa para encontrar as coordenadas normais, bem como as autofrequências [inserir referências]. No entanto, no presente trabalho, não precisamos fazer uso do formalismo lagrangeano. Será suficiente tratar o problema por análise de Fourier.&lt;br /&gt;
&lt;br /&gt;
Podemos generalizar, para o caso de um N qualquer maior que 3, e obter as seguintes equações de movimento:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\ddot{x}_{i} =&lt;br /&gt;
 \begin{cases}&lt;br /&gt;
       -kx_{1} - k(x_{1}-x_{2})\text{,} &amp;amp;\quad\text{se} \quad i = 1\\&lt;br /&gt;
       -k(x_{i}-x_{i-1}) - k(x_{i}-x_{i+1}) \text{,} &amp;amp;\quad\text{se} \quad 1&amp;lt;i&amp;lt;N \\&lt;br /&gt;
       -kx_{N} - k(x_{N}-x_{N-1}) \text{,} &amp;amp;\quad\text{se} \quad i = N \quad\quad (11)\\&lt;br /&gt;
     \end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O conjunto de equações (11) vai ser importante para a implementação numérica. &lt;br /&gt;
&lt;br /&gt;
As soluções (5) e (10) apresentam um padrão. Se tomarmos apenas as partes reais das soluções, podemos redefinir as constantes duas a duas e escrever a solução geral como:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{l}(t) &amp;amp;= \sum_{m=1}^{N}a_{m}^{l}\cos(\omega_{m}t)\text{,} \quad \text{com}\quad l=1\text{,}\,\text{...}\text{,}\,N\\&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
As constantes &amp;lt;math&amp;gt;a_{m}^{l}&amp;lt;/math&amp;gt; são chamadas de amplitudes dos modos normais e indicam o quanto de cada modo normal, de frequência bem definida, está presente na solução de cada &amp;lt;math&amp;gt;x_{l}(t)&amp;lt;/math&amp;gt;. É possível mostrar (o que não faremos aqui por razões de tempo e espaço, mas pode ser consultado nas referências &amp;lt;ref name=Lucero2021&amp;gt;Lucero, Davi de Mello e Pinheiro Moreira, Pedro Augusto Franco. &amp;quot;O problema Fermi-Pasta-Ulam-Tsingou: Equiparticão de energia vista através de simulações computacionais&amp;quot;. Revista Brasileira de Ensino de Física [online]. 2021, v. 43 [Acessado 1 Maio 2022]. [https://www.scielo.br/j/rbef/a/SkRCy5fdnGbhfxNjpx5BkRD/?lang=pt#]&amp;lt;/ref&amp;gt;) que, usando condições de contorno &amp;lt;math&amp;gt;x_{0}(t) = x_{N+1}(t) = 0&amp;lt;/math&amp;gt;, as soluções podem ser reescritas como&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{l}(t) &amp;amp;= \sum_{m=1}^{N}c_{m}\sin\left(\frac{lm\pi}{N+1}\right)\cos(w_{m}t) \text{, com}\quad l=1\text{,}\,\text{...}\text{,}\,N\\&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
É comum na literatura&amp;lt;ref name=Giordano2006&amp;gt;Giordano e Nakanishi, pp. 296-297&amp;lt;/ref&amp;gt; redefinir a constante &amp;lt;math&amp;gt;c_{m}&amp;lt;/math&amp;gt; da seguinte forma:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{l}(t) &amp;amp;= \sqrt{\frac{2}{N+1}}\sum_{m=1}^{N}a_{m}\sin\left(\frac{lm\pi}{N+1}\right)\cos(w_{m}t) \text{, com}\quad l=1\text{,}\,\text{...}\text{,}\,N\\&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A qualquer instante de tempo, os deslocamentos das partículas em relação às posições de equilíbrio podem ser escritos como uma soma de modos normais. Esses modos normais são ondas estacionárias. Ver, por exemplo, a &#039;&#039;&#039;Figura 2&#039;&#039;&#039;, com os cinco primeiros modos. &lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&lt;br /&gt;
&amp;lt;li style=&amp;quot;display: inline-block;&amp;quot;&amp;gt;[[Arquivo:modos.png|500px|left|thumb|center|&#039;&#039;&#039;Figura 2.&#039;&#039;&#039; Cinco primeiros modos de oscilação para um oscilador acoplado com N=32 partículas]]&amp;lt;/li&amp;gt;&lt;br /&gt;
&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
É possível, portanto, por uma transformada inversa, escrever&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
a_{m} &amp;amp;= \sqrt{\frac{2}{N+1}}\sum_{i=1}^{N}x_{i}\sin\left(\frac{im\pi}{N+1}\right) \text{, com}\quad m=1\text{,}\,\text{...}\text{,}\,N\\&lt;br /&gt;
\end{align} \quad (12)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
As energias de cada modo podem ser escritas como (com &amp;lt;math&amp;gt;\dot{a}_{m}&amp;lt;/math&amp;gt; representando a amplitude da velocidade do modo):&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
E_{m} &amp;amp;= \frac{1}{2}\left[\left(\dot{a}_{m}^{2} + \omega_{m}^2a_{m}^2\right)\right] \quad (13)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
E as frequências podem ser calculadas por (uma demonstração pode ser encontrada nas referências&amp;lt;ref name=Lucero2021&amp;gt;&amp;lt;/ref&amp;gt;, supõe-se que as frequências dos modos são menores ou iguais a duas vezes a frequência natural, &amp;lt;math&amp;gt;\omega_{m} \le 2\omega_{0} = 2\sqrt{k/m}&amp;lt;/math&amp;gt; ):&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
\omega_{m} &amp;amp;= 2\omega_{0}\sin\left(\frac{m\pi}{2(N+1)}\right) \quad (14)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Todas as expressões mostradas nesta seção são válidas mesmo para o caso de oscilações acopladas não lineares, como é o caso do FPUT.&amp;lt;ref name=Giordano2006&amp;gt;&amp;lt;/ref&amp;gt; [adicionar mais referências]&lt;br /&gt;
&lt;br /&gt;
Podemos comparar, por exemplo, os valores que encontramos para as autofrequências nos casos &amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;N=3&amp;lt;/math&amp;gt; com os resultados da equação (14). Seja, por exemplo, &amp;lt;math&amp;gt;k=m=1&amp;lt;/math&amp;gt;. Para &amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt;, pelas expressões (4), &amp;lt;math&amp;gt;\omega_{1} = 1&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\omega_{2} = \sqrt{3}&amp;lt;/math&amp;gt;, que são os mesmos resultados fornecidos pela equação (14). De modo semelhante, para &amp;lt;math&amp;gt;N=3&amp;lt;/math&amp;gt;, pelas expressões (9), &amp;lt;math&amp;gt;\omega_{1} =\sqrt{2-\sqrt{2}}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\omega_{2} = \sqrt{2}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\omega_{3} =\sqrt{2+\sqrt{2}}&amp;lt;/math&amp;gt;, que também são os mesmos resultados fornecidos pela equação (14).&lt;br /&gt;
&lt;br /&gt;
== Adição de Termos Não-Lineares: Problema de FPUT ==&lt;br /&gt;
Como já discutido, se as forças em um sistema de osciladores acoplados forem todas da forma da lei de Hooke, o sistema jamais alcançará o equilíbrio térmico, pois os modos têm independência linear entre si. Para fazer isso, temos de acrescentar termos não-lineares de interação. Vamos tratar aqui o primeiro caso estudado no artigo original,&amp;lt;ref name=FPUToriginal/&amp;gt; em que os termos não-lineares são quadráticos nas coordenadas &amp;lt;math&amp;gt;x_i&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
A forma dos termos quadráticos que vamos utilizar é construída por analogia com os termos lineares. Para os osciladores internos, teremos então a seguinte equação de movimento:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;m\ddot{x}_{i} = k_{1}\left[(x_{i+1} - x_{i}) + (x_{i-1} - x_{i})\right] + k_{2}\left[(x_{i+1} - x_{i})^2 + (x_{i-1} - x_{i})^2 \right]&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Nessa equação, a constante &amp;lt;math&amp;gt;k_{1}&amp;lt;/math&amp;gt; faz o papel da constante das molas &amp;lt;math&amp;gt;k&amp;lt;/math&amp;gt; apresentada anteriormente para o caso puramente linear, enquanto &amp;lt;math&amp;gt;k_{2}&amp;lt;/math&amp;gt; informa a intensidade da força não-linear. Podemos isolar a aceleração &amp;lt;math&amp;gt;\ddot{x}_{i}&amp;lt;/math&amp;gt; nesta equação; seguindo os passos feitos por Lucero et al., 2021&amp;lt;ref name=Lucero2021/&amp;gt;, vamos escolher &amp;lt;math&amp;gt;k_{1}/m = 1&amp;lt;/math&amp;gt; e definir &amp;lt;math&amp;gt;\alpha \equiv k_{1}/m&amp;lt;/math&amp;gt;. A equação fica então:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;m\ddot{x}_{i} = (x_{i+1} - x_{i}) + (x_{i-1} - x_{i}) + \alpha \left[(x_{i+1} - x_{i})^2 + (x_{i-1} - x_{i})^2 \right]&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Implementação numérica ==&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\ddot{x}_{i} =&lt;br /&gt;
 \begin{cases}&lt;br /&gt;
       -kx_{1} - k(x_{1}-x_{2})\text{,} &amp;amp;\quad\text{se} \quad i = 1\\&lt;br /&gt;
       -k(x_{i}-x_{i-1}) - k(x_{i}-x_{i+1}) \text{,} &amp;amp;\quad\text{se} \quad 1&amp;lt;i&amp;lt;N \\&lt;br /&gt;
       -kx_{N} - k(x_{N}-x_{N-1}) \text{,} &amp;amp;\quad\text{se} \quad i = N \quad\quad (11)\\&lt;br /&gt;
     \end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Resultados e discussão ==&lt;br /&gt;
&lt;br /&gt;
=== Osciladores Lineares Acoplados ===&lt;br /&gt;
&lt;br /&gt;
====N=2====&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=250px&amp;gt;&lt;br /&gt;
OA1DN2-modo1.gif|Modo de oscilação simétrico (modo 1) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas.&lt;br /&gt;
OA1DN2-modo2.gif|Modo de oscilação antissimétrico (modo 2) de um oscilador linear acoplado unidimensional, simulado com k=m=1 para todas as massas e molas.&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
As duas simulações acima ilustram os dois modos normais de oscilação de um oscilador acoplado linear unidimensional com N=2. É possível observar que a frequência do modo simétrico é menor do que a frequência do modo antissimétrico.&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery class=&amp;quot;center&amp;quot; mode=packed heights=300px&amp;gt;&lt;br /&gt;
posOL1D-N2.png|Modo de oscilação simétrico (modo 1) de um oscilador linear acoplado unidimensional. Gráficos dos deslocamentos (x) em relação à posição de equilíbrio das partículas 1 (esquerda na simulação acima) e 2 (direita na simulação acima).&lt;br /&gt;
posOL1D-N2A.png|Modo de oscilação antissimétrico (modo 2) de um oscilador linear acoplado unidimensional. Gráficos dos deslocamentos (x) em relação à posição de equilíbrio das partículas 1 (esquerda na simulação acima) e 2 (direita na simulação acima).&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== FPUT quadrático ===&lt;br /&gt;
&lt;br /&gt;
Parâmetros da simulação com deslocamento vertical: &amp;lt;math&amp;gt;k = 0.95; m = 1.05; \alpha = 1.2; \Delta t = 0.5; t_{max} = 5500; L = 20.0; N = 32&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&lt;br /&gt;
&amp;lt;li style=&amp;quot;display: inline-block;&amp;quot;&amp;gt;[[Arquivo:fput_deslocamento_vertical_parte1.gif|600px|left|thumb|center|&#039;&#039;&#039;Figura X.&#039;&#039;&#039; Primeira parte da simulação do oscilador acoplado com N=32 partículas com deslocamento limitado a vertical. Nessa animação podemos ver as primeiras iterações após a condição inicial proposta no trabalho original.]]&amp;lt;/li&amp;gt;&lt;br /&gt;
&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&lt;br /&gt;
&amp;lt;li style=&amp;quot;display: inline-block;&amp;quot;&amp;gt;[[Arquivo:fput_deslocamento_vertical_parte2.gif|600px|left|thumb|center|&#039;&#039;&#039;Figura X.&#039;&#039;&#039; Segunda parte da simulação do oscilador acoplado com N=32 partículas com deslocamento limitado a vertical. Nessa animação vemos o sistema retornando a uma posição próxima da condição inicial.]]&amp;lt;/li&amp;gt;&lt;br /&gt;
&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Programa ==&lt;br /&gt;
&lt;br /&gt;
* [[Código em C e scripts para FPUT com deslocamento vertical]]&lt;br /&gt;
&lt;br /&gt;
* [[Código em Python para simulações de osciladores lineares e FPUT quadrático]]&lt;br /&gt;
&lt;br /&gt;
== Referências ==&lt;br /&gt;
&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Bibliografia principal ==&lt;br /&gt;
* Marion, J.B., Thornton, S.T. &amp;quot;Classical Dynamics of Particles and Systems&amp;quot;. Thomson Learning, Belmont, 2004.&lt;br /&gt;
* Giordano, N.J., Nakanishi, H. &amp;quot;Computational Physics&amp;quot;. 2nd Edition. Prentice Hall, Upper Saddle River, 2006.&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Oscila%C3%A7%C3%B5es_Acopladas/Problema_de_Fermi-Pasta-Ulam-Tsingou&amp;diff=7462</id>
		<title>Oscilações Acopladas/Problema de Fermi-Pasta-Ulam-Tsingou</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Oscila%C3%A7%C3%B5es_Acopladas/Problema_de_Fermi-Pasta-Ulam-Tsingou&amp;diff=7462"/>
		<updated>2022-05-02T19:50:14Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: /* Resultados e discussão */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&#039;&#039;&#039;Grupo:&#039;&#039;&#039; Paula Pandolfo, Ramiro de Souza, Samuel Dieterich e Wallace Carvalho&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Objetivo:&#039;&#039;&#039; Este trabalho tem dois objetivos principais: apresentar alguns resultados analíticos de osciladores lineares acoplados, comparando esses resultados com simulações computacionais; e implementar o modelo de osciladores acoplados com a adição de um termo quadrático, conforme inicialmente apresentado pelo artigo original do problema de Fermi-Pasta-Ulam-Tsingou (FPUT), analisando os resultados. Apresentaremos algumas simulações dos casos bidimensionais, mas as análises de resultados serão restritas aos casos unidimensionais, por simplicidade. Inicialmente será introduzido o formalismo de oscilações acopladas lineares. [falta complementar]&lt;br /&gt;
&lt;br /&gt;
== Introdução ==&lt;br /&gt;
Os &#039;&#039;&#039;osciladores&#039;&#039;&#039; talvez sejam os sistemas mais estudados em toda a Física, sendo capazes de modelar uma ampla gama de fenômenos, como, p. ex., pêndulos, circuitos eletrônicos e interações moleculares. O comportamento linear desse tipo de sistema, em particular, possui resultados analíticos bem conhecidos, facilitando o tratamento matemático de sistemas complexos modeláveis por conjuntos de osciladores.&lt;br /&gt;
&lt;br /&gt;
O problema de FPUT (Enrico Fermi, John R. Pasta, Stanislaw M. Ulam, Mary Tsingou) resulta da análise computacional de um sistema de partículas que apenas interagem com seus vizinhos, com interações modeladas por oscilações acopladas com a adição de um termo não-linear, que pode ser quadrático ou cúbico. O intuito original da simulação era estudar como tal sistema evolui para o equilíbrio térmico. Se as forças envolvidas forem estritamente lineares, a energia alocada em cada modo de vibração não se distribui entre os demais modos, e o sistema nunca atinge o equilíbrio térmico. Adicionando termos não lineares, supunha-se que, pelo Teorema da Equipartição da Energia, a energia total do sistema seria distribuída uniformemente entre os modos normais de vibração após um certo tempo, resultando no equilíbrio térmico do sistema. Entretanto, isso não foi observado nas simulações computacionais.&lt;br /&gt;
&lt;br /&gt;
O caso foi estudado pela primeira vez em Los Alamos, nos Estados Unidos, e implementado no computador MANIAC I (Mathematical Analyzer Numerical Integrator and Automatic Computer Model I). Além dos três participantes coautores do artigo &amp;lt;ref name=FPUToriginal&amp;gt;Fermi, E.; Pasta, J.; Ulam, S. (1955). &amp;quot;Studies of Nonlinear Problems&amp;quot; (PDF). Document LA-1940. Los Alamos National Laboratory. [Acessado 02 Maio 2022]. [http://www.physics.utah.edu/~detar/phys6720/handouts/fpu/FermiCollectedPapers1965.pdf]&amp;lt;/ref&amp;gt;. que relatou o caso em 1955, Mary Tsingou implementou o código e resolveu numericamente o sistema. Atualmente, por essa razão, o paradoxo é denominado pela sigla FPUT (Fermi-Pasta-Ulam-Tsingou).&amp;lt;ref name=WeThankMTsingou&amp;gt;Grant, V. &amp;quot;We Thank Miss Mary Tsingou&amp;quot;, National Security Science. Winter 2020: pp. 36-43. [Acessado 02 Maio 2022]. [https://www.lanl.gov/discover/publications/national-security-science/2020-winter/mary-tsingou.shtml]&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A abordagem adotada no presente trabalho é a seguinte: inicialmente, serão apresentados alguns resultados teóricos bem conhecidos de osciladores lineares acoplados. A seguir, compararemos esses resultados com simulações computacionais. [falta complementar]&lt;br /&gt;
&lt;br /&gt;
== Osciladores Lineares Acoplados==&lt;br /&gt;
&lt;br /&gt;
Um modelo geral de sistema unidimensional de osciladores lineares acoplados é ilustrado pela &#039;&#039;&#039;Figura 1&#039;&#039;&#039;. Para fins de simplificação do problema e minimização do número de parâmetros utilizados nas simulações, vamos considerar o caso em que todas as massas e constantes das molas sejam iguais, mesmo que essa suposição não seja estritamente necessária.  &lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&lt;br /&gt;
&amp;lt;li style=&amp;quot;display: inline-block;&amp;quot;&amp;gt;[[Arquivo:OLA-modelo-geral.jpg|500px|left|thumb|center|&#039;&#039;&#039;Figura 1.&#039;&#039;&#039; Ilustração de um modelo geral unidimensional de oscilações acopladas. A figura foi criada por Paula Pandolfo, uma das integrantes do grupo.]]&amp;lt;/li&amp;gt;&lt;br /&gt;
&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Cada partícula possui duas vizinhas com as quais interage por meio das molas, exceto as partículas localizadas nos extremos da cadeia, que possuem apenas uma partícula vizinha cada. As interações das partículas dos extremos das cadeias se restringem, portanto, à interação com uma vizinha e com uma mola conectada a uma das paredes externas à cadeia. Como este problema é unidimensional, a posição de cada partícula pode ser descrita por apenas um grau de liberdade. Vamos escolher os deslocamentos &amp;lt;math&amp;gt;x_i&amp;lt;/math&amp;gt; em relação à respectiva posição de equilíbrio da partícula &amp;lt;math&amp;gt;i&amp;lt;/math&amp;gt; como nossas coordenadas generalizadas, definindo como positivos os deslocamentos para a direita e negativos para a esquerda. No total, um sistema com &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; partículas terá, portanto, &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; graus de liberdade. Vamos tratar aqui o caso em que as forças das molas são lineares, i.e., dadas por &amp;lt;math&amp;gt;F=-kx&amp;lt;/math&amp;gt;. &#039;&#039;&#039;Além disso, para simplificar, nos casos abaixo vamos considerar que todas as molas possuem as mesmas constantes &amp;lt;math&amp;gt;k&amp;lt;/math&amp;gt; e todas as partículas possuem as mesmas massas &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt;&#039;&#039;&#039;.&lt;br /&gt;
&lt;br /&gt;
=== N=2 ===&lt;br /&gt;
&#039;&#039;&#039;Nota:&#039;&#039;&#039; O conteúdo abaixo segue aproximadamente a seção 12.2 de Marion e Thornton (2004).&amp;lt;ref name=Marion2004&amp;gt;Marion e Thornton, pp. 469-473&amp;lt;/ref&amp;gt; Entretanto, há diversas modificações e inclusões. Por exemplo, na descrição das equações de movimento e nas definições dos modos normais.&lt;br /&gt;
&lt;br /&gt;
Para nos familiarizarmos com este sistema, consideremos inicialmente o caso do oscilador linear acoplado mais simples, com apenas duas partículas (&amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt;), cada uma com massa &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt;, e três molas com os mesmos valores de constantes, &amp;lt;math&amp;gt;k&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Utilizando a segunda lei de Newton, mostra-se que as equações de movimento do sistema são:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
m\ddot{x}_{1} &amp;amp;= -kx_{1} - k(x_{1}-x_{2}) \\&lt;br /&gt;
m\ddot{x}_{2} &amp;amp;= -kx_{2} - k(x_{2}-x_{1}) \quad (1)\\&lt;br /&gt;
\end{align}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Uma forma direta de se montar as equações de movimento de um sistema acoplado é pensar em termos dos deslocamentos em relação às posições de equilíbrio (&amp;lt;math&amp;gt;x_{i}&amp;lt;/math&amp;gt;, com &amp;lt;math&amp;gt;i=1,2&amp;lt;/math&amp;gt;, no sistema considerado aqui). Por exemplo, na primeira das equações acima, a partícula 1 está sujeita à força elástica da mola conectada à parede (termo &amp;lt;math&amp;gt;-kx_{1}&amp;lt;/math&amp;gt;) e à força da mola conectada à partícula 2 (termo &amp;lt;math&amp;gt;-k(x_{1}-x_{2})&amp;lt;/math&amp;gt;). Esse último termo é definido conforme o seguinte: caso a mola que está conectada às partículas 1 e 2 esteja comprimida, &amp;lt;math&amp;gt;x_{1}&amp;lt;/math&amp;gt; deve ser maior que &amp;lt;math&amp;gt;x_{2}&amp;lt;/math&amp;gt; e a partícula 1 estará sofrendo uma força que é contrária à compressão, ou seja, com sinal negativo. De modo semelhante para a partícula 2, mas nesse caso, devido à posição ocupada pela partícula 2 na cadeia, com &amp;lt;math&amp;gt;x_{1}&amp;lt;/math&amp;gt; maior que &amp;lt;math&amp;gt;x_{2}&amp;lt;/math&amp;gt;, o sentido da força contrária à compressão tem sinal positivo, manifestando a terceira lei de Newton.&lt;br /&gt;
&lt;br /&gt;
Uma dificuldade imposta pelo sistema (1) é o fato das equações serem acopladas, que a aceleração da partícula 1 depende da posição da partícula 2, e vice-versa. Vamos supor que esse sistema de equações tenha soluções na seguinte forma:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{1}(t) &amp;amp;= A_{1}e^{-i\omega t} \\&lt;br /&gt;
x_{2}(t) &amp;amp;= A_{2}e^{-i\omega t} \quad (2)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Onde &amp;lt;math&amp;gt;A_{1}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;A_{2}&amp;lt;/math&amp;gt; são constantes e &amp;lt;math&amp;gt;\omega&amp;lt;/math&amp;gt; é uma frequência angular ainda indeterminada. Essa suposição é fisicamente justificável: sabemos que as soluções são oscilatórias, e exponenciais imaginárias podem ser escritas em termos de senos e cossenos pela fórmula de Euler. Se substituirmos a equação (2) na equação (1) e rearranjarmos os termos, obtemos:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
-mw^{2}A_{1}e^{-i\omega t} + 2kA_{1}e^{-i\omega t} -kA_{2}e^{-i\omega t} &amp;amp;= 0 \\&lt;br /&gt;
-mw^{2}A_{2}e^{-i\omega t} + 2kA_{2}e^{-i\omega t} -kA_{1}e^{-i\omega t} &amp;amp;= 0 \\&lt;br /&gt;
\end{align}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Ou, eliminando as exponenciais e reagrupando termos:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
(2k-mw^{2})&amp;amp;A_{1} &amp;amp;-kA_{2} &amp;amp;= 0 \\&lt;br /&gt;
-k&amp;amp;A_{1} &amp;amp;+(2k-mw^{2})A_{2} &amp;amp;= 0 \quad (3)\\ &lt;br /&gt;
\end{align}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O sistema de equações (3) apenas terá soluções não triviais se o determinante da matriz dos coeficientes que acompanham os &amp;lt;math&amp;gt;A_{i}&amp;lt;/math&amp;gt; for igual a zero, i.e.:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{vmatrix}&lt;br /&gt;
(2k-mw^{2}) &amp;amp; -k \\ &lt;br /&gt;
-k &amp;amp; (2k-mw^{2})  &lt;br /&gt;
\end{vmatrix} = 0 &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O resultado desse determinante ser igual a zero é uma equação quadrática simples em &amp;lt;math&amp;gt;\omega^2&amp;lt;/math&amp;gt;, sendo as soluções facilmente obtidas. Como para cada solução &amp;lt;math&amp;gt;\omega&amp;lt;/math&amp;gt; existe uma solução &amp;lt;math&amp;gt;-\omega&amp;lt;/math&amp;gt;, apresentaremos apenas o módulo das frequências:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
\omega_{1} = \sqrt{\frac{k}{m}} \quad \quad \omega_{2} = \sqrt{\frac{3k}{m}} \quad (4)&lt;br /&gt;
\end{align} &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;\omega_{1}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\omega_{2}&amp;lt;/math&amp;gt; são as frequências características ou autofrequências do sistema. As soluções mais gerais do sistema de equações diferenciais lineares (1) vão ser então combinações lineares das soluções (2) com as frequências dadas por (4):&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{1}(t) = a_{1}^{1}e^{i\omega_{1} t} &amp;amp;+ a_{1}^{2}e^{-i\omega_{1} t} &amp;amp;+ a_{1}^{3}e^{i\omega_{2} t} &amp;amp;+ a_{1}^{4}e^{-i\omega_{2} t} \\&lt;br /&gt;
x_{2}(t) = a_{2}^{1}e^{i\omega_{1} t} &amp;amp;+ a_{2}^{2}e^{-i\omega_{1} t} &amp;amp;+ a_{2}^{3}e^{i\omega_{2} t} &amp;amp;+ a_{2}^{4}e^{-i\omega_{2} t} \quad (5)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Nota-se que cada uma das soluções é uma superposição (em geral) complicada que envolve as duas autofrequências. Isso é uma consequência direta do acoplamento presente no sistema (1). Para eliminar este acoplamento, vamos definir novas variáveis: &amp;lt;math&amp;gt;\eta_{1} = x_{1} + x_{2}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\eta_{2} = x_{1} - x_{2}&amp;lt;/math&amp;gt;, ou&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{1} = \frac{\eta_{1} + \eta_{2}}{2} \\&lt;br /&gt;
x_{2} = \frac{\eta_{1} - \eta_{2}}{2}&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Substituindo essas expressões no sistema de equações (1):&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
m(\ddot{\eta}_{1} + \ddot{\eta}_{2}) + k\eta_{1} + 3k\eta_{2} = 0 \\&lt;br /&gt;
m(\ddot{\eta}_{1} - \ddot{\eta}_{2}) + k\eta_{1} - 3k\eta_{2} = 0&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Se somarmos as duas equações acima e subtrairmos a segunda da primeira, obtemos, respectivamente:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
m\ddot{\eta}_{1} + k\eta_{1} = 0 \\&lt;br /&gt;
m\ddot{\eta}_{2} + 3k\eta_{2} = 0&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Reconhecemos imediatamente as equações acima como equações de osciladores harmônicos simples, desacopladas e, portanto, com soluções independentes. As soluções são dadas por&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
\eta_{1}(t) &amp;amp;= c_{1}e^{i\omega_{1}t} + c_{2}e^{-i\omega_{1}t} \\&lt;br /&gt;
\eta_{2}(t) &amp;amp;= c_{3}e^{i\omega_{2}t} + c_{4}e^{-i\omega_{2}t} \quad (6)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;\eta_{1}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\eta_{2}&amp;lt;/math&amp;gt; são chamadas de coordenadas normais. Por definição, são coordenadas que desacoplam as equações diferenciais do sistema e possuem soluções com frequências únicas, bem definidas. Sempre podem ser escritas como algum tipo de combinação linear das coordenadas originais. De modo semelhante, as coordenadas usuais do sistema sempre podem ser escritas como combinações lineares das coordenadas normais. No caso geral, para mais partículas, são trabalhosas de se encontrar. Note-se que, no caso de duas partículas, é simples encontrá-las meramente por inspeção. Se impusermos as condições iniciais &amp;lt;math&amp;gt;x_{1}(0) = x_{2}(0)&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\dot{x}_{1}(0) = \dot{x}_{2}(0)&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\eta_{2}(0) = x_{1}(0) - x_{2}(0) = 0&amp;lt;/math&amp;gt; e as constantes &amp;lt;math&amp;gt;c_{3}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;c_{4}&amp;lt;/math&amp;gt; vão ser iguais a zero, o que implica &amp;lt;math&amp;gt;\eta_{2}(t) = 0&amp;lt;/math&amp;gt;, para todo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Esse primeiro modo normal corresponderá a uma oscilação simétrica, em que as duas partículas oscilarão em fase, com frequência &amp;lt;math&amp;gt;\omega_{1}&amp;lt;/math&amp;gt;. De modo semelhante, se impusermos as condições iniciais &amp;lt;math&amp;gt;x_{1}(0) = -x_{2}(0)&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\dot{x}_{1}(0) = -\dot{x}_{2}(0)&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\eta_{1}(t) = 0&amp;lt;/math&amp;gt;, para todo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;, e as partículas oscilarão fora de fase, com frequência &amp;lt;math&amp;gt;\omega_{2}&amp;lt;/math&amp;gt;. Pelas expressões dadas em (4), note-se que a frequência associada ao modo simétrico é menor do que a frequência do modo antissimétrico: esse é um resultado geral de oscilações acopladas. Quanto maior o grau de simetria da oscilação, menor o valor da frequência.&amp;lt;ref name=Marion2004&amp;gt;&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== N=3 ===&lt;br /&gt;
&lt;br /&gt;
Seguindo a mesma lógica apresentada para &amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt; partículas, podemos montar as equações de movimento do sistema com &amp;lt;math&amp;gt;N=3&amp;lt;/math&amp;gt; partículas. A única diferença é que a partícula central apenas está conectada a partículas vizinhas, não estando conectada a paredes externas: &lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
m\ddot{x}_{1} &amp;amp;= -kx_{1} - k(x_{1}-x_{2}) \\&lt;br /&gt;
m\ddot{x}_{2} &amp;amp;= -k(x_{2}-x_{1}) - k(x_{2}-x_{3}) \\&lt;br /&gt;
m\ddot{x}_{3} &amp;amp;= -kx_{3} - k(x_{3}-x_{2}) \quad (7)\\&lt;br /&gt;
\end{align}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Supondo soluções do tipo&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{1}(t) &amp;amp;= A_{1}e^{-i\omega t} \\&lt;br /&gt;
x_{2}(t) &amp;amp;= A_{2}e^{-i\omega t} \\&lt;br /&gt;
x_{3}(t) &amp;amp;= A_{3}e^{-i\omega t} \quad (8)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Substituindo (8) em (7) e seguindo os mesmos passos feitos para &amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt; partículas:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
(2k-mw^{2})A_{1} &amp;amp;-kA_{2} &amp;amp;+0A_{3} &amp;amp;= 0 \\&lt;br /&gt;
-kA_{1} &amp;amp;+(2k-mw^{2})A_{2} &amp;amp;-kA_{3} &amp;amp;= 0 \\&lt;br /&gt;
0A_{1} &amp;amp;-kA_{2} &amp;amp;+(2k-mw^{2})A_{3} &amp;amp;= 0 \\ &lt;br /&gt;
\end{align}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O sistema de equações acima apenas terá soluções não triviais se o determinante dos coeficientes dos &amp;lt;math&amp;gt;A_{i}&amp;lt;/math&amp;gt; for igual a zero, i.e.:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{vmatrix}&lt;br /&gt;
(2k-mw^{2}) &amp;amp; -k &amp;amp;0\\ &lt;br /&gt;
-k &amp;amp; (2k-mw^{2}) &amp;amp;-k \\&lt;br /&gt;
0 &amp;amp; -k &amp;amp; (2k-mw^{2})  &lt;br /&gt;
\end{vmatrix} = 0 &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A equação resultante é &amp;lt;math&amp;gt;(2k-m\omega^{2})^3 - 2k^2(2k-m\omega^2) = 0&amp;lt;/math&amp;gt;. Simples de ser resolvida analiticamente por fatoração, esta equação tem as soluções:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
\omega_{1} = \sqrt{\frac{k}{m}(2-\sqrt{2})} \quad\quad \omega_{2} = \sqrt{\frac{2k}{m}} \quad\quad \omega_{3} = \sqrt{\frac{k}{m}(2+\sqrt{2})} \quad (9)&lt;br /&gt;
\end{align} &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Note-se que aqui já não é mais tão simples identificar as coordenadas normais. Além disso, embora tenha sido simples até aqui obter as autofrequências, o processo é tedioso e a equação característica pode ser difícil de se resolver analiticamente.&lt;br /&gt;
&lt;br /&gt;
Podemos escrever as soluções da seguinte forma, de modo semelhante a como fizemos para &amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{1}(t) = a_{1}^{1}e^{i\omega_{1} t} &amp;amp;+ a_{1}^{2}e^{-i\omega_{1} t} &amp;amp;+ a_{1}^{3}e^{i\omega_{2} t} &amp;amp;+ a_{1}^{4}e^{-i\omega_{2} t} &amp;amp;+ a_{1}^{5}e^{i\omega_{3} t} &amp;amp;+ a_{1}^{6}e^{-i\omega_{3} t}\\&lt;br /&gt;
x_{2}(t) = a_{2}^{1}e^{i\omega_{1} t} &amp;amp;+ a_{2}^{2}e^{-i\omega_{1} t} &amp;amp;+ a_{2}^{3}e^{i\omega_{2} t} &amp;amp;+ a_{2}^{4}e^{-i\omega_{2} t} &amp;amp;+ a_{2}^{5}e^{i\omega_{3} t} &amp;amp;+ a_{2}^{6}e^{-i\omega_{3} t} \\&lt;br /&gt;
x_{3}(t) = a_{3}^{1}e^{i\omega_{1} t} &amp;amp;+ a_{3}^{2}e^{-i\omega_{1} t} &amp;amp;+ a_{3}^{3}e^{i\omega_{2} t} &amp;amp;+ a_{3}^{4}e^{-i\omega_{2} t} &amp;amp;+ a_{3}^{5}e^{i\omega_{3} t} &amp;amp;+ a_{3}^{6}e^{-i\omega_{3} t} \quad (10)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Caso geral ===&lt;br /&gt;
&lt;br /&gt;
O formalismo lagrangeano fornece uma técnica poderosa para encontrar as coordenadas normais, bem como as autofrequências [inserir referências]. No entanto, no presente trabalho, não precisamos fazer uso do formalismo lagrangeano. Será suficiente tratar o problema por análise de Fourier.&lt;br /&gt;
&lt;br /&gt;
Podemos generalizar, para o caso de um N qualquer maior que 3, e obter as seguintes equações de movimento:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\ddot{x}_{i} =&lt;br /&gt;
 \begin{cases}&lt;br /&gt;
       -kx_{1} - k(x_{1}-x_{2})\text{,} &amp;amp;\quad\text{se} \quad i = 1\\&lt;br /&gt;
       -k(x_{i}-x_{i-1}) - k(x_{i}-x_{i+1}) \text{,} &amp;amp;\quad\text{se} \quad 1&amp;lt;i&amp;lt;N \\&lt;br /&gt;
       -kx_{N} - k(x_{N}-x_{N-1}) \text{,} &amp;amp;\quad\text{se} \quad i = N \quad\quad (11)\\&lt;br /&gt;
     \end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O conjunto de equações (11) vai ser importante para a implementação numérica. &lt;br /&gt;
&lt;br /&gt;
As soluções (5) e (10) apresentam um padrão. Se tomarmos apenas as partes reais das soluções, podemos redefinir as constantes duas a duas e escrever a solução geral como:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{l}(t) &amp;amp;= \sum_{m=1}^{N}a_{m}^{l}\cos(\omega_{m}t)\text{,} \quad \text{com}\quad l=1\text{,}\,\text{...}\text{,}\,N\\&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
As constantes &amp;lt;math&amp;gt;a_{m}^{l}&amp;lt;/math&amp;gt; são chamadas de amplitudes dos modos normais e indicam o quanto de cada modo normal, de frequência bem definida, está presente na solução de cada &amp;lt;math&amp;gt;x_{l}(t)&amp;lt;/math&amp;gt;. É possível mostrar (o que não faremos aqui por razões de tempo e espaço, mas pode ser consultado nas referências &amp;lt;ref name=Lucero2021&amp;gt;Lucero, Davi de Mello e Pinheiro Moreira, Pedro Augusto Franco. &amp;quot;O problema Fermi-Pasta-Ulam-Tsingou: Equiparticão de energia vista através de simulações computacionais&amp;quot;. Revista Brasileira de Ensino de Física [online]. 2021, v. 43 [Acessado 1 Maio 2022]. [https://www.scielo.br/j/rbef/a/SkRCy5fdnGbhfxNjpx5BkRD/?lang=pt#]&amp;lt;/ref&amp;gt;) que, usando condições de contorno &amp;lt;math&amp;gt;x_{0}(t) = x_{N+1}(t) = 0&amp;lt;/math&amp;gt;, as soluções podem ser reescritas como&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{l}(t) &amp;amp;= \sum_{m=1}^{N}c_{m}\sin\left(\frac{lm\pi}{N+1}\right)\cos(w_{m}t) \text{, com}\quad l=1\text{,}\,\text{...}\text{,}\,N\\&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
É comum na literatura&amp;lt;ref name=Giordano2006&amp;gt;Giordano e Nakanishi, pp. 296-297&amp;lt;/ref&amp;gt; redefinir a constante &amp;lt;math&amp;gt;c_{m}&amp;lt;/math&amp;gt; da seguinte forma:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{l}(t) &amp;amp;= \sqrt{\frac{2}{N+1}}\sum_{m=1}^{N}a_{m}\sin\left(\frac{lm\pi}{N+1}\right)\cos(w_{m}t) \text{, com}\quad l=1\text{,}\,\text{...}\text{,}\,N\\&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A qualquer instante de tempo, os deslocamentos das partículas em relação às posições de equilíbrio podem ser escritos como uma soma de modos normais. Esses modos normais são ondas estacionárias. Ver, por exemplo, a &#039;&#039;&#039;Figura 2&#039;&#039;&#039;, com os cinco primeiros modos. &lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&lt;br /&gt;
&amp;lt;li style=&amp;quot;display: inline-block;&amp;quot;&amp;gt;[[Arquivo:modos.png|500px|left|thumb|center|&#039;&#039;&#039;Figura 2.&#039;&#039;&#039; Cinco primeiros modos de oscilação para um oscilador acoplado com N=32 partículas]]&amp;lt;/li&amp;gt;&lt;br /&gt;
&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
É possível, portanto, por uma transformada inversa, escrever&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
a_{m} &amp;amp;= \sqrt{\frac{2}{N+1}}\sum_{i=1}^{N}x_{i}\sin\left(\frac{im\pi}{N+1}\right) \text{, com}\quad m=1\text{,}\,\text{...}\text{,}\,N\\&lt;br /&gt;
\end{align} \quad (12)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
As energias de cada modo podem ser escritas como (com &amp;lt;math&amp;gt;\dot{a}_{m}&amp;lt;/math&amp;gt; representando a amplitude da velocidade do modo):&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
E_{m} &amp;amp;= \frac{1}{2}\left[\left(\dot{a}_{m}^{2} + \omega_{m}^2a_{m}^2\right)\right] \quad (13)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
E as frequências podem ser calculadas por (uma demonstração pode ser encontrada nas referências&amp;lt;ref name=Lucero2021&amp;gt;&amp;lt;/ref&amp;gt;, supõe-se que as frequências dos modos são menores ou iguais a duas vezes a frequência natural, &amp;lt;math&amp;gt;\omega_{m} \le 2\omega_{0} = 2\sqrt{k/m}&amp;lt;/math&amp;gt; ):&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
\omega_{m} &amp;amp;= 2\omega_{0}\sin\left(\frac{m\pi}{2(N+1)}\right) \quad (14)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Todas as expressões mostradas nesta seção são válidas mesmo para o caso de oscilações acopladas não lineares, como é o caso do FPUT.&amp;lt;ref name=Giordano2006&amp;gt;&amp;lt;/ref&amp;gt; [adicionar mais referências]&lt;br /&gt;
&lt;br /&gt;
Podemos comparar, por exemplo, os valores que encontramos para as autofrequências nos casos &amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;N=3&amp;lt;/math&amp;gt; com os resultados da equação (14). Seja, por exemplo, &amp;lt;math&amp;gt;k=m=1&amp;lt;/math&amp;gt;. Para &amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt;, pelas expressões (4), &amp;lt;math&amp;gt;\omega_{1} = 1&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\omega_{2} = \sqrt{3}&amp;lt;/math&amp;gt;, que são os mesmos resultados fornecidos pela equação (14). De modo semelhante, para &amp;lt;math&amp;gt;N=3&amp;lt;/math&amp;gt;, pelas expressões (9), &amp;lt;math&amp;gt;\omega_{1} =\sqrt{2-\sqrt{2}}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\omega_{2} = \sqrt{2}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\omega_{3} =\sqrt{2+\sqrt{2}}&amp;lt;/math&amp;gt;, que também são os mesmos resultados fornecidos pela equação (14).&lt;br /&gt;
&lt;br /&gt;
== Adição de Termos Não-Lineares: Problema de FPUT == &lt;br /&gt;
&lt;br /&gt;
== Implementação numérica ==&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\ddot{x}_{i} =&lt;br /&gt;
 \begin{cases}&lt;br /&gt;
       -kx_{1} - k(x_{1}-x_{2})\text{,} &amp;amp;\quad\text{se} \quad i = 1\\&lt;br /&gt;
       -k(x_{i}-x_{i-1}) - k(x_{i}-x_{i+1}) \text{,} &amp;amp;\quad\text{se} \quad 1&amp;lt;i&amp;lt;N \\&lt;br /&gt;
       -kx_{N} - k(x_{N}-x_{N-1}) \text{,} &amp;amp;\quad\text{se} \quad i = N \quad\quad (11)\\&lt;br /&gt;
     \end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Resultados e discussão ==&lt;br /&gt;
&lt;br /&gt;
Parâmetros da simulação com deslocamento vertical: &amp;lt;math&amp;gt;k = 0.95; m = 1.05; \alpha = 1.2; \Delta t = 0.5; t_{max} = 5500; L = 20.0; N = 32&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&lt;br /&gt;
&amp;lt;li style=&amp;quot;display: inline-block;&amp;quot;&amp;gt;[[Arquivo:fput_deslocamento_vertical_parte1.gif|600px|left|thumb|center|&#039;&#039;&#039;Figura 3.&#039;&#039;&#039; Primeira parte da simulação do oscilador acoplado com N=32 partículas com deslocamento limitado a vertical. Nessa animação podemos ver as primeiras iterações após a condição inicial proposta no trabalho original.]]&amp;lt;/li&amp;gt;&lt;br /&gt;
&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&lt;br /&gt;
&amp;lt;li style=&amp;quot;display: inline-block;&amp;quot;&amp;gt;[[Arquivo:fput_deslocamento_vertical_parte2.gif|600px|left|thumb|center|&#039;&#039;&#039;Figura 4.&#039;&#039;&#039; Segunda parte da simulação do oscilador acoplado com N=32 partículas com deslocamento limitado a vertical. Nessa animação vemos o sistema retornando a uma posição próxima da condição inicial.]]&amp;lt;/li&amp;gt;&lt;br /&gt;
&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Programa ==&lt;br /&gt;
&lt;br /&gt;
* [[Código em C e scripts para FPUT com deslocamento vertical]]&lt;br /&gt;
&lt;br /&gt;
* [[Código em Python para simulações de osciladores lineares e FPUT quadrático]]&lt;br /&gt;
&lt;br /&gt;
== Referências ==&lt;br /&gt;
&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Bibliografia principal ==&lt;br /&gt;
* Marion, J.B., Thornton, S.T. &amp;quot;Classical Dynamics of Particles and Systems&amp;quot;. Thomson Learning, Belmont, 2004.&lt;br /&gt;
* Giordano, N.J., Nakanishi, H. &amp;quot;Computational Physics&amp;quot;. 2nd Edition. Prentice Hall, Upper Saddle River, 2006.&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Arquivo:Fput_deslocamento_vertical_parte2.gif&amp;diff=7461</id>
		<title>Arquivo:Fput deslocamento vertical parte2.gif</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Arquivo:Fput_deslocamento_vertical_parte2.gif&amp;diff=7461"/>
		<updated>2022-05-02T19:43:29Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Arquivo:Fput_deslocamento_vertical_parte1.gif&amp;diff=7460</id>
		<title>Arquivo:Fput deslocamento vertical parte1.gif</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Arquivo:Fput_deslocamento_vertical_parte1.gif&amp;diff=7460"/>
		<updated>2022-05-02T19:39:27Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Script_para_compila%C3%A7%C3%A3o&amp;diff=7389</id>
		<title>Script para compilação</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Script_para_compila%C3%A7%C3%A3o&amp;diff=7389"/>
		<updated>2022-05-01T15:32:14Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;Script para automatizar a criação dos vídeos. É necessário que os arquivos de código e script estejam nos diretórios indicados no primeiro link dessa página sobre a FPUT para descolamento vertical.&lt;br /&gt;
&lt;br /&gt;
&amp;lt;source lang=&#039;bash&#039;&amp;gt;&lt;br /&gt;
#!/bin/bash&lt;br /&gt;
&lt;br /&gt;
# Run all the scripts&lt;br /&gt;
# Compile the C code -&amp;gt; Run the executable -&amp;gt; Run the gnuplot script -&amp;gt; Create the video file from the images on the img folder&lt;br /&gt;
&lt;br /&gt;
# Variable to save the current time&lt;br /&gt;
name=$(date +%s)&lt;br /&gt;
&lt;br /&gt;
# Compile the C code&lt;br /&gt;
gcc fput.c -lm&lt;br /&gt;
# Run the executable &lt;br /&gt;
./a.out&lt;br /&gt;
# Create the folder to save the images&lt;br /&gt;
mkdir -p ../img/$name&lt;br /&gt;
# Run gnuplot script and save the results in img/$name&lt;br /&gt;
gnuplot -e &amp;quot;dir=&#039;$name&#039;&amp;quot; graph.plt&lt;br /&gt;
# Create the video folder if it doesn&#039;t exist&lt;br /&gt;
mkdir -p ../video&lt;br /&gt;
# Create the MP4 video&lt;br /&gt;
ffmpeg -r 120 -i ../img/$name/fput%d.png -vcodec libx264 -crf 25 -pix_fmt yuv420p ../video/output-$name.mp4&lt;br /&gt;
&lt;br /&gt;
# In onder to create the gif&lt;br /&gt;
# ffmpeg -y -i ../video/output-$name.mp4 -vf palettegen ../video/palette.png&lt;br /&gt;
# ffmpeg -y -ss 0 -t 20 -i ../img/$name/fput%d.png -i ../video/palette.png -filter_complex paletteuse -r 20 ../video/output-$name-part1.gif&lt;br /&gt;
# ffmpeg -y -ss 190 -t 20 -i ../img/$name/fput%d.png -i ../video/palette.png -filter_complex paletteuse -r 20 ../video/output-$name-part2.gif&lt;br /&gt;
&amp;lt;/source&amp;gt;&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=C%C3%B3digo_em_C_e_scripts_para_FPUT_com_deslocamento_vertical&amp;diff=7388</id>
		<title>Código em C e scripts para FPUT com deslocamento vertical</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=C%C3%B3digo_em_C_e_scripts_para_FPUT_com_deslocamento_vertical&amp;diff=7388"/>
		<updated>2022-05-01T15:24:01Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;Os códigos mostrados foram desenvolvidos pensando em um sistema Linux com os seguintes pacotes de programas instalados: gcc, gnuplot e ffmpeg. Além disso, foi usado a seguinte estrutura de diretórios para o projeto:&lt;br /&gt;
&lt;br /&gt;
   code&lt;br /&gt;
   └ ftup.c&lt;br /&gt;
   └ graph.plt&lt;br /&gt;
   └ run_all.bash&lt;br /&gt;
   data&lt;br /&gt;
   └ output.dat&lt;br /&gt;
   img&lt;br /&gt;
   └ {data em Unix timestamp}&lt;br /&gt;
     └ ftup0.png&lt;br /&gt;
     └ ftup1.png&lt;br /&gt;
     └ ...&lt;br /&gt;
   video&lt;br /&gt;
   └ output-{data em Unix timestamp}.mp4&lt;br /&gt;
&lt;br /&gt;
* [[ Programa ]]&lt;br /&gt;
&lt;br /&gt;
* [[ Scripts ]]&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Script_para_gnuplot&amp;diff=7387</id>
		<title>Script para gnuplot</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Script_para_gnuplot&amp;diff=7387"/>
		<updated>2022-05-01T15:16:12Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;Script do Gnuplot para gerar as imagens. Salvar arquivo como &amp;quot;graph.plt&amp;quot;.&lt;br /&gt;
&lt;br /&gt;
&amp;lt;source lang=&#039;gnuplot&#039;&amp;gt;&lt;br /&gt;
# Reset previous sessions&lt;br /&gt;
reset&lt;br /&gt;
&lt;br /&gt;
# Data input&lt;br /&gt;
file = &amp;quot;../data/output.dat&amp;quot;&lt;br /&gt;
&lt;br /&gt;
# Statistics about the data&lt;br /&gt;
stats file name &amp;quot;A&amp;quot;&lt;br /&gt;
&lt;br /&gt;
# Set range of plots&lt;br /&gt;
set xrange [A_min_x:A_max_x]    # x-axis&lt;br /&gt;
set yrange [-1.2:1.2]           # y-axis&lt;br /&gt;
&lt;br /&gt;
# Customize the output &lt;br /&gt;
set term pngcairo size 800, 600 enhanced font &amp;quot;Arial,10&amp;quot; fontscale 1.0&lt;br /&gt;
&lt;br /&gt;
# Title and labels&lt;br /&gt;
set title &amp;quot;FPUT - Descolamento vertical&amp;quot; font &amp;quot;Oswald,18&amp;quot;&lt;br /&gt;
set xlabel &amp;quot;Posição (x)&amp;quot; font &amp;quot;,12&amp;quot;&lt;br /&gt;
set ylabel &amp;quot;Altura (y)&amp;quot; font &amp;quot;,12&amp;quot;&lt;br /&gt;
&lt;br /&gt;
# Total number of frames&lt;br /&gt;
tmax = int(A_blocks-1)&lt;br /&gt;
&lt;br /&gt;
# Text position in y&lt;br /&gt;
text_y = (A_max_x-A_min_x)*0.05&lt;br /&gt;
&lt;br /&gt;
# Loop&lt;br /&gt;
do for [i=0:tmax:2] {  &lt;br /&gt;
    # Print: current_frame total_frame&lt;br /&gt;
    print i,tmax&lt;br /&gt;
    # Output file format&lt;br /&gt;
    outfile = sprintf(&amp;quot;../img/&amp;quot;.dir.&amp;quot;/fput%d.png&amp;quot;, int(i/2))&lt;br /&gt;
    set output outfile&lt;br /&gt;
    # Time&lt;br /&gt;
    unset label&lt;br /&gt;
    set label &amp;quot;Iteração: &amp;quot;.i at text_y, 1 font &amp;quot;,10&amp;quot;&lt;br /&gt;
    # Plot&lt;br /&gt;
    plot file index i with points pt 7 ps 2 lc rgb &#039;black&#039; notitle&lt;br /&gt;
    }&lt;br /&gt;
&amp;lt;/source&amp;gt;&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Oscila%C3%A7%C3%B5es_Acopladas/Problema_de_Fermi-Pasta-Ulam-Tsingou&amp;diff=7359</id>
		<title>Oscilações Acopladas/Problema de Fermi-Pasta-Ulam-Tsingou</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Oscila%C3%A7%C3%B5es_Acopladas/Problema_de_Fermi-Pasta-Ulam-Tsingou&amp;diff=7359"/>
		<updated>2022-04-30T20:50:21Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: /* Programa */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&#039;&#039;&#039;Grupo:&#039;&#039;&#039; Paula Pandolfo, Ramiro de Souza, Samuel Dieterich e Wallace Carvalho&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Objetivo:&#039;&#039;&#039; Este trabalho tem dois objetivos principais: apresentar alguns resultados analíticos de osciladores lineares acoplados, comparando esses resultados com simulações computacionais; e implementar o modelo de osciladores acoplados com a adição de um termo quadrático, conforme inicialmente apresentado pelo artigo original do problema de Fermi-Pasta-Ulam-Tsingou (FPUT), analisando os resultados. Apresentaremos algumas simulações dos casos bidimensionais, mas as análises de resultados serão restritas aos casos unidimensionais, por simplicidade. Inicialmente será introduzido o formalismo de oscilações acopladas lineares. [falta complementar]&lt;br /&gt;
&lt;br /&gt;
== Introdução ==&lt;br /&gt;
&lt;br /&gt;
Os &#039;&#039;&#039;osciladores&#039;&#039;&#039; são talvez os sistemas mais estudados na Física, sendo capazes de modelar uma ampla gama de fenômenos, como, p. ex., pêndulos, circuitos eletrônicos, interações moleculares. O comportamento linear desses sistemas, em particular, possui resultados analíticos bem conhecidos. &lt;br /&gt;
&lt;br /&gt;
O problema de FPUT (Enrico Fermi, John R. Pasta, Stanislaw M. Ulam, Mary Tsingou) resulta da análise computacional de um sistema de partículas que apenas interagem com seus vizinhos, com interações modeladas por oscilações acopladas com a adição de um termo não-linear, que pode ser quadrático ou cúbico. O intuito original da simulação era estudar como esse sistema evolui para o equilíbrio térmico. Se as forças fossem estritamente lineares, a energia alocada em cada modo de vibração não se distribuiria entre os demais modos, ou seja, não se atingiria o equilíbrio térmico. Entretanto, com a adição dos termos não lineares, pelo Teorema da Equipartição da Energia, supunha-se que, após um certo tempo, a energia total do sistema seria distribuída uniformemente entre os modos normais de vibração, o que significaria que o sistema teria atingido o equilíbrio térmico. Entretanto, isso não foi observado. &lt;br /&gt;
&lt;br /&gt;
O caso foi estudado pela primeira vez em Los Alamos, nos Estados Unidos, e implementado no computador MANIAC I (Mathematical Analyzer Numerical Integrator and Automatic Computer Model I). Além dos três participantes coautores do artigo que relatou o caso em 1955, Mary Tsingou implementou o código e resolveu numericamente o sistema. Atualmente, por essa razão, o paradoxo é denominado pela sigla FPUT (Fermi-Pasta-Ulam-Tsingou).&lt;br /&gt;
&lt;br /&gt;
A abordagem adotada no presente trabalho é a seguinte: inicialmente, serão apresentados alguns resultados teóricos bem conhecidos de osciladores lineares acoplados. A seguir, compararemos esses resultados com simulações computacionais. [falta complementar]&lt;br /&gt;
&lt;br /&gt;
== Osciladores Lineares Acoplados==&lt;br /&gt;
&lt;br /&gt;
Um modelo geral de sistema unidimensional de osciladores lineares acoplados é ilustrado pela &#039;&#039;&#039;Figura 1&#039;&#039;&#039;. Para fins de simplificação do problema, estamos considerando que todas as massas e constantes das molas são iguais, mas esse não precisaria ser o caso.  &lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&lt;br /&gt;
&amp;lt;li style=&amp;quot;display: inline-block;&amp;quot;&amp;gt;[[Arquivo:OLA-modelo-geral.jpg|500px|left|thumb|center|&#039;&#039;&#039;Figura 1.&#039;&#039;&#039; Ilustração de um modelo geral unidimensional de oscilações acopladas. A figura foi criada por Paula Pandolfo, uma das integrantes do grupo.]]&amp;lt;/li&amp;gt;&lt;br /&gt;
&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Cada partícula possui duas vizinhas, com as quais interage por meio das molas, exceto as partículas localizadas nos extremos da cadeia, que possuem apenas uma partícula vizinha cada. As interações das partículas dos extremos das cadeias se restringem, portanto, à interação com uma vizinha e com uma mola conectada a uma das paredes externas à cadeia. A posição de cada partícula pode ser descrita por um grau de liberdade associado ao deslocamento em relação à respectiva posição de equilíbrio. No total, um sistema com &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; partículas terá, portanto, &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; graus de liberdade. Vamos tratar aqui o caso em que as forças das molas são lineares, i.e., dadas por &amp;lt;math&amp;gt;F=-kx&amp;lt;/math&amp;gt;. &lt;br /&gt;
&lt;br /&gt;
===N=2===&lt;br /&gt;
&lt;br /&gt;
Vamos inicialmente considerar o caso do oscilador linear acoplado mais simples, com duas partículas (&amp;lt;math&amp;gt;N=2&amp;lt;/math&amp;gt;), cada uma com massa &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt;, e três molas com os mesmos valores de constantes, &amp;lt;math&amp;gt;k&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
As equações de movimento do sistema são:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
m\ddot{x}_{1} &amp;amp;= -kx_{1} - k(x_{1}-x_{2}) \\&lt;br /&gt;
m\ddot{x}_{2} &amp;amp;= -kx_{2} - k(x_{2}-x_{1}) \quad (1)\\&lt;br /&gt;
\end{align}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Uma forma direta de se montar as equações de movimento de um sistema acoplado é pensar em termos dos deslocamentos em relação às posições de equilíbrio (&amp;lt;math&amp;gt;x_{i}&amp;lt;/math&amp;gt;, com &amp;lt;math&amp;gt;i=1,2&amp;lt;/math&amp;gt;, no sistema considerado aqui). Por exemplo, na primeira das equações acima, a partícula 1 está sujeita à força elástica da mola conectada à parede (termo &amp;lt;math&amp;gt;-kx_{1}&amp;lt;/math&amp;gt;) e à força da mola conectada à partícula 2 (termo &amp;lt;math&amp;gt;-k(x_{1}-x_{2}&amp;lt;/math&amp;gt;). Esse último termo é definido conforme o seguinte: caso a mola que está conectada às partículas 1 e 2 esteja comprimida, &amp;lt;math&amp;gt;x_{1}&amp;lt;/math&amp;gt; deve ser maior que &amp;lt;math&amp;gt;x_{2}&amp;lt;/math&amp;gt; (definindo os &amp;lt;math&amp;gt;x_{i}&amp;lt;/math&amp;gt; como deslocamentos em relação à posição de equilíbrio positivos para a direita e negativos para a esquerda) e a partícula 1 estará sofrendo uma força que é contrária à compressão, ou seja, com sinal negativo. De modo semelhante para a partícula 2, mas nesse caso, devido à posição ocupada pela partícula 2 na cadeia, com &amp;lt;math&amp;gt;x_{1}&amp;lt;/math&amp;gt; maior que &amp;lt;math&amp;gt;x_{2}&amp;lt;/math&amp;gt;, o sentido da força contrária à compressão tem sinal positivo.&lt;br /&gt;
&lt;br /&gt;
Uma dificuldade imposta para a resolução do sistema (1) é o fato das equações serem acopladas: note-se que a aceleração da partícula 1 depende da posição da partícula 2, e vice-versa. Vamos supor que esse sistema de equações tenha soluções nas formas (com &amp;lt;math&amp;gt;B_{1}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;B_{2}&amp;lt;/math&amp;gt; constantes):&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
x_{1}(t) &amp;amp;= B_{1}e^{-i\omega t} \\&lt;br /&gt;
x_{2}(t) &amp;amp;= B_{2}e^{-i\omega t} \quad (2)&lt;br /&gt;
\end{align}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Essa suposição é fisicamente justificável: sabemos que as soluções são oscilatórias, e exponenciais imaginárias podem ser escritas em termos de senos e cossenos pela fórmula de Euler. Se substituirmos a equação (2) na equação (1) e rearranjarmos os termos, obtemos:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
-mw^{2}B_{1}e^{-i\omega t} + 2kB_{1}e^{-i\omega t} -kB_{1}e^{-i\omega t} &amp;amp;= 0 \\&lt;br /&gt;
-mw^{2}B_{2}e^{-i\omega t} + 2kB_{2}e^{-i\omega t} -kB_{2}e^{-i\omega t} &amp;amp;= 0 \\&lt;br /&gt;
\end{align}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Ou, eliminando as exponenciais e reagrupando termos:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
(2k-mw^{2})&amp;amp;B_{1} &amp;amp;-kB_{2} &amp;amp;= 0 \\&lt;br /&gt;
-k&amp;amp;B_{1} &amp;amp;+(2k-mw^{2})B_{2} &amp;amp;= 0 \quad (3)\\ &lt;br /&gt;
\end{align}&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O sistema de equações (3) apenas terá soluções não triviais se o determinante dos coeficientes dos &amp;lt;math&amp;gt;B_{i}&amp;lt;/math&amp;gt; for igual a zero, i.e.:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{vmatrix}&lt;br /&gt;
(2k-mw^{2}) &amp;amp; -k \\ &lt;br /&gt;
-k &amp;amp; (2k-mw^{2})  &lt;br /&gt;
\end{vmatrix} = 0 &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
As soluções da equação acima podem ser facilmente obtidas e resultam de uma equação quadrática simples, apresentaremos apenas o resultado:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;\begin{align}&lt;br /&gt;
\omega_{1} = \sqrt{\frac{k}{m}} \quad \quad \omega_{2} = \sqrt{\frac{3k}{m}}&lt;br /&gt;
\end{align} &amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;\omega_{1}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\omega_{2}&amp;lt;/math&amp;gt; são as frequências características ou autofrequências do sistema.&lt;br /&gt;
&lt;br /&gt;
== Adição de Termos Não-Lineares: Problema de FPUT == &lt;br /&gt;
&lt;br /&gt;
== Implementação numérica ==&lt;br /&gt;
&lt;br /&gt;
== Resultados e discussão ==&lt;br /&gt;
&lt;br /&gt;
== Programa ==&lt;br /&gt;
&lt;br /&gt;
Código em C para FPUT com deslocamento vertical.&lt;br /&gt;
&lt;br /&gt;
&amp;lt;source lang=&#039;c&#039;&amp;gt;&lt;br /&gt;
// Libraries&lt;br /&gt;
&lt;br /&gt;
#include &amp;lt;stdio.h&amp;gt;&lt;br /&gt;
#include &amp;lt;stdlib.h&amp;gt;&lt;br /&gt;
#include &amp;lt;math.h&amp;gt;&lt;br /&gt;
#include &amp;lt;assert.h&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
// Defines&lt;br /&gt;
&lt;br /&gt;
#define PI 3.14159265358979323846&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
// Prototypes&lt;br /&gt;
&lt;br /&gt;
double *zero_array(int);&lt;br /&gt;
double *initial_condition(double, int);&lt;br /&gt;
double acceleration(double *, double, double, double);&lt;br /&gt;
double velocity(double, double, double, double);&lt;br /&gt;
double position(double, double, double, double);&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
// Constants&lt;br /&gt;
&lt;br /&gt;
const double k      = 0.95;&lt;br /&gt;
const double m      = 1.05;&lt;br /&gt;
const double alpha  = 1.2;&lt;br /&gt;
&lt;br /&gt;
const double dt     = 0.5;&lt;br /&gt;
const double tmax   = 5500.0;&lt;br /&gt;
&lt;br /&gt;
const double length = 20.0;&lt;br /&gt;
const int N         = 32;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
// Main&lt;br /&gt;
&lt;br /&gt;
int main(){&lt;br /&gt;
&lt;br /&gt;
    // Variables&lt;br /&gt;
&lt;br /&gt;
    int i;&lt;br /&gt;
    double t = 0.0;&lt;br /&gt;
    double *pos, *vel, *acc;&lt;br /&gt;
    double acc_new = 0.0;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
    // Output&lt;br /&gt;
&lt;br /&gt;
    FILE *file;&lt;br /&gt;
    // char output[50];&lt;br /&gt;
    char filename[] = &amp;quot;../data/output.dat&amp;quot;;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
    // Generate inicial conditions for&lt;br /&gt;
    pos = initial_condition(length, N); // position&lt;br /&gt;
    vel = zero_array(N);                // velocity&lt;br /&gt;
    acc = zero_array(N);                // acceleration&lt;br /&gt;
&lt;br /&gt;
    // Output file&lt;br /&gt;
    // sprintf(output, filename);&lt;br /&gt;
    // file = fopen(output, &amp;quot;w&amp;quot;);&lt;br /&gt;
    file = fopen(filename, &amp;quot;w&amp;quot;);&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
    // Time loop&lt;br /&gt;
    while (t &amp;lt; tmax){&lt;br /&gt;
&lt;br /&gt;
        // Velocity verlet&lt;br /&gt;
        for (i=1; i&amp;lt;N; i++){&lt;br /&gt;
            pos[i] = position(pos[i], vel[i], acc[i], dt);&lt;br /&gt;
        }&lt;br /&gt;
&lt;br /&gt;
        for (i=1; i&amp;lt;N; i++){&lt;br /&gt;
            acc_new = acceleration((pos+i), k, m, alpha);&lt;br /&gt;
            vel[i] = velocity(vel[i], acc[i], acc_new, dt);&lt;br /&gt;
            acc[i] = acc_new;&lt;br /&gt;
        }&lt;br /&gt;
&lt;br /&gt;
        // Save to file&lt;br /&gt;
        for (i=0; i&amp;lt;=N; i++) fprintf(file, &amp;quot;%f %f\n&amp;quot;, length/N*i, pos[i]);&lt;br /&gt;
        fprintf(file, &amp;quot;\n\n&amp;quot;);&lt;br /&gt;
&lt;br /&gt;
        // Update the current time&lt;br /&gt;
        t += dt;&lt;br /&gt;
    }&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
    // Close the output file&lt;br /&gt;
    fclose(file);&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
    // Free the pointers&lt;br /&gt;
    free(pos);&lt;br /&gt;
    free(vel);&lt;br /&gt;
    free(acc);&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
    return 0;&lt;br /&gt;
&lt;br /&gt;
}&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
// Functions&lt;br /&gt;
&lt;br /&gt;
// Generate an array of zeros (double) with size N&lt;br /&gt;
double *zero_array(int N){&lt;br /&gt;
    assert(N&amp;gt;0);&lt;br /&gt;
    int i;&lt;br /&gt;
    double *pointer;&lt;br /&gt;
&lt;br /&gt;
    // Calloc initializes every element with 0.0&lt;br /&gt;
    pointer = (double *)calloc(N, sizeof(double));&lt;br /&gt;
&lt;br /&gt;
    if (pointer != NULL){&lt;br /&gt;
        return(pointer);&lt;br /&gt;
    }&lt;br /&gt;
    else {&lt;br /&gt;
        fprintf(stderr,&amp;quot;Error in routine zero_array\n&amp;quot;);&lt;br /&gt;
        exit(8);&lt;br /&gt;
    }&lt;br /&gt;
}&lt;br /&gt;
&lt;br /&gt;
// Generate an array with the initial condition determined by the FPUT original problem, N elements with x values ranged from 0 to length.&lt;br /&gt;
double *initial_condition(double length, int N){&lt;br /&gt;
    assert(N&amp;gt;0);&lt;br /&gt;
    int i;&lt;br /&gt;
    double *pointer;&lt;br /&gt;
    double step = length/N;&lt;br /&gt;
&lt;br /&gt;
    pointer = (double *)calloc(N, sizeof(double));&lt;br /&gt;
&lt;br /&gt;
    if (pointer != NULL){&lt;br /&gt;
        for (i=0; i&amp;lt;=N; ++i) *(pointer+i) = sin(PI*(step*i)/length);&lt;br /&gt;
        return(pointer);&lt;br /&gt;
    }&lt;br /&gt;
    else {&lt;br /&gt;
        fprintf(stderr,&amp;quot;Error in routine initial_condition\n&amp;quot;);&lt;br /&gt;
        exit(8);&lt;br /&gt;
    }&lt;br /&gt;
}&lt;br /&gt;
&lt;br /&gt;
// Velocity-Verlet method&lt;br /&gt;
&lt;br /&gt;
// Updates the acceleration&lt;br /&gt;
double acceleration(double *pos, double k, double m, double alpha){&lt;br /&gt;
    return k/m * (pos[1] + pos[-1] - 2*pos[0]) * (1.0 + alpha * (pos[1] - pos[-1]));&lt;br /&gt;
}&lt;br /&gt;
&lt;br /&gt;
// Updates the velocity&lt;br /&gt;
double velocity(double vel_old, double acc, double acc_new, double dt){&lt;br /&gt;
    return vel_old + 0.5*(acc+acc_new)*dt;&lt;br /&gt;
}&lt;br /&gt;
&lt;br /&gt;
// Updates the position&lt;br /&gt;
double position(double pos_old, double vel, double acc, double dt){&lt;br /&gt;
    return pos_old + vel*dt + 0.5*acc*dt*dt;&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/source&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Script do Gnuplot para gerar as imagens.&lt;br /&gt;
&lt;br /&gt;
&amp;lt;source lang=&#039;gnuplot&#039;&amp;gt;&lt;br /&gt;
# Reset previously sessions&lt;br /&gt;
reset&lt;br /&gt;
&lt;br /&gt;
# Data input&lt;br /&gt;
file = &amp;quot;../data/output.dat&amp;quot;&lt;br /&gt;
&lt;br /&gt;
# Statistics about the data&lt;br /&gt;
stats file name &amp;quot;A&amp;quot;&lt;br /&gt;
&lt;br /&gt;
# Set range of plots&lt;br /&gt;
set xrange [A_min_x:A_max_x]    # x-axis&lt;br /&gt;
set yrange [-1.2:1.2]           # y-axis&lt;br /&gt;
&lt;br /&gt;
# Customize the output &lt;br /&gt;
set term pngcairo size 800, 600 enhanced font &amp;quot;Arial,10&amp;quot; fontscale 1.0&lt;br /&gt;
&lt;br /&gt;
# Title and labels&lt;br /&gt;
set title &amp;quot;FPUT - Descolamento vertical&amp;quot; font &amp;quot;Oswald,18&amp;quot;&lt;br /&gt;
set xlabel &amp;quot;Posição (x)&amp;quot; font &amp;quot;,12&amp;quot;&lt;br /&gt;
set ylabel &amp;quot;Altura (y)&amp;quot; font &amp;quot;,12&amp;quot;&lt;br /&gt;
&lt;br /&gt;
# Total number of frames&lt;br /&gt;
tmax = int(A_blocks-1)&lt;br /&gt;
&lt;br /&gt;
# Text position in y&lt;br /&gt;
text_y = (A_max_x-A_min_x)*0.05&lt;br /&gt;
&lt;br /&gt;
# Loop&lt;br /&gt;
do for [i=0:tmax] {  &lt;br /&gt;
    # Print: current_frame total_frame&lt;br /&gt;
    print i,tmax&lt;br /&gt;
    # Output file format&lt;br /&gt;
    outfile = sprintf(&amp;quot;../img/&amp;quot;.dir.&amp;quot;/fput%d.png&amp;quot;, i)&lt;br /&gt;
    set output outfile&lt;br /&gt;
    # Time&lt;br /&gt;
    unset label&lt;br /&gt;
    set label &amp;quot;Iteração: &amp;quot;.i at text_y, 1 font &amp;quot;,10&amp;quot;&lt;br /&gt;
    # Plot&lt;br /&gt;
    plot file index i with points pt 7 ps 2 lc rgb &#039;black&#039; notitle&lt;br /&gt;
    }&lt;br /&gt;
&amp;lt;/source&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Script para automatizar a criação dos vídeos.&lt;br /&gt;
&lt;br /&gt;
&amp;lt;source lang=&#039;bash&#039;&amp;gt;&lt;br /&gt;
#!/bin/bash&lt;br /&gt;
&lt;br /&gt;
# Run all the scripts&lt;br /&gt;
# Compile the C code -&amp;gt; Run the executable -&amp;gt; Run the gnuplot script -&amp;gt; Create the video file from the images on the img folder&lt;br /&gt;
&lt;br /&gt;
name=$(date +%s)&lt;br /&gt;
&lt;br /&gt;
gcc -lm fput.c &lt;br /&gt;
./a.out&lt;br /&gt;
mkdir -p ../img/$name&lt;br /&gt;
gnuplot -e &amp;quot;dir=&#039;$name&#039;&amp;quot; graph.plt&lt;br /&gt;
mkdir -p video&lt;br /&gt;
ffmpeg -r 120 -i ../img/$name/fput%d.png -vcodec libx264 -crf 25 -pix_fmt yuv420p ../video/output-$name.mp4&lt;br /&gt;
&amp;lt;/source&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Referências ==&lt;br /&gt;
&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Bibliografia principal ==&lt;br /&gt;
* Stephen T. Thornton, Jerry B. Marion, &amp;quot;Classical Dynamics of Particles and Systems&amp;quot;. Thomson Learning, Belmont, 2004.&lt;br /&gt;
* Giordano, N.J., Nakanishi, H. &amp;quot;Computational Physics&amp;quot;. 2nd Edition. Prentice Hall, Upper Saddle River, 2006.&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=7313</id>
		<title>Equação de Fokker-Planck</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=7313"/>
		<updated>2022-03-29T11:03:22Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&#039;&#039;&#039;Grupo: Álison Soares, Rodrigo Avancini Lara e Samuel Huff Dieterich&#039;&#039;&#039;&lt;br /&gt;
&lt;br /&gt;
A equação de Fokker-Planck foi aplicada em primeiro modo em problemas relacionados ao movimento Browniano, como veremos à seguir. Nesse caso, lidando com flutuações originadas de vários pequenos distúrbios, as partículas de interesse se chocavam com as moléculas do meio, provocando uma trajetória probabilística - isto é - não é possível descrever a evolução da partícula sem a observação. Porém, é possível determinar a probabilidade de encontrá-las em determinada região do espaço.&lt;br /&gt;
&lt;br /&gt;
Esta equação pode ser obtida a partir da equação de Langevin &amp;lt;ref&amp;gt;From Langevin to Fokker-Planck equation. URL: http://cgl.elte.hu/~racz/Stoch-diff-eq.pdf.&amp;lt;/ref&amp;gt; e fornece a probabilidade de encontrar determinada partícula em uma posição (varia conforme a dimensionalidade do problema) em um certo instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Além disso, no presente trabalho temos como objetivo estudar a solução numérica da equação para um dado exemplo com duas variáveis para o espaço de fase mais o tempo, através do método FTCS explícito. &amp;lt;ref&amp;gt;M.P. Zorzano, H. Mais, L. Vazquez, Numerical solution of two dimensional Fokker—Planck equations, Applied Mathematics and Computation, 1999, https://doi.org/10.1016/S0096-3003(97)10161-8.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Introdução ==&lt;br /&gt;
&lt;br /&gt;
=== Movimento browniano ===&lt;br /&gt;
&lt;br /&gt;
O movimento browniano foi descoberto pelo botanista Robert Brown, em 1827. Durante seu estudo sobre vida microscópica, ele percebeu pequenas partículas de pólen de plantas se movendo de maneira aleatória no líquido que ele estava estudando e, notando que se tratava de partículas de sujeira, e não seres vivos, chegou a conclusão que era um fenômeno físico, e não biológico, que causava este movimento. &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Posteriormente, foi provado que este fenômeno se dava pelos efeitos do movimento molecular. Em um meio com uma temperatura qualquer &amp;lt;math&amp;gt; &amp;gt;0K &amp;lt;/math&amp;gt;, há vibração e movimento molecular. Embora haja conservacão de energia, quando a partícula interage com as moléculas do meio, a energia cinética desta partícula se altera (assim como a das moléculas). Contudo, a soma destas energias é a energia interna do fluido, como descreve o Teorema da Equiparação. &amp;lt;ref name=&amp;gt;The Equipartition Theorem, University of Oxford. URL: http://vallance.chem.ox.ac.uk/pdfs/Equipartition.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Em 1905, Albert Einstein propôs uma teoria para descrever tal movimento matematicamente. Primeiramente, ele se propôs a descrever o quão longe uma partícula browniana se desloca em um determinado intervalo de tempo. Como a partícula está sujeita a &amp;lt;math&amp;gt;10^{14}&amp;lt;/math&amp;gt; colisões por segundo (provindas das moléculas do meio), a mecânica clássica é incapaz de resolver este sistema &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Stachel, J., et al.; The Collected Papers of Albert Einstein, 1989, Princeton University Press. URL: http://users.physik.fu-berlin.de/~kleinert/files/eins_brownian.pdf.&amp;lt;/ref&amp;gt;.  Para resolver este problema, ele abordou o problema pela ótica da mecânica estatística. &lt;br /&gt;
&lt;br /&gt;
Inicialmente, ele considerou o incremento da posição da partícula num espaço unidimensional (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;), num determinado intervalo de tempo (&amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;). Considerando que existe uma probabilidade aleatória da partícula se mover dentro do intervalo &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, ele definiu uma função para a densidade de probabilidade (&amp;lt;math&amp;gt;\varphi(\Delta x)&amp;lt;/math&amp;gt;). Sabendo que o número de partículas é constante dentro do meio, ele expandiu a densidade (&amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt;) deste em uma série de Taylor:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \tau \left(\frac{\partial \rho(x,t)}{\partial t}\right) + \dots = \rho(x, t+\tau)&lt;br /&gt;
=\int_{-\infty}^{+\infty} \rho(x+\Delta x, t) \cdot \varphi(\Delta x) d\Delta x &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
que é, por definição, &amp;lt;math&amp;gt;\varphi&amp;lt;/math&amp;gt;. Continuando, &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
=\rho(x,t) \cdot \int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x + \frac{\partial \rho}{\partial x} \cdot \int_{-\infty}^{+\infty} \Delta x \cdot \varphi(\Delta x) d \Delta x + \frac{\partial^2\rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \dots.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Pela definição da probabilidade,&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x=1&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
e as integrais dos termos pares da série são nulos devido à simetria do espaço. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Temos então,&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\rho(x, t+\tau)&lt;br /&gt;
&amp;amp; = \rho(x,t) \cdot 1 + 0 + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots&lt;br /&gt;
\\&lt;br /&gt;
&amp;amp; = \rho(x,t) + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots.&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Esta equação nos leva à igualdade&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} =  \frac{\partial^2\rho}{\partial x^2} \cdot \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \mathcal{O}.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Podemos interpretar a integral como o coeficiente de difusão &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
D = \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
O que nos dá a equação da difusão&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} = D \frac{\partial^2\rho}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Equação de Langevin ===&lt;br /&gt;
&lt;br /&gt;
Em 1908, 3 anos após os estudos de Albert Einstein em processos aleatórios e movimento aleatório, Paul Langevin (1872-1946) apresentou um novo método para o movimento browniano que - segundo Langevin - era &amp;quot;infinitamente mais simples&amp;quot; que a solução proposta por Einstein. &amp;lt;ref name=Langevin_original&amp;gt;P. Langevin, &amp;quot;Sur la théorie de mouvement Brownien&amp;quot; C.R. Acad. Sci. Paris , 146 (1908) pp. 530–533, https://www.physik.uni-augsburg.de/theo1/hanggi/History/Langevin1908.pdf.&amp;lt;/ref&amp;gt;&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;&lt;br /&gt;
Para interpretar o movimento browniano, Einstein derivou e resolveu uma equação diferencial parcial descrevendo a evolução temporal da densidade de probabilidade para a partícula. Já Langevin aplicou a segunda lei de Newton na forma diferencial para essa partícula.&lt;br /&gt;
&lt;br /&gt;
Para uma partícula browniana de massa &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; em um líquido com viscosidade &amp;lt;math&amp;gt;\eta&amp;lt;/math&amp;gt;, existem duas forças que agem sobre o seu movimento&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
1. Arrasto pela viscosidade.&lt;br /&gt;
&lt;br /&gt;
2. Força de flutuação.&lt;br /&gt;
&lt;br /&gt;
Considerando que a partícula é relativamente grande em comparação com as distâncias médias entre as moléculas do líquido e esta se movimento nesse meio com velocidade &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt;, experimenta uma resistência pela viscosidade. Essa força é descrita pela Lei de Stokes que, para uma partícula esférica com diâmetro &amp;lt;math&amp;gt;a&amp;lt;/math&amp;gt;, corresponde a &amp;lt;math&amp;gt;-6\pi\eta a \ dx/dt&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
A segunda força foi proposta por Langevin para descrever o efeito de constantes impactos das moléculas do líquido sobre as partículas de estudo. Assim, como esta força (&amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt;) possui uma origem aleatória, essa deveria ser positiva ou negativa de maneira equiprovável e cuja magnitude fosse suficiente para manter a agitação da partícula. Caso contrário, a viscosidade iria parar o movimento dessa partícula.&lt;br /&gt;
&lt;br /&gt;
Com isso, a equação que descreve o movimento a partir da posição da partícula - em 1D na direção &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; - é dado pela Lei de Newton como:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin representando o efeito das colisões das moléculas do fluído. &amp;lt;ref&amp;gt;Langevin equation. Encyclopedia of Mathematics. URL: http://encyclopediaofmath.org/index.php?title=Langevin_equation&amp;amp;oldid=47575.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Wikipédia: Langevin equation. URL: https://en.wikipedia.org/wiki/Langevin_equation.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Essa equação é conhecida como a equação de Langevin e foi o primeiro exemplo de equação diferencial estocástica, isto é, uma equação diferencial com um termo, &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; nesse caso, cuja solução em algum sentido também é uma função aleatória &amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;. Essa função foi desenvolvida para possuir as seguintes propriedades:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\langle R(t) \rangle = 0&lt;br /&gt;
\qquad&lt;br /&gt;
\langle R(t) R(t&#039;) \rangle = D \cdot \delta(t-t&#039;),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\langle f \rangle&amp;lt;/math&amp;gt; descreve o valor médio ou esperado de uma função &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão e &amp;lt;math&amp;gt;\delta&amp;lt;/math&amp;gt; é a função delta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A primeira propriedade afirma que o movimento é aleatório de forma que não existe nenhuma tendência de sentido para a partícula se locomover. Assim, é dito que &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; se trata de um ruído branco gaussiano. Já a segunda propriedade mostra que a força em um dado tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; é descorrelacionada de uma força para qualquer outro tempo &amp;lt;math&amp;gt;t&#039;&amp;lt;/math&amp;gt; (propriedade de Markov). &amp;lt;ref&amp;gt;Wikipédia: Langevin equation. URL: https://en.wikipedia.org/wiki/Langevin_equation.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Dedução da equação de Fokker-Planck ===&lt;br /&gt;
&lt;br /&gt;
Para a dedução foi utilizado a seguinte referência como base: &#039;&#039;From Langevin to Fokker-Planck equation&#039;&#039;.&amp;lt;ref&amp;gt;From Langevin to Fokker-Planck equation. URL: http://cgl.elte.hu/~racz/Stoch-diff-eq.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Como vimos anteriormente, o movimento browniano pode ser descrito pela equação de Langevin, a qual podemos resolver sem nenhum problema. Contudo, alternativamente, podemos fazer uso da equação de Fokker-Planck e considerar uma densidade de probabilidade em relação a posição e o tempo, levando em conta diferentes perturbações estocásticas. Para isso, iremos agora deduzir essa equação, a partir da analise de Langevin.&lt;br /&gt;
&lt;br /&gt;
A descrição do movimento browniano foi anteriormente tratada em termos da equação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para o nosso propósito, realizaremos uma abordagem mais direta e geral, assumindo a equação de Langevin através de um potencial &amp;lt;math&amp;gt;U(x)&amp;lt;/math&amp;gt;, nos deixando com a seguinte expressão:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{dx}{dt} = -\mu \frac{dU}{dx} + \eta(t),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\mu=\frac{1}{6\pi\eta a}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\eta(t) = \mu R(t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Contudo, para entender as equações diferenciais estocásticas, precisamos discretizar as equações para posteriormente aplicar os métodos numéricos. Temos que o sistema de discretização mais simples possível nos leva ao valor de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt; a partir da interação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) - \mu\frac{dU}{dx}\varepsilon + \eta_\varepsilon(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A tarefa é compreender como o agora ruído gaussiano &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; afeta esse sistema discretizado. Para isso, escreveremos a evolução temporal da distribuição de probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; definida como a probabilidade da partícula estar em &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Então, deve-se olhar para o limite &amp;lt;math&amp;gt;t \rightarrow \infty&amp;lt;/math&amp;gt; de &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
Vamos realizar a tarefa com a equação discretizada de Langevin comentada acima. Por razões de simplificação, discutiremos essa abordagem com a forma &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) + v(x) \varepsilon + \eta_{\varepsilon}(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;v(x) \equiv −\mu \frac{dU}{dx}&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A equação da probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; pode ser derivada usando a equação de Chapman-Kolmogorov, a qual também iremos escrever em uma forma discretizada no tempo, da forma&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t + \varepsilon) = \int_{-\infty}^{+\infty} W(x,y;\varepsilon) \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é a probabilidade de que a partícula se mova para &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt;, desde que tenha começado em &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Lembrando que: para que a condição acima mova a partícula de &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; a &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, o termo de ruído deve ter apenas o valor correspondente que satisfaz a equação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x = y + v(y) \varepsilon + \eta_{\varepsilon}(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A probabilidade de &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; acima é dada a partir da distribuição de probabilidade do incremento estocástico &amp;lt;math&amp;gt;\eta{\varepsilon}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{G} (\eta \varepsilon) = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{-\eta_\varepsilon^2}{4D\varepsilon}}\right),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Assim &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é obtido como&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
W(x,y; \varepsilon) &amp;amp; = \rho_{G} (\eta_{\varepsilon} = x − y − v(y)\varepsilon) \\&lt;br /&gt;
&amp;amp; = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{−[x−y−v(y)\varepsilon]^2}{4Dε}}\right).&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Substituindo o &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; acima na equação de Chapman-Kolmogorov discretizada e expandindo o lado esquerdo para &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \partial_{t}\rho(x,t) \varepsilon = \int_{-\infty}^{+\infty} \frac{\exp\left(\frac{-[x-y-v(y) \varepsilon]^2}{4D\varepsilon}\right)}{\sqrt{4\pi D \varepsilon}} \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Como último passo agora, vamos expandir a integral do lado direito para ordenar &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;. Notamos que quando &amp;lt;math&amp;gt;\varepsilon \rightarrow 0&amp;lt;/math&amp;gt;, a Gaussiana vai para uma função delta e a integral resulta em &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; que irá se cancelar com &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; no lado esquerdo. Ao final, quando reorganizamos os termos, temos a seguinte equação denominada de Equação de Fokker-Planck&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \frac{\partial v(x) \rho(x,t)}{\partial x} + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
ou, se substituirmos &amp;lt;math&amp;gt;v(x)&amp;lt;/math&amp;gt; pelo potencial &amp;lt;math&amp;gt;v(x) = −\mu \partial U(x)/\partial x&amp;lt;/math&amp;gt;, temos que&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = \frac{\partial}{\partial x} \frac{\partial U}{\partial x} \rho(x,t) + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde, em ambos os casos, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão no movimento browniano, com valor &amp;lt;math&amp;gt;D = \mu k_B T = \frac{k_B T}{6 \pi \eta a}&amp;lt;/math&amp;gt;, cujas variáveis foram discutidas anteriormente na equação de Langevin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Esta distribuição pode ainda depender de um conjunto de &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; macrovariáveis &amp;lt;math&amp;gt;x_i&amp;lt;/math&amp;gt;, de tal maneira que o movimento browniano em questão pode ser representado por uma equação de Fokker-Planck da forma &amp;lt;ref&amp;gt;Wikipédia: Fokker-Planck Equation. URL: https://en.wikipedia.org/wiki/Fokker-Planck_equation.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \left[\sum_{i=1}^{N} \frac{\partial}{\partial x_{i}} D_{i}^{1} (x_{1},...,x_{N}) + \sum_{i=1}^{N} \sum_{j=1}^{N} \frac{\partial^2}{\partial x_{i} \partial x_{j}} D_{ij}^{2} (x_{i},...,x_{N})\right]\rho,&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;D^1&amp;lt;/math&amp;gt; é o termo que é dado por um vetor e &amp;lt;math&amp;gt;D^2&amp;lt;/math&amp;gt; é o termo de difusão, dado por uma matriz.&lt;br /&gt;
&lt;br /&gt;
== Exemplos: acelerador de partículas ==&lt;br /&gt;
&lt;br /&gt;
O exemplo e explicações trazidas nessa seção foram retirados do artigo: &#039;&#039;Numerical solution of two dimensional Fokker-Planck equations&#039;&#039; &amp;lt;ref&amp;gt;M.P. Zorzano, H. Mais, L. Vazquez, Numerical solution of two dimensional Fokker—Planck equations, Applied Mathematics and Computation, 1999, https://doi.org/10.1016/S0096-3003(97)10161-8.&amp;lt;/ref&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Uma aplicação amplamente utilizada para a equação de Fokker-Planck como uma Equação Diferencial Estocástica (&#039;&#039;Stochastic Differential Equations&#039;&#039;, SDE) é para a modelagem da dinâmica de partículas únicas em aceleradores sob influência de ruído. As fontes de ruído são, por exemplo, campos aleatórios, movimento aleatório do solo ou flutuações quânticas da radiação.&lt;br /&gt;
&lt;br /&gt;
A partir do cálculo de probabilidade fornecido pela equação de Fokker-Planck, algumas propriedades físicas de interesse são: qual é o comportamento de longo prazo da dinâmica; qual a probabilidade da partícula colidir com a câmara de vácuo e então ser perdida; quais são as flutuações médias da partícula em torno da trajetória do acelerador; e qual é a evolução temporal da densidade de probabilidade?&lt;br /&gt;
&lt;br /&gt;
Para responder essas perguntas, apenas alguns casos mais específicos possuem soluções analíticas, especialmente em problemas com maior dimensionalidade. Por esse motivo, é interessante e prático estudar a equação de Fokker-Planck e os problemas relacionados a partir de métodos numéricos.&lt;br /&gt;
&lt;br /&gt;
Para esse fim, serão abordados dois exemplos: o oscilador harmônico amortecido, o qual possuí solução analítica e poderá ser usado como comparação para verificar a acurácia do método; e o problema de Duffing, oscilador não linear, com amortecimento e ruído multiplicativo e aditivo, que não apresenta solução exata.&lt;br /&gt;
&lt;br /&gt;
=== Equações ===&lt;br /&gt;
&lt;br /&gt;
As equações diferenciais típicas encontradas na física do acelerador de partícula são&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -a_1(x) - a_2(x,v) + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; é o ruído branco gaussiano e &amp;lt;math&amp;gt;\sigma&amp;lt;/math&amp;gt; é uma constante.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para o caso do oscilador harmônico amortecido e com ruído, temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -Kx - \gamma v + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\gamma&amp;lt;/math&amp;gt; também são constantes.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Já para o oscilador estocástico de Duffing, não-linear, com amortecimento, ruído multiplicativo e aditivo temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -\omega^2 \left[ \left( \alpha + \sqrt{2D_{11}}R_1(t) \right) x + \epsilon x^3 \right] - 2\tau \omega \dot{x} + \sqrt{2D_{22}}R_2(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\omega&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\alpha&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\epsilon&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D_{11}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;D_{22}&amp;lt;/math&amp;gt; são constantes dadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Escrevendo esses exemplos em termos da equação de Fokker-Planck obtemos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o primeiro caso e&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} [(a_1(x) + a_2(x,v))\rho] + \frac{1}{2}\frac{\partial^2}{\partial v^2}(2D\rho)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
a_1(x) =\omega^2x(\alpha+\epsilon x^2), \quad a_2(x,v) = 2\tau\omega v, \quad D=D_{11}\omega^4x^2+D_{22}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o segundo exemplo.&lt;br /&gt;
&lt;br /&gt;
=== Método FTCS explícito ===&lt;br /&gt;
&lt;br /&gt;
Para os fins de estudo desses casos, o método numérico mais simples para descrever a função &amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt; é a partir do FTCS (&#039;&#039;Foward Time Central Space&#039;&#039;) explícito &amp;lt;ref&amp;gt;Pichler L., Masud A., Bergman L.A. (2013) Numerical Solution of the Fokker–Planck Equation by Finite Difference and Finite Element Methods—A Comparative Study. In: Papadrakakis M., Stefanou G., Papadopoulos V. (eds) Computational Methods in Stochastic Dynamics. Computational Methods in Applied Sciences, vol 26. Springer, Dordrecht. https://doi.org/10.1007/978-94-007-5134-7_5.&amp;lt;/ref&amp;gt;. Como ficará mais claro a partir da discretização das equações, o método FTCS calcula o resultado de uma função no tempo seguinte em um dado ponto a partir dos valores dos &amp;quot;vizinhos&amp;quot; desse ponto. Para a técnica explícita, podemos calcular valor da função no tempo &amp;lt;math&amp;gt;n+1&amp;lt;/math&amp;gt; a partir apenas de valores já conhecidos no tempo atual &amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;. Assim, a aplicação do método se torna bem simples, contudo, perdemos precisão/estabilidade em comparação com métodos mais sofisticados.&lt;br /&gt;
&lt;br /&gt;
O primeiro passo para o método é discretizar os termos da função de interesse &amp;lt;math&amp;gt;\rho(x,v,t)&amp;lt;/math&amp;gt; nas derivadas parciais necessárias: &amp;lt;math&amp;gt;\partial/\partial x&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\partial/\partial v&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\partial^2/\partial v^2&amp;lt;/math&amp;gt;. Para isso, usamos a expansão da série de Taylor e, para melhor precisão, a derivada centrada (excluindo a derivada no tempo). Ademais, usaremos a notação dos índices para indicar os valores de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; por &amp;lt;math&amp;gt;i&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;j&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;, respectivamente.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho(x,v,t+\Delta t) - \rho(x,v,t)}{\Delta t}&lt;br /&gt;
+ \mathcal{O}(\Delta t^2)&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial x}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{1}{2}&lt;br /&gt;
\left[ &lt;br /&gt;
    \frac{\rho(x+\Delta x,v,t) - \rho(x,v,t)}{\Delta x} &lt;br /&gt;
    +&lt;br /&gt;
    \frac{\rho(x-\Delta x,v,t) - \rho(x,v,t)}{\Delta x}&lt;br /&gt;
\right]&lt;br /&gt;
+ \mathcal{O}(\Delta x^2)&lt;br /&gt;
\approx&lt;br /&gt;
\frac{\rho(x+\Delta x,v,t)-\rho(x-\Delta x,v,t)}{2 \Delta x}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i+1,j}^n + \rho_{i-1,j}^n}{2\Delta x}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial v}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{1}{2}&lt;br /&gt;
\left[ &lt;br /&gt;
    \frac{\rho(x,v+\Delta v,t) - \rho(x,v,t)}{\Delta v} &lt;br /&gt;
    +&lt;br /&gt;
    \frac{\rho(x,v,t) - \rho(x,v-\Delta v,t)}{\Delta v}&lt;br /&gt;
\right]&lt;br /&gt;
+ \mathcal{O}(\Delta v^2)&lt;br /&gt;
\approx&lt;br /&gt;
\frac{\rho(x,v+\Delta v,t)-\rho(x,v-\Delta v,t)}{2 \Delta v}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j+1}^n + \rho_{i,j-1}^n}{2\Delta v}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial^2 \rho}{\partial v^2}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho(x,v+\Delta v, t)-2\rho(x,v,t)+\rho(x,v-\Delta v,t)}{(\Delta v)^2}&lt;br /&gt;
+\mathcal{O}(\Delta v^3)&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Aplicação ===&lt;br /&gt;
&lt;br /&gt;
Com as derivadas parciais discretizadas, podemos agora reescrever as funções de Fokker-Planck para cada caso de estudo em busca do valor de &amp;lt;math&amp;gt;\rho_{i,j}^{n+1}&amp;lt;/math&amp;gt;, isto é, o valor de cada ponto no espaço &amp;lt;math&amp;gt;xv&amp;lt;/math&amp;gt; para o tempo &amp;lt;math&amp;gt;t+\Delta t&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
==== Caso 1: oscilador harmônico amortecido ====&lt;br /&gt;
&lt;br /&gt;
Primeiramente, reescrevemos a função original expandindo os termos e aplicando a regra da cadeia onde for necessário.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\frac{\partial \rho}{\partial t}&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
-\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- \frac{\partial}{\partial x}(v \rho)&lt;br /&gt;
+ \frac{\partial}{\partial v}(\gamma v + Kx)\rho&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \frac{\partial}{\partial v} (\gamma v \rho) &lt;br /&gt;
+ \frac{\partial}{\partial v} (Kx \rho)&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \gamma \rho&lt;br /&gt;
+ \gamma v \frac{\partial}{\partial v} \rho  &lt;br /&gt;
+ Kx \frac{\partial}{\partial v} \rho&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \gamma \rho&lt;br /&gt;
+ (\gamma v+Kx) \frac{\partial}{\partial v} \rho  &lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Agora, reescrevemos a mesma função substituindo as derivadas parciais e demais variáveis necessárias (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;) pelas versões discretizadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
=&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ \gamma \rho_{i,j}^n&lt;br /&gt;
+ (\gamma v +Kx^n) \left( \frac{\rho_{i,j+1}^n-\rho_{i,j-1}^n}{2\Delta v} \right)&lt;br /&gt;
+ \sigma \left( \frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2} \right)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{i,j}^{n+1}&lt;br /&gt;
=&lt;br /&gt;
\rho_{i,j}^n&lt;br /&gt;
+ \Delta t&lt;br /&gt;
\left[&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ \gamma \rho_{i,j}^n&lt;br /&gt;
+ (\gamma v +Kx^n) \left( \frac{\rho_{i,j+1}^n-\rho_{i,j-1}^n}{2\Delta v} \right)&lt;br /&gt;
+ \sigma \left( \frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2} \right)&lt;br /&gt;
\right]&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para exercício, usaremos um &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; constante de forma que apenas será necessário atualizar a variável &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; para cada passo de tempo.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x^{n+1} = x^n+v\Delta t&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Por fim, é necessário definir uma condição inicial e uma condição de contorno. Uma vez que a função descreve uma densidade de probabilidade, a literatura sugere, até para comparar com a solução analítica quando disponível, uma delta de Kronecker &amp;lt;math&amp;gt;\delta(x-x_0,v-v_0)&amp;lt;/math&amp;gt;. Assim, em uma dada coordenada &amp;lt;math&amp;gt;(x,v)&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t_0&amp;lt;/math&amp;gt; teremos uma probabilidade 1 de encontrar a partícula. Como condição de contorno, dado que a função em um dado ponto precisa dos pontos vizinhos, indicamos que a &amp;quot;borda&amp;quot; da matriz será sempre igual a zero.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Dado essas equações, escrevemos um programa em C para gerar os dados e o gnuplot para criar o gráfico/animação. Os códigos desenvolvidos estarão disponíveis na próxima seção &amp;quot;Código desenvolvido&amp;quot;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&lt;br /&gt;
&amp;lt;li style=&amp;quot;display: inline-block;&amp;quot;&amp;gt;[[Arquivo:caso1.gif|800px|thumb|middle|Animação da evolução da probabilidade de encontrar uma partícula com dada posição &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; a partir da equação de um oscilador harmônico amortecido. Valores da animação: &amp;lt;math&amp;gt;\Delta x = 1\times 10^{-3}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\Delta v = 1\times 10^{-3}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\Delta t = 1\times 10^{-6}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;x_0=1&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;v=2&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;k=0.5&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\gamma=0.5&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\sigma=0.5&amp;lt;/math&amp;gt;.]]&amp;lt;/li&amp;gt;&lt;br /&gt;
&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A partir da referência estudada e da física do problema, é evidente que a animação apresentada está aquém do esperado. Pelos testes pelo grupo responsável por esse documento, o programa desenvolvido se mostrou muito instável e impreciso: alterações mínimas de alguns parâmetros alteravam consideravelmente o resultado observado. Esse comportamento &amp;quot;imprevisível&amp;quot; se tornou ainda evidente ao alterar o tamanho dos passos (&#039;&#039;dt&#039;&#039;, &#039;&#039;dx&#039;&#039;, &#039;&#039;dv&#039;&#039;) de forma que tanto aumentando quanto diminuindo uma ordem de grandeza a função &amp;quot;explodia&amp;quot; - isto é - crescia exponencialmente. Assim, não foi possível aumentar a resolução da &amp;quot;simulação&amp;quot;.&lt;br /&gt;
&lt;br /&gt;
Além disso, em alguns casos, a função retornava valores negativos, o que é inadequado para uma densidade de probabilidade. Ademais, a ordem de grandeza para o tempo usada na simulação desse trabalho está muito abaixo da utilizada na referência base para esse problema, mostrando que a evolução temporal pode ter algum problema. No entanto, o problema que destacamos é a falta de &amp;quot;suavidade&amp;quot; na curva gerada, tanto é que em alguns quadros é possível ver mudanças bruscas no formato da função.&lt;br /&gt;
&lt;br /&gt;
Dessa forma, apesar dos esforços da equipe, não fomos capazes - até o momento dessa edição - de encontrar a causa desses problemas. No entanto, segue algumas hipóteses que podem ser avaliadas para futuras revisões deste material:&lt;br /&gt;
&lt;br /&gt;
- Verificar as equações utilizadas para descrever os problemas e a passagem para a equação de Fokker-Planck. A literatura encontrada não apresenta os passos usados para esse cálculo e nem a referência específica para cada etapa. Assim, o grupo precisou confiar que esse artigo estava correto.&lt;br /&gt;
&lt;br /&gt;
- Verificar a discretização da função para o método FTCS explícito.&lt;br /&gt;
&lt;br /&gt;
- Verificar a estabilidade do método, pois, apesar de não ter ser comentado no material de referência, é possível que o método explícito não seja adequado para os casos estudados.&lt;br /&gt;
&lt;br /&gt;
- Verificar possíveis problemas no código, tanto o código para os dados quanto para a visualização.&lt;br /&gt;
&lt;br /&gt;
- Verificar problemas de truncamento ou erro numérico ou ainda valores inadequados para as constantes utilizadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
==== Caso 2: problema de Duffing ====&lt;br /&gt;
&lt;br /&gt;
Assim como no caso anterior, reescrevemos a equação para uma forma conveniente.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} [(a_1(x) + a_2(x,v))\rho] + \frac{1}{2}\frac{\partial^2}{\partial v^2}(2D\rho)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
a_1(x) =\omega^2x(\alpha+\epsilon x^2), \quad a_2(x,v) = 2\tau\omega v, \quad D=D_{11}\omega^4x^2+D_{22}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\frac{\partial \rho}{\partial t} &lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- \frac{\partial v}{\partial x}\rho &lt;br /&gt;
+ \frac{\partial}{\partial v} [\omega^2x(\alpha+\epsilon x^2) + 2\tau\omega v]\rho&lt;br /&gt;
+ \frac{\partial^2}{\partial v^2}(D_{11}\omega^4x^2+D_{22})\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v\frac{\partial}{\partial x}\rho&lt;br /&gt;
+ [\omega^2x(\alpha+\epsilon x^2)+2\tau\omega v]\frac{\partial}{\partial v}\rho &lt;br /&gt;
+ 2\tau\omega\rho&lt;br /&gt;
+ (D_{11}\omega^4x^2+D_{22})\frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Novamente, substituímos os termos necessários pela forma discretizada.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
=&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ [\omega^2{x^n}(\alpha+\epsilon {x^n}^2)+2\tau\omega v]&lt;br /&gt;
\frac{\rho_{i,j+1}^n + \rho_{i,j-1}^n}{2\Delta v}&lt;br /&gt;
+ 2\tau\omega \rho_{i,j}^n&lt;br /&gt;
+ (D_{11}\omega^4{x^n}^2+D_{22})&lt;br /&gt;
\frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{i,j}^{n+1}&lt;br /&gt;
=&lt;br /&gt;
\rho_{i,j}^n&lt;br /&gt;
+&lt;br /&gt;
\Delta t&lt;br /&gt;
\left\{&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ [\omega^2{x^n}(\alpha+\epsilon {x^n}^2)+2\tau\omega v]&lt;br /&gt;
\frac{\rho_{i,j+1}^n + \rho_{i,j-1}^n}{2\Delta v}&lt;br /&gt;
+ 2\tau\omega \rho_{i,j}^n&lt;br /&gt;
+ (D_{11}\omega^4{x^n}^2+D_{22})&lt;br /&gt;
\frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2}&lt;br /&gt;
\right\}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Considerando mais uma vez que a velocidade da partícula será constante,podemos atualizar o valor de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; pela expressão: &amp;lt;math&amp;gt;x^{n+1}=x^n+v\Delta t&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Para condições iniciais e condições de contorno, usamos o mesmo princípio definido no caso anterior: condição inicial dada por &amp;lt;math&amp;gt;\delta(x-x_0,v-v_0)&amp;lt;/math&amp;gt; e condição de contorno definindo as &amp;quot;paredes&amp;quot; com valor zero para qualquer tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Uma vez que o grupo não foi capaz de encontrar bons resultados para o caso anterior (mais simples), não foi desenvolvido nenhum código para esse exemplo até que o problema anterior fosse resolvido. Esperamos que em uma futura edição esse material possa trazer alguma visualização para o caso com ruído aditivo e multiplicativo descrito pelo problema de Duffing.&lt;br /&gt;
&lt;br /&gt;
== Código desenvolvido ==&lt;br /&gt;
&lt;br /&gt;
Função auxiliar utilizada do arquivo de cabeçalho &#039;&#039;pointers.h&#039;&#039;:&lt;br /&gt;
&amp;lt;source lang=&#039;c&#039;&amp;gt;&lt;br /&gt;
double ***create_3d_double_pointer(int x, int y, int z){&lt;br /&gt;
  double ***pointer;&lt;br /&gt;
  int i, j;&lt;br /&gt;
&lt;br /&gt;
  assert((x &amp;gt; 0) &amp;amp;&amp;amp; (y &amp;gt; 0) &amp;amp;&amp;amp; (z &amp;gt; 0));&lt;br /&gt;
  pointer = (double ***)malloc(x * y * z * sizeof(double **));&lt;br /&gt;
  if (pointer == NULL){&lt;br /&gt;
    fprintf(stderr, &amp;quot;Error in routine create_3d_double_pointer\n&amp;quot;);&lt;br /&gt;
    exit(8);&lt;br /&gt;
  }&lt;br /&gt;
  else {&lt;br /&gt;
    for (i = 0; i &amp;lt; x; i++){&lt;br /&gt;
      pointer[i] = (double **)malloc(y * z * sizeof(double *));&lt;br /&gt;
      if (pointer[i] == NULL){&lt;br /&gt;
        fprintf(stderr, &amp;quot;Error in routine create_3d_double_pointer\n&amp;quot;);&lt;br /&gt;
        exit(8);&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
    for (i = 0; i &amp;lt; x; i++){&lt;br /&gt;
      for (j = 0; j &amp;lt; y; j++){&lt;br /&gt;
        pointer[i][j] = (double *)malloc(z * sizeof(double));&lt;br /&gt;
        if (pointer[i][j] == NULL){&lt;br /&gt;
          fprintf(stderr, &amp;quot;Error in routine create_3d_double_pointer\n&amp;quot;);&lt;br /&gt;
          exit(8);&lt;br /&gt;
        }&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
  }&lt;br /&gt;
  return (pointer);&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/source&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Código utilizado para gerar os dados para o &amp;quot;caso 1&amp;quot;. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;source lang=&#039;c&#039;&amp;gt;&lt;br /&gt;
#include &amp;lt;stdio.h&amp;gt;&lt;br /&gt;
#include &amp;lt;stdlib.h&amp;gt;&lt;br /&gt;
#include &amp;lt;math.h&amp;gt;&lt;br /&gt;
#include &amp;quot;pointers.h&amp;quot;&lt;br /&gt;
&lt;br /&gt;
int main(){&lt;br /&gt;
&lt;br /&gt;
  // Declara as variáveis&lt;br /&gt;
  FILE *fp;&lt;br /&gt;
  char output[50];&lt;br /&gt;
  double ***f;&lt;br /&gt;
  int i, j, k, c, Lx, Lv;&lt;br /&gt;
  double time, tmax, dt, dx, dv, v, x, K, gamma, sigma, epsilon; &lt;br /&gt;
  &lt;br /&gt;
  // Configura os valores iniciais&lt;br /&gt;
  time = 0.0;       // Tempo&lt;br /&gt;
  tmax = 0.0001;    // Tempo máximo&lt;br /&gt;
  Lx = 50;          // Quantidade de pontos em x&lt;br /&gt;
  Lv = 100;         // Quantidade de pontos em v&lt;br /&gt;
  dt = 0.000001;    // Passo em t&lt;br /&gt;
  dx = 0.001;       // Passo em x&lt;br /&gt;
  dv = 0.001;       // Passo em v&lt;br /&gt;
  x = 1;            // Posição inicial&lt;br /&gt;
  v = 2;            // Velocidade&lt;br /&gt;
  K = 0.5;          // Constante&lt;br /&gt;
  gamma = 0.5;      // Constante&lt;br /&gt;
  sigma = 0.5;      // Constante&lt;br /&gt;
  epsilon = 10E-4;  // Valor para comparação&lt;br /&gt;
&lt;br /&gt;
  // Inicializa a matriz 3D&lt;br /&gt;
  f = create_3d_double_pointer(Lx, Lv, 2);&lt;br /&gt;
  // Todos os pontos com valores zero&lt;br /&gt;
  for (i=0; i&amp;lt;Lx; i++){&lt;br /&gt;
    for (j=0; j&amp;lt;Lv; j++){&lt;br /&gt;
      for (k=0; k&amp;lt;2; k++){&lt;br /&gt;
        f[i][j][k] = 0.0;&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
  }&lt;br /&gt;
&lt;br /&gt;
  // Condição inicial&lt;br /&gt;
  f[Lx/2][Lv/2][0] = 1.0;&lt;br /&gt;
&lt;br /&gt;
  // Arquivo para output&lt;br /&gt;
  sprintf(output, &amp;quot;caso1.dat&amp;quot;);&lt;br /&gt;
  fp = fopen(output, &amp;quot;w&amp;quot;);&lt;br /&gt;
&lt;br /&gt;
  c = 0;&lt;br /&gt;
  // Loop da &amp;quot;simulação&amp;quot;&lt;br /&gt;
  while (time&amp;lt;tmax){&lt;br /&gt;
    for (i=1; i&amp;lt;(Lx-1); i++){&lt;br /&gt;
      for (j=1; j&amp;lt;(Lv-1); j++){&lt;br /&gt;
        // Atualiza a probabilidade&lt;br /&gt;
        f[i][j][1-c] = f[i][j][c]+dt*(-v*(f[i+1][j][c]-f[i-1][j][c])/(2*dx)+gamma*f[i][j][c]+(gamma*v+K*x)*(f[i][j+1][c]-f[i][j-1][c])/(2*dv)+sigma*(f[i][j+1][c]-2*f[i][j][c]+f[i][j-1][c])/(dv*dv));&lt;br /&gt;
        // Salva o resultado em arquivo&lt;br /&gt;
        if (fabs(f[i][j][1-c]) &amp;gt; epsilon){&lt;br /&gt;
          fprintf(fp, &amp;quot;%f %f %f\n&amp;quot;, (double)(i-Lx/2)*dx+x, (double)(j-Lv/2)*dv+v, f[i][j][1-c]);&lt;br /&gt;
        }&lt;br /&gt;
      }&lt;br /&gt;
      // Adiciona linha em branco (arquivo XYZ - gnuplot)&lt;br /&gt;
      if (fabs(f[i][j][1-c]) &amp;gt; epsilon){&lt;br /&gt;
        fprintf(fp, &amp;quot;\n&amp;quot;);&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
    // Atualiza a posição&lt;br /&gt;
    x = x + v*dt;&lt;br /&gt;
    c = 1 - c;&lt;br /&gt;
    // Adiciona duas linhas em branco (animação - gnuplot)&lt;br /&gt;
    fprintf(fp, &amp;quot;\n\n&amp;quot;);&lt;br /&gt;
    time += dt;&lt;br /&gt;
  }&lt;br /&gt;
&lt;br /&gt;
  fclose(fp); // Fecha arquivo&lt;br /&gt;
  free(f);    // Libera ponteiro&lt;br /&gt;
&lt;br /&gt;
  return 0;&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/source&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Código utilizado no gnuplot para gerar a animação.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;source lang=&#039;gnuplot&#039;&amp;gt;&lt;br /&gt;
# Limpa configurações anteriores&lt;br /&gt;
unset xrange&lt;br /&gt;
unset yrange&lt;br /&gt;
unset zrange&lt;br /&gt;
&lt;br /&gt;
# Gera estatísticas dos dados&lt;br /&gt;
stats &amp;quot;caso1.dat&amp;quot; name &amp;quot;A&amp;quot;&lt;br /&gt;
&lt;br /&gt;
# Estilo para gráfico&lt;br /&gt;
set dgrid3d&lt;br /&gt;
&lt;br /&gt;
# Ponto de vista&lt;br /&gt;
set view 60, 30, 1, 1&lt;br /&gt;
&lt;br /&gt;
# Configura o range do plot&lt;br /&gt;
set xrange [A_min_x:A_max_x]&lt;br /&gt;
set yrange [A_min_y:A_max_y]&lt;br /&gt;
set zrange [0:1]&lt;br /&gt;
&lt;br /&gt;
# Formato de saída&lt;br /&gt;
set term gif animate delay 25 background &amp;quot;#212121&amp;quot; enhanced font &amp;quot;Arial,10&amp;quot; fontscale 1.0 size 800, 550&lt;br /&gt;
&lt;br /&gt;
set title &amp;quot;Partícula em acelerador:\noscilador harmônico amortecido&amp;quot; offset character 0, -3 font &amp;quot;Oswald,28&amp;quot; tc rgb &amp;quot;white&amp;quot;&lt;br /&gt;
set xlabel &amp;quot;Posição (x)&amp;quot; offset character -2, -2 font &amp;quot;,18&amp;quot; tc rgb &amp;quot;white&amp;quot; rotate by -9&lt;br /&gt;
set ylabel &amp;quot;Velocidade (v)&amp;quot; offset character -3, -3 font &amp;quot;,18&amp;quot; tc rgb &amp;quot;white&amp;quot; rotate parallel&lt;br /&gt;
set zlabel &amp;quot;Densidade de probabilidade&amp;quot; offset character -1.5, -1.5 font &amp;quot;,18&amp;quot; tc rgb &amp;quot;white&amp;quot; rotate parallel&lt;br /&gt;
&lt;br /&gt;
set tics tc rgb &amp;quot;white&amp;quot; offset character -1, -1&lt;br /&gt;
set border lc rgb &amp;quot;white&amp;quot;&lt;br /&gt;
&lt;br /&gt;
set output &amp;quot;caso1.gif&amp;quot;&lt;br /&gt;
&lt;br /&gt;
do for [i=0:int(A_blocks-1)] {  &lt;br /&gt;
    splot &#039;caso1.dat&#039; index i with pm3d notitle&lt;br /&gt;
    }&lt;br /&gt;
&amp;lt;/source&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Referências ==&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=7312</id>
		<title>Equação de Fokker-Planck</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=7312"/>
		<updated>2022-03-29T10:39:38Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&#039;&#039;&#039;Grupo: Álison Soares, Rodrigo Avancini Lara e Samuel Huff Dieterich&#039;&#039;&#039;&lt;br /&gt;
&lt;br /&gt;
A equação de Fokker-Planck foi aplicada em primeiro modo em problemas relacionados ao movimento Browniano, como veremos à seguir. Nesse caso, lidando com flutuações originadas de vários pequenos distúrbios, as partículas de interesse se chocavam com as moléculas do meio, provocando uma trajetória probabilística - isto é - não é possível descrever a evolução da partícula sem a observação. Porém, é possível determinar a probabilidade de encontrá-las em determinada região do espaço.&lt;br /&gt;
&lt;br /&gt;
Esta equação pode ser obtida a partir da equação de Langevin &amp;lt;ref&amp;gt;From Langevin to Fokker-Planck equation. URL: http://cgl.elte.hu/~racz/Stoch-diff-eq.pdf.&amp;lt;/ref&amp;gt; e fornece a probabilidade de encontrar determinada partícula em uma posição (varia conforme a dimensionalidade do problema) em um certo instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Além disso, no presente trabalho temos como objetivo estudar a solução numérica da equação para um dado exemplo bidimensional, através do método FTCS explícito.&lt;br /&gt;
&lt;br /&gt;
== Introdução ==&lt;br /&gt;
&lt;br /&gt;
=== Movimento browniano ===&lt;br /&gt;
&lt;br /&gt;
O movimento browniano foi descoberto pelo botanista Robert Brown, em 1827. Durante seu estudo sobre vida microscópica, ele percebeu pequenas partículas de pólen de plantas se movendo de maneira aleatória no líquido que ele estava estudando e, notando que se tratava de partículas de sujeira, e não seres vivos, chegou a conclusão que era um fenômeno físico, e não biológico, que causava este movimento. &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Posteriormente, foi provado que este fenômeno se dava pelos efeitos do movimento molecular. Em um meio com uma temperatura qualquer &amp;lt;math&amp;gt; &amp;gt;0K &amp;lt;/math&amp;gt;, há vibração e movimento molecular. Embora haja conservacão de energia, quando a partícula interage com as moléculas do meio, a energia cinética desta partícula se altera (assim como a das moléculas). Contudo, a soma destas energias é a energia interna do fluido, como descreve o Teorema da Equiparação. &amp;lt;ref name=&amp;gt;The Equipartition Theorem, University of Oxford. URL: http://vallance.chem.ox.ac.uk/pdfs/Equipartition.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Em 1905, Albert Einstein propôs uma teoria para descrever tal movimento matematicamente. Primeiramente, ele se propôs a descrever o quão longe uma partícula browniana se desloca em um determinado intervalo de tempo. Como a partícula está sujeita a &amp;lt;math&amp;gt;10^{14}&amp;lt;/math&amp;gt; colisões por segundo (provindas das moléculas do meio), a mecânica clássica é incapaz de resolver este sistema &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Stachel, J., et al.; The Collected Papers of Albert Einstein, 1989, Princeton University Press. URL: http://users.physik.fu-berlin.de/~kleinert/files/eins_brownian.pdf.&amp;lt;/ref&amp;gt;.  Para resolver este problema, ele abordou o problema pela ótica da mecânica estatística. &lt;br /&gt;
&lt;br /&gt;
Inicialmente, ele considerou o incremento da posição da partícula num espaço unidimensional (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;), num determinado intervalo de tempo (&amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;). Considerando que existe uma probabilidade aleatória da partícula se mover dentro do intervalo &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, ele definiu uma função para a densidade de probabilidade (&amp;lt;math&amp;gt;\varphi(\Delta x)&amp;lt;/math&amp;gt;). Sabendo que o número de partículas é constante dentro do meio, ele expandiu a densidade (&amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt;) deste em uma série de Taylor:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \tau \left(\frac{\partial \rho(x,t)}{\partial t}\right) + \dots = \rho(x, t+\tau)&lt;br /&gt;
=\int_{-\infty}^{+\infty} \rho(x+\Delta x, t) \cdot \varphi(\Delta x) d\Delta x &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
que é, por definição, &amp;lt;math&amp;gt;\varphi&amp;lt;/math&amp;gt;. Continuando, &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
=\rho(x,t) \cdot \int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x + \frac{\partial \rho}{\partial x} \cdot \int_{-\infty}^{+\infty} \Delta x \cdot \varphi(\Delta x) d \Delta x + \frac{\partial^2\rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \dots.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Pela definição da probabilidade,&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x=1&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
e as integrais dos termos pares da série são nulos devido à simetria do espaço. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Temos então,&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\rho(x, t+\tau)&lt;br /&gt;
&amp;amp; = \rho(x,t) \cdot 1 + 0 + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots&lt;br /&gt;
\\&lt;br /&gt;
&amp;amp; = \rho(x,t) + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots.&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Esta equação nos leva à igualdade&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} =  \frac{\partial^2\rho}{\partial x^2} \cdot \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \mathcal{O}.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Podemos interpretar a integral como o coeficiente de difusão &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
D = \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
O que nos dá a equação da difusão&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} = D \frac{\partial^2\rho}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Equação de Langevin ===&lt;br /&gt;
&lt;br /&gt;
Em 1908, 3 anos após os estudos de Albert Einstein em processos aleatórios e movimento aleatório, Paul Langevin (1872-1946) apresentou um novo método para o movimento browniano que - segundo Langevin - era &amp;quot;infinitamente mais simples&amp;quot; que a solução proposta por Einstein. &amp;lt;ref name=Langevin_original&amp;gt;P. Langevin, &amp;quot;Sur la théorie de mouvement Brownien&amp;quot; C.R. Acad. Sci. Paris , 146 (1908) pp. 530–533, https://www.physik.uni-augsburg.de/theo1/hanggi/History/Langevin1908.pdf.&amp;lt;/ref&amp;gt;&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;&lt;br /&gt;
Para interpretar o movimento browniano, Einstein derivou e resolveu uma equação diferencial parcial descrevendo a evolução temporal da densidade de probabilidade para a partícula. Já Langevin aplicou a segunda lei de Newton na forma diferencial para essa partícula.&lt;br /&gt;
&lt;br /&gt;
Para uma partícula browniana de massa &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; em um líquido com viscosidade &amp;lt;math&amp;gt;\eta&amp;lt;/math&amp;gt;, existem duas forças que agem sobre o seu movimento&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
1. Arrasto pela viscosidade.&lt;br /&gt;
&lt;br /&gt;
2. Força de flutuação.&lt;br /&gt;
&lt;br /&gt;
Considerando que a partícula é relativamente grande em comparação com as distâncias médias entre as moléculas do líquido e esta se movimento nesse meio com velocidade &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt;, experimenta uma resistência pela viscosidade. Essa força é descrita pela Lei de Stokes que, para uma partícula esférica com diâmetro &amp;lt;math&amp;gt;a&amp;lt;/math&amp;gt;, corresponde a &amp;lt;math&amp;gt;-6\pi\eta a \ dx/dt&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
A segunda força foi proposta por Langevin para descrever o efeito de constantes impactos das moléculas do líquido sobre as partículas de estudo. Assim, como esta força (&amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt;) possui uma origem aleatória, essa deveria ser positiva ou negativa de maneira equiprovável e cuja magnitude fosse suficiente para manter a agitação da partícula. Caso contrário, a viscosidade iria parar o movimento dessa partícula.&lt;br /&gt;
&lt;br /&gt;
Com isso, a equação que descreve o movimento a partir da posição da partícula - em 1D na direção &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; - é dado pela Lei de Newton como:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin representando o efeito das colisões das moléculas do fluído. &amp;lt;ref&amp;gt;Langevin equation. Encyclopedia of Mathematics. URL: http://encyclopediaofmath.org/index.php?title=Langevin_equation&amp;amp;oldid=47575.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Wikipédia: Langevin equation. URL: https://en.wikipedia.org/wiki/Langevin_equation.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Essa equação é conhecida como a equação de Langevin e foi o primeiro exemplo de equação diferencial estocástica, isto é, uma equação diferencial com um termo, &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; nesse caso, cuja solução em algum sentido também é uma função aleatória &amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;. Essa função foi desenvolvida para possuir as seguintes propriedades:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\langle R(t) \rangle = 0&lt;br /&gt;
\qquad&lt;br /&gt;
\langle R(t) R(t&#039;) \rangle = D \cdot \delta(t-t&#039;),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\langle f \rangle&amp;lt;/math&amp;gt; descreve o valor médio ou esperado de uma função &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão e &amp;lt;math&amp;gt;\delta&amp;lt;/math&amp;gt; é a função delta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A primeira propriedade afirma que o movimento é aleatório de forma que não existe nenhuma tendência de sentido para a partícula se locomover. Assim, é dito que &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; se trata de um ruído branco gaussiano. Já a segunda propriedade mostra que a força em um dado tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; é descorrelacionada de uma força para qualquer outro tempo &amp;lt;math&amp;gt;t&#039;&amp;lt;/math&amp;gt; (propriedade de Markov). &amp;lt;ref&amp;gt;Wikipédia: Langevin equation. URL: https://en.wikipedia.org/wiki/Langevin_equation.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Dedução da equação de Fokker-Planck ===&lt;br /&gt;
&lt;br /&gt;
Para a dedução foi utilizado a seguinte referência como base: &#039;&#039;From Langevin to Fokker-Planck equation&#039;&#039;.&amp;lt;ref&amp;gt;From Langevin to Fokker-Planck equation. URL: http://cgl.elte.hu/~racz/Stoch-diff-eq.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Como vimos anteriormente, o movimento browniano pode ser descrito pela equação de Langevin, a qual podemos resolver sem nenhum problema. Contudo, alternativamente, podemos fazer uso da equação de Fokker-Planck e considerar uma densidade de probabilidade em relação a posição e o tempo, levando em conta diferentes perturbações estocásticas. Para isso, iremos agora deduzir essa equação, a partir da analise de Langevin.&lt;br /&gt;
&lt;br /&gt;
A descrição do movimento browniano foi anteriormente tratada em termos da equação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para o nosso propósito, realizaremos uma abordagem mais direta e geral, assumindo a equação de Langevin através de um potencial &amp;lt;math&amp;gt;U(x)&amp;lt;/math&amp;gt;, nos deixando com a seguinte expressão:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{dx}{dt} = -\mu \frac{dU}{dx} + \eta(t),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\mu=\frac{1}{6\pi\eta a}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\eta(t) = \mu R(t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Contudo, para entender as equações diferenciais estocásticas, precisamos discretizar as equações para posteriormente aplicar os métodos numéricos. Temos que o sistema de discretização mais simples possível nos leva ao valor de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt; a partir da interação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) - \mu\frac{dU}{dx}\varepsilon + \eta_\varepsilon(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A tarefa é compreender como o agora ruído gaussiano &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; afeta esse sistema discretizado. Para isso, escreveremos a evolução temporal da distribuição de probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; definida como a probabilidade da partícula estar em &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Então, deve-se olhar para o limite &amp;lt;math&amp;gt;t \rightarrow \infty&amp;lt;/math&amp;gt; de &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
Vamos realizar a tarefa com a equação discretizada de Langevin comentada acima. Por razões de simplificação, discutiremos essa abordagem com a forma &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) + v(x) \varepsilon + \eta_{\varepsilon}(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;v(x) \equiv −\mu \frac{dU}{dx}&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A equação da probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; pode ser derivada usando a equação de Chapman-Kolmogorov, a qual também iremos escrever em uma forma discretizada no tempo, da forma&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t + \varepsilon) = \int_{-\infty}^{+\infty} W(x,y;\varepsilon) \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é a probabilidade de que a partícula se mova para &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt;, desde que tenha começado em &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Lembrando que: para que a condição acima mova a partícula de &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; a &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, o termo de ruído deve ter apenas o valor correspondente que satisfaz a equação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x = y + v(y) \varepsilon + \eta_{\varepsilon}(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A probabilidade de &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; acima é dada a partir da distribuição de probabilidade do incremento estocástico &amp;lt;math&amp;gt;\eta{\varepsilon}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{G} (\eta \varepsilon) = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{-\eta_\varepsilon^2}{4D\varepsilon}}\right),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Assim &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é obtido como&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
W(x,y; \varepsilon) &amp;amp; = \rho_{G} (\eta_{\varepsilon} = x − y − v(y)\varepsilon) \\&lt;br /&gt;
&amp;amp; = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{−[x−y−v(y)\varepsilon]^2}{4Dε}}\right).&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Substituindo o &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; acima na equação de Chapman-Kolmogorov discretizada e expandindo o lado esquerdo para &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \partial_{t}\rho(x,t) \varepsilon = \int_{-\infty}^{+\infty} \frac{\exp\left(\frac{-[x-y-v(y) \varepsilon]^2}{4D\varepsilon}\right)}{\sqrt{4\pi D \varepsilon}} \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Como último passo agora, vamos expandir a integral do lado direito para ordenar &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;. Notamos que quando &amp;lt;math&amp;gt;\varepsilon \rightarrow 0&amp;lt;/math&amp;gt;, a Gaussiana vai para uma função delta e a integral resulta em &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; que irá se cancelar com &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; no lado esquerdo. Ao final, quando reorganizamos os termos, temos a seguinte equação denominada de Equação de Fokker-Planck&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \frac{\partial v(x) \rho(x,t)}{\partial x} + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
ou, se substituirmos &amp;lt;math&amp;gt;v(x)&amp;lt;/math&amp;gt; pelo potencial &amp;lt;math&amp;gt;v(x) = −\mu \partial U(x)/\partial x&amp;lt;/math&amp;gt;, temos que&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = \frac{\partial}{\partial x} \frac{\partial U}{\partial x} \rho(x,t) + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde, em ambos os casos, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão no movimento browniano, com valor &amp;lt;math&amp;gt;D = \mu k_B T = \frac{k_B T}{6 \pi \eta a}&amp;lt;/math&amp;gt;, cujas variáveis foram discutidas anteriormente na equação de Langevin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Esta distribuição pode ainda depender de um conjunto de &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; macrovariáveis &amp;lt;math&amp;gt;x_i&amp;lt;/math&amp;gt;, de tal maneira que o movimento browniano em questão pode ser representado por uma equação de Fokker-Planck da forma &amp;lt;ref&amp;gt;Wikipédia: Fokker-Planck Equation. URL: https://en.wikipedia.org/wiki/Fokker-Planck_equation.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \left[\sum_{i=1}^{N} \frac{\partial}{\partial x_{i}} D_{i}^{1} (x_{1},...,x_{N}) + \sum_{i=1}^{N} \sum_{j=1}^{N} \frac{\partial^2}{\partial x_{i} \partial x_{j}} D_{ij}^{2} (x_{i},...,x_{N})\right]\rho,&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;D^1&amp;lt;/math&amp;gt; é o termo que é dado por um vetor e &amp;lt;math&amp;gt;D^2&amp;lt;/math&amp;gt; é o termo de difusão, dado por uma matriz.&lt;br /&gt;
&lt;br /&gt;
== Exemplos: acelerador de partículas ==&lt;br /&gt;
&lt;br /&gt;
O exemplo e explicações trazidas nessa seção foram retirados do artigo: &#039;&#039;Numerical solution of two dimensional Fokker-Planck equations&#039;&#039; &amp;lt;ref&amp;gt;M.P. Zorzano, H. Mais, L. Vazquez, Numerical solution of two dimensional Fokker—Planck equations, Applied Mathematics and Computation, 1999, https://doi.org/10.1016/S0096-3003(97)10161-8.&amp;lt;/ref&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Uma aplicação amplamente utilizada para a equação de Fokker-Planck como uma Equação Diferencial Estocástica (&#039;&#039;Stochastic Differential Equations&#039;&#039;, SDE) é para a modelagem da dinâmica de partículas únicas em aceleradores sob influência de ruído. As fontes de ruído são, por exemplo, campos aleatórios, movimento aleatório do solo ou flutuações quânticas da radiação.&lt;br /&gt;
&lt;br /&gt;
A partir do cálculo de probabilidade fornecido pela equação de Fokker-Planck, algumas propriedades físicas de interesse são: qual é o comportamento de longo prazo da dinâmica; qual a probabilidade da partícula colidir com a câmara de vácuo e então ser perdida; quais são as flutuações médias da partícula em torno da trajetória do acelerador; e qual é a evolução temporal da densidade de probabilidade?&lt;br /&gt;
&lt;br /&gt;
Para responder essas perguntas, apenas alguns casos mais específicos possuem soluções analíticas, especialmente em problemas com maior dimensionalidade. Por esse motivo, é interessante e prático estudar a equação de Fokker-Planck e os problemas relacionados a partir de métodos numéricos.&lt;br /&gt;
&lt;br /&gt;
Para esse fim, serão abordados dois exemplos: o oscilador harmônico amortecido, o qual possuí solução analítica e poderá ser usado como comparação para verificar a acurácia do método; e o problema de Duffing, oscilador não linear, com amortecimento e ruído multiplicativo e aditivo, que não apresenta solução exata.&lt;br /&gt;
&lt;br /&gt;
=== Equações ===&lt;br /&gt;
&lt;br /&gt;
As equações diferenciais típicas encontradas na física do acelerador de partícula são&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -a_1(x) - a_2(x,v) + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; é o ruído branco gaussiano e &amp;lt;math&amp;gt;\sigma&amp;lt;/math&amp;gt; é uma constante.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para o caso do oscilador harmônico amortecido e com ruído, temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -Kx - \gamma v + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\gamma&amp;lt;/math&amp;gt; também são constantes.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Já para o oscilador estocástico de Duffing, não-linear, com amortecimento, ruído multiplicativo e aditivo temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -\omega^2 \left[ \left( \alpha + \sqrt{2D_{11}}R_1(t) \right) x + \epsilon x^3 \right] - 2\tau \omega \dot{x} + \sqrt{2D_{22}}R_2(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\omega&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\alpha&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\epsilon&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D_{11}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;D_{22}&amp;lt;/math&amp;gt; são constantes dadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Escrevendo esses exemplos em termos da equação de Fokker-Planck obtemos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o primeiro caso e&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} [(a_1(x) + a_2(x,v))\rho] + \frac{1}{2}\frac{\partial^2}{\partial v^2}(2D\rho)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
a_1(x) =\omega^2x(\alpha+\epsilon x^2), \quad a_2(x,v) = 2\tau\omega v, \quad D=D_{11}\omega^4x^2+D_{22}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o segundo exemplo.&lt;br /&gt;
&lt;br /&gt;
=== Método FTCS explícito ===&lt;br /&gt;
&lt;br /&gt;
Para os fins de estudo desses casos, o método numérico mais simples para descrever a função &amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt; é a partir do FTCS (&#039;&#039;Foward Time Central Space&#039;&#039;) explícito &amp;lt;ref&amp;gt;Pichler L., Masud A., Bergman L.A. (2013) Numerical Solution of the Fokker–Planck Equation by Finite Difference and Finite Element Methods—A Comparative Study. In: Papadrakakis M., Stefanou G., Papadopoulos V. (eds) Computational Methods in Stochastic Dynamics. Computational Methods in Applied Sciences, vol 26. Springer, Dordrecht. https://doi.org/10.1007/978-94-007-5134-7_5.&amp;lt;/ref&amp;gt;. Como ficará mais claro a partir da discretização das equações, o método FTCS calcula o resultado de uma função no tempo seguinte em um dado ponto a partir dos valores dos &amp;quot;vizinhos&amp;quot; desse ponto. Para a técnica explícita, podemos calcular valor da função no tempo &amp;lt;math&amp;gt;n+1&amp;lt;/math&amp;gt; a partir apenas de valores já conhecidos no tempo atual &amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;. Assim, a aplicação do método se torna bem simples, contudo, perdemos precisão/estabilidade em comparação com métodos mais sofisticados.&lt;br /&gt;
&lt;br /&gt;
O primeiro passo para o método é discretizar os termos da função de interesse &amp;lt;math&amp;gt;\rho(x,v,t)&amp;lt;/math&amp;gt; nas derivadas parciais necessárias: &amp;lt;math&amp;gt;\partial/\partial x&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\partial/\partial v&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\partial^2/\partial v^2&amp;lt;/math&amp;gt;. Para isso, usamos a expansão da série de Taylor e, para melhor precisão, a derivada centrada (excluindo a derivada no tempo). Ademais, usaremos a notação dos índices para indicar os valores de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; por &amp;lt;math&amp;gt;i&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;j&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;, respectivamente.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho(x,v,t+\Delta t) - \rho(x,v,t)}{\Delta t}&lt;br /&gt;
+ \mathcal{O}(\Delta t^2)&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial x}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{1}{2}&lt;br /&gt;
\left[ &lt;br /&gt;
    \frac{\rho(x+\Delta x,v,t) - \rho(x,v,t)}{\Delta x} &lt;br /&gt;
    +&lt;br /&gt;
    \frac{\rho(x-\Delta x,v,t) - \rho(x,v,t)}{\Delta x}&lt;br /&gt;
\right]&lt;br /&gt;
+ \mathcal{O}(\Delta x^2)&lt;br /&gt;
\approx&lt;br /&gt;
\frac{\rho(x+\Delta x,v,t)-\rho(x-\Delta x,v,t)}{2 \Delta x}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i+1,j}^n + \rho_{i-1,j}^n}{2\Delta x}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial v}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{1}{2}&lt;br /&gt;
\left[ &lt;br /&gt;
    \frac{\rho(x,v+\Delta v,t) - \rho(x,v,t)}{\Delta v} &lt;br /&gt;
    +&lt;br /&gt;
    \frac{\rho(x,v,t) - \rho(x,v-\Delta v,t)}{\Delta v}&lt;br /&gt;
\right]&lt;br /&gt;
+ \mathcal{O}(\Delta v^2)&lt;br /&gt;
\approx&lt;br /&gt;
\frac{\rho(x,v+\Delta v,t)-\rho(x,v-\Delta v,t)}{2 \Delta v}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j+1}^n + \rho_{i,j-1}^n}{2\Delta v}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial^2 \rho}{\partial v^2}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho(x,v+\Delta v, t)-2\rho(x,v,t)+\rho(x,v-\Delta v,t)}{(\Delta v)^2}&lt;br /&gt;
+\mathcal{O}(\Delta v^3)&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Aplicação ===&lt;br /&gt;
&lt;br /&gt;
Com as derivadas parciais discretizadas, podemos agora reescrever as funções de Fokker-Planck para cada caso de estudo em busca do valor de &amp;lt;math&amp;gt;\rho_{i,j}^{n+1}&amp;lt;/math&amp;gt;, isto é, o valor de cada ponto no espaço &amp;lt;math&amp;gt;xv&amp;lt;/math&amp;gt; para o tempo &amp;lt;math&amp;gt;t+\Delta t&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
==== Caso 1: oscilador harmônico amortecido ====&lt;br /&gt;
&lt;br /&gt;
Primeiramente, reescrevemos a função original expandindo os termos e aplicando a regra da cadeia onde for necessário.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\frac{\partial \rho}{\partial t}&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
-\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- \frac{\partial}{\partial x}(v \rho)&lt;br /&gt;
+ \frac{\partial}{\partial v}(\gamma v + Kx)\rho&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \frac{\partial}{\partial v} (\gamma v \rho) &lt;br /&gt;
+ \frac{\partial}{\partial v} (Kx \rho)&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \gamma \rho&lt;br /&gt;
+ \gamma v \frac{\partial}{\partial v} \rho  &lt;br /&gt;
+ Kx \frac{\partial}{\partial v} \rho&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \gamma \rho&lt;br /&gt;
+ (\gamma v+Kx) \frac{\partial}{\partial v} \rho  &lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Agora, reescrevemos a mesma função substituindo as derivadas parciais e demais variáveis necessárias (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;) pelas versões discretizadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
=&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ \gamma \rho_{i,j}^n&lt;br /&gt;
+ (\gamma v +Kx^n) \left( \frac{\rho_{i,j+1}^n-\rho_{i,j-1}^n}{2\Delta v} \right)&lt;br /&gt;
+ \sigma \left( \frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2} \right)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{i,j}^{n+1}&lt;br /&gt;
=&lt;br /&gt;
\rho_{i,j}^n&lt;br /&gt;
+ \Delta t&lt;br /&gt;
\left[&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ \gamma \rho_{i,j}^n&lt;br /&gt;
+ (\gamma v +Kx^n) \left( \frac{\rho_{i,j+1}^n-\rho_{i,j-1}^n}{2\Delta v} \right)&lt;br /&gt;
+ \sigma \left( \frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2} \right)&lt;br /&gt;
\right]&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para exercício, usaremos um &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; constante de forma que apenas será necessário atualizar a variável &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; para cada passo de tempo.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x^{n+1} = x^n+v\Delta t&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Por fim, é necessário definir uma condição inicial e uma condição de contorno. Uma vez que a função descreve uma densidade de probabilidade, a literatura sugere, até para comparar com a solução analítica quando disponível, uma delta de Kronecker &amp;lt;math&amp;gt;\delta(x-x_0,v-v_0)&amp;lt;/math&amp;gt;. Assim, em uma dada coordenada &amp;lt;math&amp;gt;(x,v)&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t_0&amp;lt;/math&amp;gt; teremos uma probabilidade 1 de encontrar a partícula. Como condição de contorno, dado que a função em um dado ponto precisa dos pontos vizinhos, indicamos que a &amp;quot;borda&amp;quot; da matriz será sempre igual a zero.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Dado essas equações, escrevemos um programa em C para gerar os dados e o gnuplot para criar o gráfico/animação. Os códigos desenvolvidos estarão disponíveis na próxima seção &amp;quot;Código desenvolvido&amp;quot;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&lt;br /&gt;
&amp;lt;li style=&amp;quot;display: inline-block;&amp;quot;&amp;gt;[[Arquivo:caso1.gif|800px|thumb|middle|Animação da evolução da probabilidade de encontrar uma partícula com dada posição &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; a partir da equação de um oscilador harmônico amortecido. Valores da animação: &amp;lt;math&amp;gt;\Delta x = 1\times 10^{-3}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\Delta v = 1\times 10^{-3}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\Delta t = 1\times 10^{-6}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;x_0=1&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;v=2&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;k=0.5&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\gamma=0.5&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\sigma=0.5&amp;lt;/math&amp;gt;.]]&amp;lt;/li&amp;gt;&lt;br /&gt;
&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A partir da referência estudada e da física do problema, é evidente que a animação apresentada está aquém do esperado. Pelos testes pelo grupo responsável por esse documento, o programa desenvolvido se mostrou muito instável e impreciso: alterações mínimas de alguns parâmetros alteravam consideravelmente o resultado observado. Esse comportamento &amp;quot;imprevisível&amp;quot; se tornou ainda evidente ao alterar o tamanho dos passos (&#039;&#039;dt&#039;&#039;, &#039;&#039;dx&#039;&#039;, &#039;&#039;dv&#039;&#039;) de forma que tanto aumentando quanto diminuindo uma ordem de grandeza a função &amp;quot;explodia&amp;quot; - isto é - crescia exponencialmente. Assim, não foi possível aumentar a resolução da &amp;quot;simulação&amp;quot;.&lt;br /&gt;
&lt;br /&gt;
Além disso, em alguns casos, a função retornava valores negativos, o que é inadequado para uma densidade de probabilidade. Ademais, a ordem de grandeza para o tempo usada na simulação desse trabalho está muito abaixo da utilizada na referência base para esse problema, mostrando que a evolução temporal pode ter algum problema. No entanto, o problema que destacamos é a falta de &amp;quot;suavidade&amp;quot; na curva gerada, tanto é que em alguns quadros é possível ver mudanças bruscas no formato da função.&lt;br /&gt;
&lt;br /&gt;
Dessa forma, apesar dos esforços da equipe, não fomos capazes - até o momento dessa edição - de encontrar a causa desses problemas. No entanto, segue algumas hipóteses que podem ser avaliadas para futuras revisões deste material:&lt;br /&gt;
&lt;br /&gt;
- Verificar as equações utilizadas para descrever os problemas e a passagem para a equação de Fokker-Planck. A literatura encontrada não apresenta os passos usados para esse cálculo e nem a referência específica para cada etapa. Assim, o grupo precisou confiar que esse artigo estava correto.&lt;br /&gt;
&lt;br /&gt;
- Verificar a discretização da função para o método FTCS explícito.&lt;br /&gt;
&lt;br /&gt;
- Verificar a estabilidade do método, pois, apesar de não ter ser comentado no material de referência, é possível que o método explícito não seja adequado para os casos estudados.&lt;br /&gt;
&lt;br /&gt;
- Verificar possíveis problemas no código, tanto o código para os dados quanto para a visualização.&lt;br /&gt;
&lt;br /&gt;
- Verificar problemas de truncamento ou erro numérico ou ainda valores inadequados para as constantes utilizadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
==== Caso 2: problema de Duffing ====&lt;br /&gt;
&lt;br /&gt;
Assim como no caso anterior, reescrevemos a equação para uma forma conveniente.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} [(a_1(x) + a_2(x,v))\rho] + \frac{1}{2}\frac{\partial^2}{\partial v^2}(2D\rho)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
a_1(x) =\omega^2x(\alpha+\epsilon x^2), \quad a_2(x,v) = 2\tau\omega v, \quad D=D_{11}\omega^4x^2+D_{22}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\frac{\partial \rho}{\partial t} &lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- \frac{\partial v}{\partial x}\rho &lt;br /&gt;
+ \frac{\partial}{\partial v} [\omega^2x(\alpha+\epsilon x^2) + 2\tau\omega v]\rho&lt;br /&gt;
+ \frac{\partial^2}{\partial v^2}(D_{11}\omega^4x^2+D_{22})\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v\frac{\partial}{\partial x}\rho&lt;br /&gt;
+ [\omega^2x(\alpha+\epsilon x^2)+2\tau\omega v]\frac{\partial}{\partial v}\rho &lt;br /&gt;
+ 2\tau\omega\rho&lt;br /&gt;
+ (D_{11}\omega^4x^2+D_{22})\frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Novamente, substituímos os termos necessários pela forma discretizada.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
=&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ [\omega^2{x^n}(\alpha+\epsilon {x^n}^2)+2\tau\omega v]&lt;br /&gt;
\frac{\rho_{i,j+1}^n + \rho_{i,j-1}^n}{2\Delta v}&lt;br /&gt;
+ 2\tau\omega \rho_{i,j}^n&lt;br /&gt;
+ (D_{11}\omega^4{x^n}^2+D_{22})&lt;br /&gt;
\frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{i,j}^{n+1}&lt;br /&gt;
=&lt;br /&gt;
\rho_{i,j}^n&lt;br /&gt;
+&lt;br /&gt;
\Delta t&lt;br /&gt;
\left\{&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ [\omega^2{x^n}(\alpha+\epsilon {x^n}^2)+2\tau\omega v]&lt;br /&gt;
\frac{\rho_{i,j+1}^n + \rho_{i,j-1}^n}{2\Delta v}&lt;br /&gt;
+ 2\tau\omega \rho_{i,j}^n&lt;br /&gt;
+ (D_{11}\omega^4{x^n}^2+D_{22})&lt;br /&gt;
\frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2}&lt;br /&gt;
\right\}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Considerando mais uma vez que a velocidade da partícula será constante,podemos atualizar o valor de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; pela expressão: &amp;lt;math&amp;gt;x^{n+1}=x^n+v\Delta t&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Para condições iniciais e condições de contorno, usamos o mesmo princípio definido no caso anterior: condição inicial dada por &amp;lt;math&amp;gt;\delta(x-x_0,v-v_0)&amp;lt;/math&amp;gt; e condição de contorno definindo as &amp;quot;paredes&amp;quot; com valor zero para qualquer tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Uma vez que o grupo não foi capaz de encontrar bons resultados para o caso anterior (mais simples), não foi desenvolvido nenhum código para esse exemplo até que o problema anterior fosse resolvido. Esperamos que em uma futura edição esse material possa trazer alguma visualização para o caso com ruído aditivo e multiplicativo descrito pelo problema de Duffing.&lt;br /&gt;
&lt;br /&gt;
== Código desenvolvido ==&lt;br /&gt;
&lt;br /&gt;
Função auxiliar utilizada do arquivo de cabeçalho &#039;&#039;pointers.h&#039;&#039;:&lt;br /&gt;
&amp;lt;source lang=&#039;c&#039;&amp;gt;&lt;br /&gt;
double ***create_3d_double_pointer(int x, int y, int z){&lt;br /&gt;
  double ***pointer;&lt;br /&gt;
  int i, j;&lt;br /&gt;
&lt;br /&gt;
  assert((x &amp;gt; 0) &amp;amp;&amp;amp; (y &amp;gt; 0) &amp;amp;&amp;amp; (z &amp;gt; 0));&lt;br /&gt;
  pointer = (double ***)malloc(x * y * z * sizeof(double **));&lt;br /&gt;
  if (pointer == NULL){&lt;br /&gt;
    fprintf(stderr, &amp;quot;Error in routine create_3d_double_pointer\n&amp;quot;);&lt;br /&gt;
    exit(8);&lt;br /&gt;
  }&lt;br /&gt;
  else {&lt;br /&gt;
    for (i = 0; i &amp;lt; x; i++){&lt;br /&gt;
      pointer[i] = (double **)malloc(y * z * sizeof(double *));&lt;br /&gt;
      if (pointer[i] == NULL){&lt;br /&gt;
        fprintf(stderr, &amp;quot;Error in routine create_3d_double_pointer\n&amp;quot;);&lt;br /&gt;
        exit(8);&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
    for (i = 0; i &amp;lt; x; i++){&lt;br /&gt;
      for (j = 0; j &amp;lt; y; j++){&lt;br /&gt;
        pointer[i][j] = (double *)malloc(z * sizeof(double));&lt;br /&gt;
        if (pointer[i][j] == NULL){&lt;br /&gt;
          fprintf(stderr, &amp;quot;Error in routine create_3d_double_pointer\n&amp;quot;);&lt;br /&gt;
          exit(8);&lt;br /&gt;
        }&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
  }&lt;br /&gt;
  return (pointer);&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/source&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Código utilizado para gerar os dados para o &amp;quot;caso 1&amp;quot;. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;source lang=&#039;c&#039;&amp;gt;&lt;br /&gt;
#include &amp;lt;stdio.h&amp;gt;&lt;br /&gt;
#include &amp;lt;stdlib.h&amp;gt;&lt;br /&gt;
#include &amp;lt;math.h&amp;gt;&lt;br /&gt;
#include &amp;quot;pointers.h&amp;quot;&lt;br /&gt;
&lt;br /&gt;
int main(){&lt;br /&gt;
&lt;br /&gt;
  // Declara as variáveis&lt;br /&gt;
  FILE *fp;&lt;br /&gt;
  char output[50];&lt;br /&gt;
  double ***f;&lt;br /&gt;
  int i, j, k, c, Lx, Lv;&lt;br /&gt;
  double time, tmax, dt, dx, dv, v, x, K, gamma, sigma, epsilon; &lt;br /&gt;
  &lt;br /&gt;
  // Configura os valores iniciais&lt;br /&gt;
  time = 0.0;       // Tempo&lt;br /&gt;
  tmax = 0.0001;    // Tempo máximo&lt;br /&gt;
  Lx = 50;          // Quantidade de pontos em x&lt;br /&gt;
  Lv = 100;         // Quantidade de pontos em v&lt;br /&gt;
  dt = 0.000001;    // Passo em t&lt;br /&gt;
  dx = 0.001;       // Passo em x&lt;br /&gt;
  dv = 0.001;       // Passo em v&lt;br /&gt;
  x = 1;            // Posição inicial&lt;br /&gt;
  v = 2;            // Velocidade&lt;br /&gt;
  K = 0.5;          // Constante&lt;br /&gt;
  gamma = 0.5;      // Constante&lt;br /&gt;
  sigma = 0.5;      // Constante&lt;br /&gt;
  epsilon = 10E-4;  // Valor para comparação&lt;br /&gt;
&lt;br /&gt;
  // Inicializa a matriz 3D&lt;br /&gt;
  f = create_3d_double_pointer(Lx, Lv, 2);&lt;br /&gt;
  // Todos os pontos com valores zero&lt;br /&gt;
  for (i=0; i&amp;lt;Lx; i++){&lt;br /&gt;
    for (j=0; j&amp;lt;Lv; j++){&lt;br /&gt;
      for (k=0; k&amp;lt;2; k++){&lt;br /&gt;
        f[i][j][k] = 0.0;&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
  }&lt;br /&gt;
&lt;br /&gt;
  // Condição inicial&lt;br /&gt;
  f[Lx/2][Lv/2][0] = 1.0;&lt;br /&gt;
&lt;br /&gt;
  // Arquivo para output&lt;br /&gt;
  sprintf(output, &amp;quot;caso1.dat&amp;quot;);&lt;br /&gt;
  fp = fopen(output, &amp;quot;w&amp;quot;);&lt;br /&gt;
&lt;br /&gt;
  c = 0;&lt;br /&gt;
  // Loop da &amp;quot;simulação&amp;quot;&lt;br /&gt;
  while (time&amp;lt;tmax){&lt;br /&gt;
    for (i=1; i&amp;lt;(Lx-1); i++){&lt;br /&gt;
      for (j=1; j&amp;lt;(Lv-1); j++){&lt;br /&gt;
        // Atualiza a probabilidade&lt;br /&gt;
        f[i][j][1-c] = f[i][j][c]+dt*(-v*(f[i+1][j][c]-f[i-1][j][c])/(2*dx)+gamma*f[i][j][c]+(gamma*v+K*x)*(f[i][j+1][c]-f[i][j-1][c])/(2*dv)+sigma*(f[i][j+1][c]-2*f[i][j][c]+f[i][j-1][c])/(dv*dv));&lt;br /&gt;
        // Salva o resultado em arquivo&lt;br /&gt;
        if (fabs(f[i][j][1-c]) &amp;gt; epsilon){&lt;br /&gt;
          fprintf(fp, &amp;quot;%f %f %f\n&amp;quot;, (double)(i-Lx/2)*dx+x, (double)(j-Lv/2)*dv+v, f[i][j][1-c]);&lt;br /&gt;
        }&lt;br /&gt;
      }&lt;br /&gt;
      // Adiciona linha em branco (arquivo XYZ - gnuplot)&lt;br /&gt;
      if (fabs(f[i][j][1-c]) &amp;gt; epsilon){&lt;br /&gt;
        fprintf(fp, &amp;quot;\n&amp;quot;);&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
    // Atualiza a posição&lt;br /&gt;
    x = x + v*dt;&lt;br /&gt;
    c = 1 - c;&lt;br /&gt;
    // Adiciona duas linhas em branco (animação - gnuplot)&lt;br /&gt;
    fprintf(fp, &amp;quot;\n\n&amp;quot;);&lt;br /&gt;
    time += dt;&lt;br /&gt;
  }&lt;br /&gt;
&lt;br /&gt;
  fclose(fp); // Fecha arquivo&lt;br /&gt;
  free(f);    // Libera ponteiro&lt;br /&gt;
&lt;br /&gt;
  return 0;&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/source&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Código utilizado no gnuplot para gerar a animação.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;source lang=&#039;gnuplot&#039;&amp;gt;&lt;br /&gt;
# Limpa configurações anteriores&lt;br /&gt;
unset xrange&lt;br /&gt;
unset yrange&lt;br /&gt;
unset zrange&lt;br /&gt;
&lt;br /&gt;
# Gera estatísticas dos dados&lt;br /&gt;
stats &amp;quot;caso1.dat&amp;quot; name &amp;quot;A&amp;quot;&lt;br /&gt;
&lt;br /&gt;
# Estilo para gráfico&lt;br /&gt;
set dgrid3d&lt;br /&gt;
&lt;br /&gt;
# Ponto de vista&lt;br /&gt;
set view 60, 30, 1, 1&lt;br /&gt;
&lt;br /&gt;
# Configura o range do plot&lt;br /&gt;
set xrange [A_min_x:A_max_x]&lt;br /&gt;
set yrange [A_min_y:A_max_y]&lt;br /&gt;
set zrange [0:1]&lt;br /&gt;
&lt;br /&gt;
# Formato de saída&lt;br /&gt;
set term gif animate delay 25 background &amp;quot;#212121&amp;quot; enhanced font &amp;quot;Arial,10&amp;quot; fontscale 1.0 size 800, 550&lt;br /&gt;
&lt;br /&gt;
set title &amp;quot;Partícula em acelerador:\noscilador harmônico amortecido&amp;quot; offset character 0, -3 font &amp;quot;Oswald,28&amp;quot; tc rgb &amp;quot;white&amp;quot;&lt;br /&gt;
set xlabel &amp;quot;Posição (x)&amp;quot; offset character -2, -2 font &amp;quot;,18&amp;quot; tc rgb &amp;quot;white&amp;quot; rotate by -9&lt;br /&gt;
set ylabel &amp;quot;Velocidade (v)&amp;quot; offset character -3, -3 font &amp;quot;,18&amp;quot; tc rgb &amp;quot;white&amp;quot; rotate parallel&lt;br /&gt;
set zlabel &amp;quot;Densidade de probabilidade&amp;quot; offset character -1.5, -1.5 font &amp;quot;,18&amp;quot; tc rgb &amp;quot;white&amp;quot; rotate parallel&lt;br /&gt;
&lt;br /&gt;
set tics tc rgb &amp;quot;white&amp;quot; offset character -1, -1&lt;br /&gt;
set border lc rgb &amp;quot;white&amp;quot;&lt;br /&gt;
&lt;br /&gt;
set output &amp;quot;caso1.gif&amp;quot;&lt;br /&gt;
&lt;br /&gt;
do for [i=0:int(A_blocks-1)] {  &lt;br /&gt;
    splot &#039;caso1.dat&#039; index i with pm3d notitle&lt;br /&gt;
    }&lt;br /&gt;
&amp;lt;/source&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Referências ==&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6999</id>
		<title>Equação de Fokker-Planck</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6999"/>
		<updated>2022-03-06T13:14:13Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: /* Equação de Langevin */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&#039;&#039;&#039;Grupo: Álison Soares, Rodrigo Avancini Lara e Samuel Huff Dieterich&#039;&#039;&#039;&lt;br /&gt;
&lt;br /&gt;
A equação de Fokker-Planck foi aplicada em primeiro modo em problemas relacionados ao movimento Browniano, como veremos à seguir. Nesse caso, lidando com flutuações originadas de vários pequenos distúrbios, as partículas de interesse se chocavam com as moléculas do meio, provocando uma trajetória imprevisível. Por conta dessas flutuações, é impossível determinar a posição exata dessas partículas. Porém, é possível determinar a probabilidade de encontrá-las em determinada região.&lt;br /&gt;
&lt;br /&gt;
Esta equação pode ser obtida a partir da equação de Langevin e fornece a probabilidade de encontrar determinada partícula em uma posição (varia conforme a dimensionalidade do problema) em um certo instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Além disso, no presente trabalho temos como objetivo estudar a solução numérica da equação para um dado exemplo bidimensional, através do método FTCS explícito.&lt;br /&gt;
&lt;br /&gt;
== Introdução ==&lt;br /&gt;
&lt;br /&gt;
=== Movimento browniano ===&lt;br /&gt;
&lt;br /&gt;
O movimento browniano foi descoberto pelo botanista Robert Brown, em 1827. Durante seu estudo sobre vida microscópica, ele percebeu pequenas partículas de pólen de plantas se movendo de maneira aleatória no líquido que ele estava estudando e, notando que se tratava de partículas de sujeira, e não seres vivos, chegou a conclusão que era um fenômeno físico, e não biológico, que causava este movimento. &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Posteriormente, foi provado que este fenômeno se dava pelos efeitos do movimento molecular. Em um meio com uma temperatura qualquer &amp;lt;math&amp;gt; &amp;gt;0K &amp;lt;/math&amp;gt;, há vibração e movimento molecular. Embora haja conservacão de energia, quando a partícula interage com as moléculas do meio, a energia cinética desta partícula se altera (assim como a das moléculas). Contudo, a soma destas energias é a energia interna do fluido, como descreve o Teorema da Equiparação. &amp;lt;ref name=&amp;gt;The Equipartition Theorem, University of Oxford. URL: http://vallance.chem.ox.ac.uk/pdfs/Equipartition.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Em 1905, Albert Einstein propôs uma teoria para descrever tal movimento matematicamente. Primeiramente, ele se propôs a descrever o quão longe uma partícula browniana se desloca em um determinado intervalo de tempo. Como a partícula está sujeita a &amp;lt;math&amp;gt;10^{14}&amp;lt;/math&amp;gt; colisões por segundo (provindas das moléculas do meio), a mecânica clássica é incapaz de resolver este sistema &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Stachel, J., et al.; The Collected Papers of Albert Einstein, 1989, Princeton University Press. URL: http://users.physik.fu-berlin.de/~kleinert/files/eins_brownian.pdf.&amp;lt;/ref&amp;gt;.  Para resolver este problema, ele abordou o problema pela ótica da mecânica estatística. &lt;br /&gt;
&lt;br /&gt;
Inicialmente, ele considerou o incremento da posição da partícula num espaço unidimensional (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;), num determinado intervalo de tempo (&amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;). Considerando que existe uma probabilidade aleatória da partícula se mover dentro do intervalo &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, ele definiu uma função para a densidade de probabilidade (&amp;lt;math&amp;gt;\varphi(\Delta x)&amp;lt;/math&amp;gt;). Sabendo que o número de partículas é constante dentro do meio, ele expandiu a densidade (&amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt;) deste em uma série de Taylor:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \tau \left(\frac{\partial \rho(x,t)}{\partial t}\right) + \dots = \rho(x, t+\tau)&lt;br /&gt;
=\int_{-\infty}^{+\infty} \rho(x+\Delta x, t) \cdot \varphi(\Delta x) d\Delta x &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
que é, por definição, &amp;lt;math&amp;gt;\varphi&amp;lt;/math&amp;gt;. Continuando, &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
=\rho(x,t) \cdot \int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x + \frac{\partial \rho}{\partial x} \cdot \int_{-\infty}^{+\infty} \Delta x \cdot \varphi(\Delta x) d \Delta x + \frac{\partial^2\rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \dots.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Pela definição da probabilidade,&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x=1&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
e as integrais dos termos pares da série são nulos devido à simetria do espaço. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Temos então,&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\rho(x, t+\tau)&lt;br /&gt;
&amp;amp; = \rho(x,t) \cdot 1 + 0 + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots&lt;br /&gt;
\\&lt;br /&gt;
&amp;amp; = \rho(x,t) + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots.&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Esta equação nos leva à igualdade&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} =  \frac{\partial^2\rho}{\partial x^2} \cdot \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \mathcal{O}.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Podemos interpretar a integral como o coeficiente de difusão &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
D = \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
O que nos dá a equação da difusão&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} = D \frac{\partial^2\rho}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Equação de Langevin ===&lt;br /&gt;
&lt;br /&gt;
Em 1908, 3 anos após os estudos de Albert Einstein em processos aleatórios e movimento aleatório, Paul Langevin (1872-1946) apresentou um novo método para o movimento browniano que - segundo Langevin - era &amp;quot;infinitamente mais simples&amp;quot; que a solução proposta por Einstein. &amp;lt;ref name=Langevin_original&amp;gt;P. Langevin, &amp;quot;Sur la théorie de mouvement Brownien&amp;quot; C.R. Acad. Sci. Paris , 146 (1908) pp. 530–533, https://www.physik.uni-augsburg.de/theo1/hanggi/History/Langevin1908.pdf.&amp;lt;/ref&amp;gt;&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;&lt;br /&gt;
Para interpretar o movimento browniano, Einstein derivou e resolveu uma equação diferencial parcial descrevendo a evolução temporal da densidade de probabilidade para a partícula. Já Langevin aplicou a segunda lei de Newton na forma diferencial para essa partícula.&lt;br /&gt;
&lt;br /&gt;
Para uma partícula browniana de massa &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; em um líquido com viscosidade &amp;lt;math&amp;gt;\eta&amp;lt;/math&amp;gt;, existem duas forças que agem sobre o seu movimento&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
1. Arrasto pela viscosidade.&lt;br /&gt;
&lt;br /&gt;
2. Força de flutuação.&lt;br /&gt;
&lt;br /&gt;
Considerando que a partícula é relativamente grande em comparação com as distâncias médias entre as moléculas do líquido e esta se movimento nesse meio com velocidade &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt;, experimenta uma resistência pela viscosidade. Essa força é descrita pela Lei de Stokes que, para uma partícula esférica com diâmetro &amp;lt;math&amp;gt;a&amp;lt;/math&amp;gt;, corresponde a &amp;lt;math&amp;gt;-6\pi\eta a \ dx/dt&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
A segunda força foi proposta por Langevin para descrever o efeito de constantes impactos das moléculas do líquido sobre as partículas de estudo. Assim, como esta força possui uma origem aleatório, essa deveria ser positiva ou negativa de maneira equiprovável e cuja magnitude fosse suficiente para manter a agitação da partícula. Caso contrário, a viscosidade iria parar o movimento dessa partícula.&lt;br /&gt;
&lt;br /&gt;
Com isso, a equação que descreve o movimento a partir da posição da partícula - em 1D na direção &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; - é dado pela Lei de Newton como:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin representando as flutuações de pressão devido ao movimento térmico das moléculas que compõem o líquido. &amp;lt;ref&amp;gt;Langevin equation. Encyclopedia of Mathematics. URL: http://encyclopediaofmath.org/index.php?title=Langevin_equation&amp;amp;oldid=47575.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Essa equação é conhecida como a equação de Langevin e foi o primeiro exemplo de equação diferencial estocástica, isto é, uma equação diferencial com um termo, &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; nesse caso, cuja solução em algum sentido também é uma função aleatória &amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;. Essa função foi desenvolvida para possuir as seguintes propriedades:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\langle R(t) \rangle = 0&lt;br /&gt;
\qquad&lt;br /&gt;
\langle R(t) R(t&#039;) \rangle = D \cdot \delta(t-t&#039;)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\langle f \rangle&amp;lt;/math&amp;gt; descreve o valor médio ou esperado de uma função &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão e &amp;lt;math&amp;gt;\delta&amp;lt;/math&amp;gt; é a função delta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A primeira propriedade afirma que o movimento é aleatório de forma que não existe nenhuma tendência de sentido para a partícula se locomover. Assim, é dito que &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; se trata de um ruído branco gaussiano. Já a segunda propriedade mostra que a força em um dado tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; é descorrelacionada de uma força para qualquer outro tempo &amp;lt;math&amp;gt;t&#039;&amp;lt;/math&amp;gt; (propriedade de Markov). &amp;lt;ref&amp;gt;Wikipédia: Langevin equation. URL: https://en.wikipedia.org/wiki/Langevin_equation.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Dedução da equação de Fokker-Planck ===&lt;br /&gt;
&lt;br /&gt;
Para a dedução foi utilizado a seguinte referência como base: &#039;&#039;From Langevin to Fokker-Planck equation&#039;&#039;.&amp;lt;ref&amp;gt;From Langevin to Fokker-Planck equation. URL: http://cgl.elte.hu/~racz/Stoch-diff-eq.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Como vimos anteriormente, o movimento browniano pode ser descrito pela equação de Langevin, a qual podemos resolver sem nenhum problema. Contudo, alternativamente, podemos fazer uso da equação de Fokker-Planck e considerar uma densidade de probabilidade em relação a posição e o tempo, levando em conta diferentes perturbações estocásticas. Para isso, iremos agora deduzir essa equação, a partir da analise de Langevin.&lt;br /&gt;
&lt;br /&gt;
A descrição do movimento browniano foi anteriormente tratada em termos da equação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para o nosso propósito, realizaremos uma abordagem mais direta e geral, assumindo a equação de Langevin através de um potencial &amp;lt;math&amp;gt;U(x)&amp;lt;/math&amp;gt;, nos deixando com a seguinte expressão:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{dx}{dt} = -\mu \frac{dU}{dx} + \eta(t),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\mu=\frac{1}{6\pi\eta a}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\eta(t) = \mu R(t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Contudo, para entender as equações diferenciais estocásticas, precisamos discretizar as equações para posteriormente aplicar os métodos numéricos. Temos que o sistema de discretização mais simples possível nos leva ao valor de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt; a partir da interação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) - \mu\frac{dU}{dx}\varepsilon + \eta_\varepsilon(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A tarefa é compreender como o agora ruído gaussiano &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; afeta esse sistema discretizado. Para isso, escreveremos a evolução temporal da distribuição de probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; definida como a probabilidade da partícula estar em &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Então, deve-se olhar para o limite &amp;lt;math&amp;gt;t \rightarrow \infty&amp;lt;/math&amp;gt; de &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
Vamos realizar a tarefa com a equação discretizada de Langevin comentada acima. Por razões de simplificação, discutiremos essa abordagem com a forma &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) + v(x) \varepsilon + \eta_{\varepsilon}(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;v(x) \equiv −\mu \frac{dU}{dx}&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A equação da probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; pode ser derivada usando a equação de Chapman-Kolmogorov, a qual também iremos escrever em uma forma discretizada no tempo, da forma&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t + \varepsilon) = \int_{-\infty}^{+\infty} W(x,y;\varepsilon) \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é a probabilidade de que a partícula se mova para &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt;, desde que tenha começado em &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Lembrando que: para que a condição acima mova a partícula de &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; a &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, o termo de ruído deve ter apenas o valor correspondente que satisfaz a equação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x = y + v(y) \varepsilon + \eta_{\varepsilon}(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A probabilidade de &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; acima é dada a partir da distribuição de probabilidade do incremento estocástico &amp;lt;math&amp;gt;\eta{\varepsilon}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{G} (\eta \varepsilon) = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{-\eta_\varepsilon^2}{4D\varepsilon}}\right),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Assim &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é obtido como&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
W(x,y; \varepsilon) &amp;amp; = \rho_{G} (\eta_{\varepsilon} = x − y − v(y)\varepsilon) \\&lt;br /&gt;
&amp;amp; = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{−[x−y−v(y)\varepsilon]^2}{4Dε}}\right).&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Substituindo o &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; acima na equação de Chapman-Kolmogorov discretizada e expandindo o lado esquerdo para &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \partial_{t}\rho(x,t) \varepsilon = \int_{-\infty}^{+\infty} \frac{\exp\left(\frac{-[x-y-v(y) \varepsilon]^2}{4D\varepsilon}\right)}{\sqrt{4\pi D \varepsilon}} \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Como último passo agora, vamos expandir a integral do lado direito para ordenar &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;. Notamos que quando &amp;lt;math&amp;gt;\varepsilon \rightarrow 0&amp;lt;/math&amp;gt;, a Gaussiana vai para uma função delta e a integral resulta em &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; que irá se cancelar com &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; no lado esquerdo. Ao final, quando reorganizamos os termos, temos a seguinte equação denominada de Equação de Fokker-Planck&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \frac{\partial v(x) \rho(x,t)}{\partial x} + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
ou, se substituirmos &amp;lt;math&amp;gt;v(x)&amp;lt;/math&amp;gt; pelo potencial &amp;lt;math&amp;gt;v(x) = −\mu \partial U(x)/\partial x&amp;lt;/math&amp;gt;, temos que&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = \frac{\partial}{\partial x} \frac{\partial U}{\partial x} \rho(x,t) + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde, em ambos os casos, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão no movimento browniano, com valor &amp;lt;math&amp;gt;D = \mu k_B T = \frac{k_B T}{6 \pi \eta a}&amp;lt;/math&amp;gt;, cujas variáveis foram discutidas anteriormente na equação de Langevin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Esta distribuição pode ainda depender de um conjunto de &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; macrovariáveis &amp;lt;math&amp;gt;x_i&amp;lt;/math&amp;gt;, de tal maneira que o movimento browniano em questão pode ser representado por uma equação de Fokker-Planck da forma &amp;lt;ref&amp;gt;Wikipédia: Fokker-Planck Equation. URL: https://en.wikipedia.org/wiki/Fokker-Planck_equation.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \left[\sum_{i=1}^{N} \frac{\partial}{\partial x_{i}} D_{i}^{1} (x_{1},...,x_{N}) + \sum_{i=1}^{N} \sum_{j=1}^{N} \frac{\partial^2}{\partial x_{i} \partial x_{j}} D_{ij}^{2} (x_{i},...,x_{N})\right]\rho,&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;D^1&amp;lt;/math&amp;gt; é o termo que é dado por um vetor e &amp;lt;math&amp;gt;D^2&amp;lt;/math&amp;gt; é o termo de difusão, dado por uma matriz.&lt;br /&gt;
&lt;br /&gt;
== Exemplos: acelerador de partículas ==&lt;br /&gt;
&lt;br /&gt;
O exemplo e explicações trazidas nessa seção foram retirados do artigo: &#039;&#039;Numerical solution of two dimensional Fokker-Planck equations&#039;&#039; &amp;lt;ref&amp;gt;M.P. Zorzano, H. Mais, L. Vazquez, Numerical solution of two dimensional Fokker—Planck equations, Applied Mathematics and Computation, 1999, https://doi.org/10.1016/S0096-3003(97)10161-8.&amp;lt;/ref&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Uma aplicação amplamente utilizada para a equação de Fokker-Planck como uma Equação Diferencial Estocástica (&#039;&#039;Stochastic Differential Equations&#039;&#039;, SDE) é para a modelagem da dinâmica de partículas únicas em aceleradores sob influência de ruído. As fontes de ruído são, por exemplo, campos aleatórios, movimento aleatório do solo ou flutuações quânticas da radiação.&lt;br /&gt;
&lt;br /&gt;
A partir do cálculo de probabilidade fornecido pela equação de Fokker-Planck, algumas propriedades físicas de interesse são: qual é o comportamento de longo prazo da dinâmica; qual a probabilidade da partícula colidir com a câmara de vácuo e então ser perdida; quais são as flutuações médias da partícula em torno da trajetória do acelerador; e qual é a evolução temporal da densidade de probabilidade?&lt;br /&gt;
&lt;br /&gt;
Para responder essas perguntas, apenas alguns casos mais específicos possuem soluções analíticas, especialmente em problemas com maior dimensionalidade. Por esse motivo, é interessante e prático estudar a equação de Fokker-Planck e os problemas relacionados a partir de métodos numéricos.&lt;br /&gt;
&lt;br /&gt;
Para esse fim, serão abordados dois exemplos: o oscilador harmônico amortecido, o qual possuí solução analítica e poderá ser usado como comparação para verificar a acurácia do método; e o problema de Duffing, oscilador não linear, com amortecimento e ruído multiplicativo e aditivo, que não apresenta solução exata.&lt;br /&gt;
&lt;br /&gt;
=== Equações ===&lt;br /&gt;
&lt;br /&gt;
As equações diferenciais típicas encontradas na física do acelerador de partícula são&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -a_1(x) - a_2(x,v) + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; é o ruído branco gaussiano e &amp;lt;math&amp;gt;\sigma&amp;lt;/math&amp;gt; é uma constante.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para o caso do oscilador harmônico amortecido e com ruído, temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -Kx - \gamma v + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\gamma&amp;lt;/math&amp;gt; também são constantes.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Já para o oscilador estocástico de Duffing, não-linear, com amortecimento, ruído multiplicativo e aditivo temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -\omega^2 \left[ \left( \alpha + \sqrt{2D_{11}}R_1(t) \right) x + \epsilon x^3 \right] - 2\tau \omega \dot{x} + \sqrt{2D_{22}}R_2(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\omega&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\alpha&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\epsilon&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D_{11}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;D_{22}&amp;lt;/math&amp;gt; são constantes dadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Escrevendo esses exemplos em termos da equação de Fokker-Planck obtemos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o primeiro caso e&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} [(a_1(x) + a_2(x,v))\rho] + \frac{1}{2}\frac{\partial^2}{\partial v^2}(2D\rho)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
a_1(x) =\omega^2x(\alpha+\epsilon x^2), \quad a_2(x,v) = 2\tau\omega v, \quad D=D_{11}\omega^4x^2+D_{22}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o segundo exemplo.&lt;br /&gt;
&lt;br /&gt;
=== Método FTCS explícito ===&lt;br /&gt;
&lt;br /&gt;
Para os fins de estudo desses casos, o método numérico mais simples para descrever a função &amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt; é a partir do FTCS (&#039;&#039;Foward Time Central Space&#039;&#039;) explícito &amp;lt;ref&amp;gt;Pichler L., Masud A., Bergman L.A. (2013) Numerical Solution of the Fokker–Planck Equation by Finite Difference and Finite Element Methods—A Comparative Study. In: Papadrakakis M., Stefanou G., Papadopoulos V. (eds) Computational Methods in Stochastic Dynamics. Computational Methods in Applied Sciences, vol 26. Springer, Dordrecht. https://doi.org/10.1007/978-94-007-5134-7_5.&amp;lt;/ref&amp;gt;. Como ficará mais claro a partir da discretização das equações, o método FTCS calcula o resultado de uma função no tempo seguinte em um dado ponto a partir dos valores dos &amp;quot;vizinhos&amp;quot; desse ponto. Para a técnica explícita, podemos calcular valor da função no tempo &amp;lt;math&amp;gt;n+1&amp;lt;/math&amp;gt; a partir apenas de valores já conhecidos no tempo atual &amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;. Assim, a aplicação do método se torna bem simples, contudo, perdemos precisão/estabilidade em comparação com métodos mais sofisticados.&lt;br /&gt;
&lt;br /&gt;
O primeiro passo para o método é discretizar os termos da função de interesse &amp;lt;math&amp;gt;\rho(x,v,t)&amp;lt;/math&amp;gt; nas derivadas parciais necessárias: &amp;lt;math&amp;gt;\partial/\partial x&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\partial/\partial v&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\partial^2/\partial v^2&amp;lt;/math&amp;gt;. Para isso, usamos a expansão da série de Taylor e, para melhor precisão, a derivada centrada (excluindo a derivada no tempo). Ademais, usaremos a notação dos índices para indicar os valores de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; por &amp;lt;math&amp;gt;i&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;j&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;, respectivamente.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho(x,v,t+\Delta t) - \rho(x,v,t)}{\Delta t}&lt;br /&gt;
+ \mathcal{O}(\Delta t^2)&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial x}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{1}{2}&lt;br /&gt;
\left[ &lt;br /&gt;
    \frac{\rho(x+\Delta x,v,t) - \rho(x,v,t)}{\Delta x} &lt;br /&gt;
    +&lt;br /&gt;
    \frac{\rho(x-\Delta x,v,t) - \rho(x,v,t)}{\Delta x}&lt;br /&gt;
\right]&lt;br /&gt;
+ \mathcal{O}(\Delta x^2)&lt;br /&gt;
\approx&lt;br /&gt;
\frac{\rho(x+\Delta x,v,t)-\rho(x-\Delta x,v,t)}{2 \Delta x}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i+1,j}^n + \rho_{i-1,j}^n}{2\Delta x}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial v}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{1}{2}&lt;br /&gt;
\left[ &lt;br /&gt;
    \frac{\rho(x,v+\Delta v,t) - \rho(x,v,t)}{\Delta v} &lt;br /&gt;
    +&lt;br /&gt;
    \frac{\rho(x,v,t) - \rho(x,v-\Delta v,t)}{\Delta v}&lt;br /&gt;
\right]&lt;br /&gt;
+ \mathcal{O}(\Delta v^2)&lt;br /&gt;
\approx&lt;br /&gt;
\frac{\rho(x,v+\Delta v,t)-\rho(x,v-\Delta v,t)}{2 \Delta v}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j+1}^n + \rho_{i,j-1}^n}{2\Delta v}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial^2 \rho}{\partial v^2}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho(x,v+\Delta v, t)-2\rho(x,v,t)+\rho(x,v-\Delta v,t)}{(\Delta v)^2}&lt;br /&gt;
+\mathcal{O}(\Delta v^3)&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Aplicação ===&lt;br /&gt;
&lt;br /&gt;
Com as derivadas parciais discretizadas, podemos agora reescrever as funções de Fokker-Planck para cada caso de estudo em busca do valor de &amp;lt;math&amp;gt;\rho_{i,j}^{n+1}&amp;lt;/math&amp;gt;, isto é, o valor de cada ponto no espaço &amp;lt;math&amp;gt;xv&amp;lt;/math&amp;gt; para o tempo &amp;lt;math&amp;gt;t+\Delta t&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
==== Caso 1: oscilador harmônico amortecido ====&lt;br /&gt;
&lt;br /&gt;
Primeiramente, reescrevemos a função original expandindo os termos e aplicando a regra da cadeia onde for necessário.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\frac{\partial \rho}{\partial t}&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
-\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- \frac{\partial}{\partial x}(v \rho)&lt;br /&gt;
+ \frac{\partial}{\partial v}(\gamma v + Kx)\rho&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \frac{\partial}{\partial v} (\gamma v \rho) &lt;br /&gt;
+ \frac{\partial}{\partial v} (Kx \rho)&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \gamma \rho&lt;br /&gt;
+ \gamma v \frac{\partial}{\partial v} \rho  &lt;br /&gt;
+ Kx \frac{\partial}{\partial v} \rho&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \gamma \rho&lt;br /&gt;
+ (\gamma v+Kx) \frac{\partial}{\partial v} \rho  &lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Agora, reescrevemos a mesma função substituindo as derivadas parciais e demais variáveis necessárias (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;) pelas versões discretizadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
=&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ \gamma \rho_{i,j}^n&lt;br /&gt;
+ (\gamma v +Kx^n) \left( \frac{\rho_{i,j+1}^n-\rho_{i,j-1}^n}{2\Delta v} \right)&lt;br /&gt;
+ \sigma \left( \frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2} \right)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{i,j}^{n+1}&lt;br /&gt;
=&lt;br /&gt;
\rho_{i,j}^n&lt;br /&gt;
+ \Delta t&lt;br /&gt;
\left[&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ \gamma \rho_{i,j}^n&lt;br /&gt;
+ (\gamma v +Kx^n) \left( \frac{\rho_{i,j+1}^n-\rho_{i,j-1}^n}{2\Delta v} \right)&lt;br /&gt;
+ \sigma \left( \frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2} \right)&lt;br /&gt;
\right]&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para exercício, usaremos um &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; constante de forma que apenas será necessário atualizar a variável &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; para cada passo de tempo.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x^{n+1} = x^n+v\Delta t&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Por fim, é necessário definir uma condição inicial e uma condição de contorno. Uma vez que a função descreve uma densidade de probabilidade, a literatura sugere, até para comparar com a solução analítica quando disponível, uma delta de Kronecker &amp;lt;math&amp;gt;\delta(x-x_0,v-v_0)&amp;lt;/math&amp;gt;. Assim, em uma dada coordenada &amp;lt;math&amp;gt;(x,v)&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t_0&amp;lt;/math&amp;gt; teremos uma probabilidade 1 de encontrar a partícula. Como condição de contorno, dado que a função em um dado ponto precisa dos pontos vizinhos, indicamos que a &amp;quot;borda&amp;quot; da matriz será sempre igual a zero.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Dado essas equações, escrevemos um programa em C para gerar os dados e o gnuplot para criar o gráfico/animação. Os códigos desenvolvidos estarão disponíveis na próxima seção &amp;quot;Código desenvolvido&amp;quot;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&lt;br /&gt;
&amp;lt;li style=&amp;quot;display: inline-block;&amp;quot;&amp;gt;[[Arquivo:caso1.gif|800px|thumb|middle|Animação da evolução da probabilidade de encontrar uma partícula com dada posição &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; a partir da equação de um oscilador harmônico amortecido. Valores da animação: &amp;lt;math&amp;gt;\Delta x = 1\times 10^{-3}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\Delta v = 1\times 10^{-3}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\Delta t = 1\times 10^{-6}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;x_0=1&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;v=2&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;k=0.5&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\gamma=0.5&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\sigma=0.5&amp;lt;/math&amp;gt;.]]&amp;lt;/li&amp;gt;&lt;br /&gt;
&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A partir da referência estudada e da física do problema, é evidente que a animação apresentada está aquém do esperado. Pelos testes pelo grupo responsável por esse documento, o programa desenvolvido se mostrou muito instável e impreciso: alterações mínimas de alguns parâmetros alteravam consideravelmente o resultado observado. Esse comportamento &amp;quot;imprevisível&amp;quot; se tornou ainda evidente ao alterar o tamanho dos passos (&#039;&#039;dt&#039;&#039;, &#039;&#039;dx&#039;&#039;, &#039;&#039;dv&#039;&#039;) de forma que tanto aumentando quanto diminuindo uma ordem de grandeza a função &amp;quot;explodia&amp;quot; - isto é - crescia exponencialmente. Assim, não foi possível aumentar a resolução da &amp;quot;simulação&amp;quot;.&lt;br /&gt;
&lt;br /&gt;
Além disso, em alguns casos, a função retornava valores negativos, o que é inadequado para uma densidade de probabilidade. Ademais, a ordem de grandeza para o tempo usada na simulação desse trabalho está muito abaixo da utilizada na referência base para esse problema, mostrando que a evolução temporal pode ter algum problema. No entanto, o problema que destacamos é a falta de &amp;quot;suavidade&amp;quot; na curva gerada, tanto é que em alguns quadros é possível ver mudanças bruscas no formato da função.&lt;br /&gt;
&lt;br /&gt;
Dessa forma, apesar dos esforços da equipe, não fomos capazes - até o momento dessa edição - de encontrar a causa desses problemas. No entanto, segue algumas hipóteses que podem ser avaliadas para futuras revisões deste material:&lt;br /&gt;
&lt;br /&gt;
- Verificar as equações utilizadas para descrever os problemas e a passagem para a equação de Fokker-Planck. A literatura encontrada não apresenta os passos usados para esse cálculo e nem a referência específica para cada etapa. Assim, o grupo precisou confiar que esse artigo estava correto.&lt;br /&gt;
&lt;br /&gt;
- Verificar a discretização da função para o método FTCS explícito.&lt;br /&gt;
&lt;br /&gt;
- Verificar a estabilidade do método, pois, apesar de não ter ser comentado no material de referência, é possível que o método explícito não seja adequado para os casos estudados.&lt;br /&gt;
&lt;br /&gt;
- Verificar possíveis problemas no código, tanto o código para os dados quanto para a visualização.&lt;br /&gt;
&lt;br /&gt;
- Verificar problemas de truncamento ou erro numérico ou ainda valores inadequados para as constantes utilizadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
==== Caso 2: problema de Duffing ====&lt;br /&gt;
&lt;br /&gt;
Assim como no caso anterior, reescrevemos a equação para uma forma conveniente.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} [(a_1(x) + a_2(x,v))\rho] + \frac{1}{2}\frac{\partial^2}{\partial v^2}(2D\rho)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
a_1(x) =\omega^2x(\alpha+\epsilon x^2), \quad a_2(x,v) = 2\tau\omega v, \quad D=D_{11}\omega^4x^2+D_{22}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\frac{\partial \rho}{\partial t} &lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- \frac{\partial v}{\partial x}\rho &lt;br /&gt;
+ \frac{\partial}{\partial v} [\omega^2x(\alpha+\epsilon x^2) + 2\tau\omega v]\rho&lt;br /&gt;
+ \frac{\partial^2}{\partial v^2}(D_{11}\omega^4x^2+D_{22})\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v\frac{\partial}{\partial x}\rho&lt;br /&gt;
+ [\omega^2x(\alpha+\epsilon x^2)+2\tau\omega v]\frac{\partial}{\partial v}\rho &lt;br /&gt;
+ 2\tau\omega\rho&lt;br /&gt;
+ (D_{11}\omega^4x^2+D_{22})\frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Novamente, substituímos os termos necessários pela forma discretizada.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
=&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ [\omega^2{x^n}(\alpha+\epsilon {x^n}^2)+2\tau\omega v]&lt;br /&gt;
\frac{\rho_{i,j+1}^n + \rho_{i,j-1}^n}{2\Delta v}&lt;br /&gt;
+ 2\tau\omega \rho_{i,j}^n&lt;br /&gt;
+ (D_{11}\omega^4{x^n}^2+D_{22})&lt;br /&gt;
\frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{i,j}^{n+1}&lt;br /&gt;
=&lt;br /&gt;
\rho_{i,j}^n&lt;br /&gt;
+&lt;br /&gt;
\Delta t&lt;br /&gt;
\left\{&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ [\omega^2{x^n}(\alpha+\epsilon {x^n}^2)+2\tau\omega v]&lt;br /&gt;
\frac{\rho_{i,j+1}^n + \rho_{i,j-1}^n}{2\Delta v}&lt;br /&gt;
+ 2\tau\omega \rho_{i,j}^n&lt;br /&gt;
+ (D_{11}\omega^4{x^n}^2+D_{22})&lt;br /&gt;
\frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2}&lt;br /&gt;
\right\}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Considerando mais uma vez que a velocidade da partícula será constante,podemos atualizar o valor de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; pela expressão: &amp;lt;math&amp;gt;x^{n+1}=x^n+v\Delta t&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Para condições iniciais e condições de contorno, usamos o mesmo princípio definido no caso anterior: condição inicial dada por &amp;lt;math&amp;gt;\delta(x-x_0,v-v_0)&amp;lt;/math&amp;gt; e condição de contorno definindo as &amp;quot;paredes&amp;quot; com valor zero para qualquer tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Uma vez que o grupo não foi capaz de encontrar bons resultados para o caso anterior (mais simples), não foi desenvolvido nenhum código para esse exemplo até que o problema anterior fosse resolvido. Esperamos que em uma futura edição esse material possa trazer alguma visualização para o caso com ruído aditivo e multiplicativo descrito pelo problema de Duffing.&lt;br /&gt;
&lt;br /&gt;
== Código desenvolvido ==&lt;br /&gt;
&lt;br /&gt;
Função auxiliar utilizada do arquivo de cabeçalho &#039;&#039;pointers.h&#039;&#039;:&lt;br /&gt;
&amp;lt;source lang=&#039;c&#039;&amp;gt;&lt;br /&gt;
double ***create_3d_double_pointer(int x, int y, int z){&lt;br /&gt;
  double ***pointer;&lt;br /&gt;
  int i, j;&lt;br /&gt;
&lt;br /&gt;
  assert((x &amp;gt; 0) &amp;amp;&amp;amp; (y &amp;gt; 0) &amp;amp;&amp;amp; (z &amp;gt; 0));&lt;br /&gt;
  pointer = (double ***)malloc(x * y * z * sizeof(double **));&lt;br /&gt;
  if (pointer == NULL){&lt;br /&gt;
    fprintf(stderr, &amp;quot;Error in routine create_3d_double_pointer\n&amp;quot;);&lt;br /&gt;
    exit(8);&lt;br /&gt;
  }&lt;br /&gt;
  else {&lt;br /&gt;
    for (i = 0; i &amp;lt; x; i++){&lt;br /&gt;
      pointer[i] = (double **)malloc(y * z * sizeof(double *));&lt;br /&gt;
      if (pointer[i] == NULL){&lt;br /&gt;
        fprintf(stderr, &amp;quot;Error in routine create_3d_double_pointer\n&amp;quot;);&lt;br /&gt;
        exit(8);&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
    for (i = 0; i &amp;lt; x; i++){&lt;br /&gt;
      for (j = 0; j &amp;lt; y; j++){&lt;br /&gt;
        pointer[i][j] = (double *)malloc(z * sizeof(double));&lt;br /&gt;
        if (pointer[i][j] == NULL){&lt;br /&gt;
          fprintf(stderr, &amp;quot;Error in routine create_3d_double_pointer\n&amp;quot;);&lt;br /&gt;
          exit(8);&lt;br /&gt;
        }&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
  }&lt;br /&gt;
  return (pointer);&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/source&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Código utilizado para gerar os dados para o &amp;quot;caso 1&amp;quot;. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;source lang=&#039;c&#039;&amp;gt;&lt;br /&gt;
#include &amp;lt;stdio.h&amp;gt;&lt;br /&gt;
#include &amp;lt;stdlib.h&amp;gt;&lt;br /&gt;
#include &amp;lt;math.h&amp;gt;&lt;br /&gt;
#include &amp;quot;pointers.h&amp;quot;&lt;br /&gt;
&lt;br /&gt;
int main(){&lt;br /&gt;
&lt;br /&gt;
  // Declara as variáveis&lt;br /&gt;
  FILE *fp;&lt;br /&gt;
  char output[50];&lt;br /&gt;
  double ***f;&lt;br /&gt;
  int i, j, k, c, Lx, Lv;&lt;br /&gt;
  double time, tmax, dt, dx, dv, v, x, K, gamma, sigma, epsilon; &lt;br /&gt;
  &lt;br /&gt;
  // Configura os valores iniciais&lt;br /&gt;
  time = 0.0;       // Tempo&lt;br /&gt;
  tmax = 0.0001;    // Tempo máximo&lt;br /&gt;
  Lx = 50;          // Quantidade de pontos em x&lt;br /&gt;
  Lv = 100;         // Quantidade de pontos em v&lt;br /&gt;
  dt = 0.000001;    // Passo em t&lt;br /&gt;
  dx = 0.001;       // Passo em x&lt;br /&gt;
  dv = 0.001;       // Passo em v&lt;br /&gt;
  x = 1;            // Posição inicial&lt;br /&gt;
  v = 2;            // Velocidade&lt;br /&gt;
  K = 0.5;          // Constante&lt;br /&gt;
  gamma = 0.5;      // Constante&lt;br /&gt;
  sigma = 0.5;      // Constante&lt;br /&gt;
  epsilon = 10E-4;  // Valor para comparação&lt;br /&gt;
&lt;br /&gt;
  // Inicializa a matriz 3D&lt;br /&gt;
  f = create_3d_double_pointer(Lx, Lv, 2);&lt;br /&gt;
  // Todos os pontos com valores zero&lt;br /&gt;
  for (i=0; i&amp;lt;Lx; i++){&lt;br /&gt;
    for (j=0; j&amp;lt;Lv; j++){&lt;br /&gt;
      for (k=0; k&amp;lt;2; k++){&lt;br /&gt;
        f[i][j][k] = 0.0;&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
  }&lt;br /&gt;
&lt;br /&gt;
  // Condição inicial&lt;br /&gt;
  f[Lx/2][Lv/2][0] = 1.0;&lt;br /&gt;
&lt;br /&gt;
  // Arquivo para output&lt;br /&gt;
  sprintf(output, &amp;quot;caso1.dat&amp;quot;);&lt;br /&gt;
  fp = fopen(output, &amp;quot;w&amp;quot;);&lt;br /&gt;
&lt;br /&gt;
  c = 0;&lt;br /&gt;
  // Loop da &amp;quot;simulação&amp;quot;&lt;br /&gt;
  while (time&amp;lt;tmax){&lt;br /&gt;
    for (i=1; i&amp;lt;(Lx-1); i++){&lt;br /&gt;
      for (j=1; j&amp;lt;(Lv-1); j++){&lt;br /&gt;
        // Atualiza a probabilidade&lt;br /&gt;
        f[i][j][1-c] = f[i][j][c]+dt*(-v*(f[i+1][j][c]-f[i-1][j][c])/(2*dx)+gamma*f[i][j][c]+(gamma*v+K*x)*(f[i][j+1][c]-f[i][j-1][c])/(2*dv)+sigma*(f[i][j+1][c]-2*f[i][j][c]+f[i][j-1][c])/(dv*dv));&lt;br /&gt;
        // Salva o resultado em arquivo&lt;br /&gt;
        if (fabs(f[i][j][1-c]) &amp;gt; epsilon){&lt;br /&gt;
          fprintf(fp, &amp;quot;%f %f %f\n&amp;quot;, (double)(i-Lx/2)*dx+x, (double)(j-Lv/2)*dv+v, f[i][j][1-c]);&lt;br /&gt;
        }&lt;br /&gt;
      }&lt;br /&gt;
      // Adiciona linha em branco (arquivo XYZ - gnuplot)&lt;br /&gt;
      if (fabs(f[i][j][1-c]) &amp;gt; epsilon){&lt;br /&gt;
        fprintf(fp, &amp;quot;\n&amp;quot;);&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
    // Atualiza a posição&lt;br /&gt;
    x = x + v*dt;&lt;br /&gt;
    c = 1 - c;&lt;br /&gt;
    // Adiciona duas linhas em branco (animação - gnuplot)&lt;br /&gt;
    fprintf(fp, &amp;quot;\n\n&amp;quot;);&lt;br /&gt;
    time += dt;&lt;br /&gt;
  }&lt;br /&gt;
&lt;br /&gt;
  fclose(fp); // Fecha arquivo&lt;br /&gt;
  free(f);    // Libera ponteiro&lt;br /&gt;
&lt;br /&gt;
  return 0;&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/source&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Código utilizado no gnuplot para gerar a animação.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;source lang=&#039;gnuplot&#039;&amp;gt;&lt;br /&gt;
# Limpa configurações anteriores&lt;br /&gt;
unset xrange&lt;br /&gt;
unset yrange&lt;br /&gt;
unset zrange&lt;br /&gt;
&lt;br /&gt;
# Gera estatísticas dos dados&lt;br /&gt;
stats &amp;quot;caso1.dat&amp;quot; name &amp;quot;A&amp;quot;&lt;br /&gt;
&lt;br /&gt;
# Estilo para gráfico&lt;br /&gt;
set dgrid3d&lt;br /&gt;
&lt;br /&gt;
# Ponto de vista&lt;br /&gt;
set view 60, 30, 1, 1&lt;br /&gt;
&lt;br /&gt;
# Configura o range do plot&lt;br /&gt;
set xrange [A_min_x:A_max_x]&lt;br /&gt;
set yrange [A_min_y:A_max_y]&lt;br /&gt;
set zrange [0:1]&lt;br /&gt;
&lt;br /&gt;
# Formato de saída&lt;br /&gt;
set term gif animate delay 25 background &amp;quot;#212121&amp;quot; enhanced font &amp;quot;Arial,10&amp;quot; fontscale 1.0 size 800, 550&lt;br /&gt;
&lt;br /&gt;
set title &amp;quot;Partícula em acelerador:\noscilador harmônico amortecido&amp;quot; offset character 0, -3 font &amp;quot;Oswald,28&amp;quot; tc rgb &amp;quot;white&amp;quot;&lt;br /&gt;
set xlabel &amp;quot;Posição (x)&amp;quot; offset character -2, -2 font &amp;quot;,18&amp;quot; tc rgb &amp;quot;white&amp;quot; rotate by -9&lt;br /&gt;
set ylabel &amp;quot;Velocidade (v)&amp;quot; offset character -3, -3 font &amp;quot;,18&amp;quot; tc rgb &amp;quot;white&amp;quot; rotate parallel&lt;br /&gt;
set zlabel &amp;quot;Densidade de probabilidade&amp;quot; offset character -1.5, -1.5 font &amp;quot;,18&amp;quot; tc rgb &amp;quot;white&amp;quot; rotate parallel&lt;br /&gt;
&lt;br /&gt;
set tics tc rgb &amp;quot;white&amp;quot; offset character -1, -1&lt;br /&gt;
set border lc rgb &amp;quot;white&amp;quot;&lt;br /&gt;
&lt;br /&gt;
set output &amp;quot;caso1.gif&amp;quot;&lt;br /&gt;
&lt;br /&gt;
do for [i=0:int(A_blocks-1)] {  &lt;br /&gt;
    splot &#039;caso1.dat&#039; index i with pm3d notitle&lt;br /&gt;
    }&lt;br /&gt;
&amp;lt;/source&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Referências ==&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6998</id>
		<title>Equação de Fokker-Planck</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6998"/>
		<updated>2022-03-06T13:13:23Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: /* Equação de Langevin */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&#039;&#039;&#039;Grupo: Álison Soares, Rodrigo Avancini Lara e Samuel Huff Dieterich&#039;&#039;&#039;&lt;br /&gt;
&lt;br /&gt;
A equação de Fokker-Planck foi aplicada em primeiro modo em problemas relacionados ao movimento Browniano, como veremos à seguir. Nesse caso, lidando com flutuações originadas de vários pequenos distúrbios, as partículas de interesse se chocavam com as moléculas do meio, provocando uma trajetória imprevisível. Por conta dessas flutuações, é impossível determinar a posição exata dessas partículas. Porém, é possível determinar a probabilidade de encontrá-las em determinada região.&lt;br /&gt;
&lt;br /&gt;
Esta equação pode ser obtida a partir da equação de Langevin e fornece a probabilidade de encontrar determinada partícula em uma posição (varia conforme a dimensionalidade do problema) em um certo instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Além disso, no presente trabalho temos como objetivo estudar a solução numérica da equação para um dado exemplo bidimensional, através do método FTCS explícito.&lt;br /&gt;
&lt;br /&gt;
== Introdução ==&lt;br /&gt;
&lt;br /&gt;
=== Movimento browniano ===&lt;br /&gt;
&lt;br /&gt;
O movimento browniano foi descoberto pelo botanista Robert Brown, em 1827. Durante seu estudo sobre vida microscópica, ele percebeu pequenas partículas de pólen de plantas se movendo de maneira aleatória no líquido que ele estava estudando e, notando que se tratava de partículas de sujeira, e não seres vivos, chegou a conclusão que era um fenômeno físico, e não biológico, que causava este movimento. &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Posteriormente, foi provado que este fenômeno se dava pelos efeitos do movimento molecular. Em um meio com uma temperatura qualquer &amp;lt;math&amp;gt; &amp;gt;0K &amp;lt;/math&amp;gt;, há vibração e movimento molecular. Embora haja conservacão de energia, quando a partícula interage com as moléculas do meio, a energia cinética desta partícula se altera (assim como a das moléculas). Contudo, a soma destas energias é a energia interna do fluido, como descreve o Teorema da Equiparação. &amp;lt;ref name=&amp;gt;The Equipartition Theorem, University of Oxford. URL: http://vallance.chem.ox.ac.uk/pdfs/Equipartition.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Em 1905, Albert Einstein propôs uma teoria para descrever tal movimento matematicamente. Primeiramente, ele se propôs a descrever o quão longe uma partícula browniana se desloca em um determinado intervalo de tempo. Como a partícula está sujeita a &amp;lt;math&amp;gt;10^{14}&amp;lt;/math&amp;gt; colisões por segundo (provindas das moléculas do meio), a mecânica clássica é incapaz de resolver este sistema &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Stachel, J., et al.; The Collected Papers of Albert Einstein, 1989, Princeton University Press. URL: http://users.physik.fu-berlin.de/~kleinert/files/eins_brownian.pdf.&amp;lt;/ref&amp;gt;.  Para resolver este problema, ele abordou o problema pela ótica da mecânica estatística. &lt;br /&gt;
&lt;br /&gt;
Inicialmente, ele considerou o incremento da posição da partícula num espaço unidimensional (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;), num determinado intervalo de tempo (&amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;). Considerando que existe uma probabilidade aleatória da partícula se mover dentro do intervalo &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, ele definiu uma função para a densidade de probabilidade (&amp;lt;math&amp;gt;\varphi(\Delta x)&amp;lt;/math&amp;gt;). Sabendo que o número de partículas é constante dentro do meio, ele expandiu a densidade (&amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt;) deste em uma série de Taylor:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \tau \left(\frac{\partial \rho(x,t)}{\partial t}\right) + \dots = \rho(x, t+\tau)&lt;br /&gt;
=\int_{-\infty}^{+\infty} \rho(x+\Delta x, t) \cdot \varphi(\Delta x) d\Delta x &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
que é, por definição, &amp;lt;math&amp;gt;\varphi&amp;lt;/math&amp;gt;. Continuando, &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
=\rho(x,t) \cdot \int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x + \frac{\partial \rho}{\partial x} \cdot \int_{-\infty}^{+\infty} \Delta x \cdot \varphi(\Delta x) d \Delta x + \frac{\partial^2\rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \dots.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Pela definição da probabilidade,&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x=1&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
e as integrais dos termos pares da série são nulos devido à simetria do espaço. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Temos então,&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\rho(x, t+\tau)&lt;br /&gt;
&amp;amp; = \rho(x,t) \cdot 1 + 0 + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots&lt;br /&gt;
\\&lt;br /&gt;
&amp;amp; = \rho(x,t) + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots.&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Esta equação nos leva à igualdade&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} =  \frac{\partial^2\rho}{\partial x^2} \cdot \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \mathcal{O}.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Podemos interpretar a integral como o coeficiente de difusão &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
D = \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
O que nos dá a equação da difusão&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} = D \frac{\partial^2\rho}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Equação de Langevin ===&lt;br /&gt;
&lt;br /&gt;
Em 1908, 3 anos após os estudos de Albert Einstein em processos aleatórios e movimento aleatório, Paul Langevin (1872-1946) apresentou um novo método para o movimento browniano que - segundo Langevin - era &amp;quot;infinitamente mais simples&amp;quot; que a solução proposta por Einstein. &amp;lt;ref name=Langevin_original&amp;gt;P. Langevin, &amp;quot;Sur la théorie de mouvement Brownien&amp;quot; C.R. Acad. Sci. Paris , 146 (1908) pp. 530–533, https://www.physik.uni-augsburg.de/theo1/hanggi/History/Langevin1908.pdf.&amp;lt;/ref&amp;gt;&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;&lt;br /&gt;
Para interpretar o movimento browniano, Einstein derivou e resolveu uma equação diferencial parcial descrevendo a evolução temporal da densidade de probabilidade para a partícula. Já Langevin aplicou a segunda lei de Newton na forma diferencial para essa partícula.&lt;br /&gt;
&lt;br /&gt;
Para uma partícula browniana de massa &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; em um líquido com viscosidade &amp;lt;math&amp;gt;\eta&amp;lt;/math&amp;gt;, existem duas forças que agem sobre o seu movimento&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
1. Arrasto pela viscosidade.&lt;br /&gt;
&lt;br /&gt;
2. Força de flutuação.&lt;br /&gt;
&lt;br /&gt;
Considerando que a partícula é relativamente grande em comparação com as distâncias médias entre as moléculas do líquido e esta se movimento nesse meio com velocidade &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt;, experimenta uma resistência pela viscosidade. Essa força é descrita pela Lei de Stokes que, para uma partícula esférica com diâmetro &amp;lt;math&amp;gt;a&amp;lt;/math&amp;gt;, corresponde a &amp;lt;math&amp;gt;-6\pi\eta a \ dx/dt&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
A segunda força foi proposta por Langevin para descrever o efeito de constantes impactos das moléculas do líquido sobre as partículas de estudo. Assim, como essa força possui uma origem aleatório, esta deveria ser positiva ou negativa de maneira equiprovável e cuja magnitude fosse suficiente para manter a agitação da partícula. Caso contrário, a viscosidade iria parar o movimento dessa partícula.&lt;br /&gt;
&lt;br /&gt;
Com isso, a equação que descreve o movimento a partir da posição da partícula - em 1D na direção &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; - é dado pela Lei de Newton como:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin representando as flutuações de pressão devido ao movimento térmico das moléculas que compõem o líquido. &amp;lt;ref&amp;gt;Langevin equation. Encyclopedia of Mathematics. URL: http://encyclopediaofmath.org/index.php?title=Langevin_equation&amp;amp;oldid=47575.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Essa equação é conhecida como a equação de Langevin e foi o primeiro exemplo de equação diferencial estocástica, isto é, uma equação diferencial com um termo, &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; nesse caso, cuja solução em algum sentido também é uma função aleatória &amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;. Essa função foi desenvolvida para possuir as seguintes propriedades:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\langle R(t) \rangle = 0&lt;br /&gt;
\qquad&lt;br /&gt;
\langle R(t) R(t&#039;) \rangle = D \cdot \delta(t-t&#039;)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\langle f \rangle&amp;lt;/math&amp;gt; descreve o valor médio ou esperado de uma função &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão e &amp;lt;math&amp;gt;\delta&amp;lt;/math&amp;gt; é a função delta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A primeira propriedade afirma que o movimento é aleatório de forma que não existe nenhuma tendência de sentido para a partícula se locomover. Assim, é dito que &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; se trata de um ruído branco gaussiano. Já a segunda propriedade mostra que a força em um dado tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; é descorrelacionada de uma força para qualquer outro tempo &amp;lt;math&amp;gt;t&#039;&amp;lt;/math&amp;gt; (propriedade de Markov). &amp;lt;ref&amp;gt;Wikipédia: Langevin equation. URL: https://en.wikipedia.org/wiki/Langevin_equation.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Dedução da equação de Fokker-Planck ===&lt;br /&gt;
&lt;br /&gt;
Para a dedução foi utilizado a seguinte referência como base: &#039;&#039;From Langevin to Fokker-Planck equation&#039;&#039;.&amp;lt;ref&amp;gt;From Langevin to Fokker-Planck equation. URL: http://cgl.elte.hu/~racz/Stoch-diff-eq.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Como vimos anteriormente, o movimento browniano pode ser descrito pela equação de Langevin, a qual podemos resolver sem nenhum problema. Contudo, alternativamente, podemos fazer uso da equação de Fokker-Planck e considerar uma densidade de probabilidade em relação a posição e o tempo, levando em conta diferentes perturbações estocásticas. Para isso, iremos agora deduzir essa equação, a partir da analise de Langevin.&lt;br /&gt;
&lt;br /&gt;
A descrição do movimento browniano foi anteriormente tratada em termos da equação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para o nosso propósito, realizaremos uma abordagem mais direta e geral, assumindo a equação de Langevin através de um potencial &amp;lt;math&amp;gt;U(x)&amp;lt;/math&amp;gt;, nos deixando com a seguinte expressão:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{dx}{dt} = -\mu \frac{dU}{dx} + \eta(t),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\mu=\frac{1}{6\pi\eta a}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\eta(t) = \mu R(t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Contudo, para entender as equações diferenciais estocásticas, precisamos discretizar as equações para posteriormente aplicar os métodos numéricos. Temos que o sistema de discretização mais simples possível nos leva ao valor de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt; a partir da interação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) - \mu\frac{dU}{dx}\varepsilon + \eta_\varepsilon(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A tarefa é compreender como o agora ruído gaussiano &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; afeta esse sistema discretizado. Para isso, escreveremos a evolução temporal da distribuição de probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; definida como a probabilidade da partícula estar em &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Então, deve-se olhar para o limite &amp;lt;math&amp;gt;t \rightarrow \infty&amp;lt;/math&amp;gt; de &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
Vamos realizar a tarefa com a equação discretizada de Langevin comentada acima. Por razões de simplificação, discutiremos essa abordagem com a forma &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) + v(x) \varepsilon + \eta_{\varepsilon}(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;v(x) \equiv −\mu \frac{dU}{dx}&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A equação da probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; pode ser derivada usando a equação de Chapman-Kolmogorov, a qual também iremos escrever em uma forma discretizada no tempo, da forma&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t + \varepsilon) = \int_{-\infty}^{+\infty} W(x,y;\varepsilon) \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é a probabilidade de que a partícula se mova para &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt;, desde que tenha começado em &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Lembrando que: para que a condição acima mova a partícula de &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; a &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, o termo de ruído deve ter apenas o valor correspondente que satisfaz a equação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x = y + v(y) \varepsilon + \eta_{\varepsilon}(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A probabilidade de &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; acima é dada a partir da distribuição de probabilidade do incremento estocástico &amp;lt;math&amp;gt;\eta{\varepsilon}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{G} (\eta \varepsilon) = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{-\eta_\varepsilon^2}{4D\varepsilon}}\right),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Assim &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é obtido como&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
W(x,y; \varepsilon) &amp;amp; = \rho_{G} (\eta_{\varepsilon} = x − y − v(y)\varepsilon) \\&lt;br /&gt;
&amp;amp; = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{−[x−y−v(y)\varepsilon]^2}{4Dε}}\right).&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Substituindo o &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; acima na equação de Chapman-Kolmogorov discretizada e expandindo o lado esquerdo para &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \partial_{t}\rho(x,t) \varepsilon = \int_{-\infty}^{+\infty} \frac{\exp\left(\frac{-[x-y-v(y) \varepsilon]^2}{4D\varepsilon}\right)}{\sqrt{4\pi D \varepsilon}} \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Como último passo agora, vamos expandir a integral do lado direito para ordenar &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;. Notamos que quando &amp;lt;math&amp;gt;\varepsilon \rightarrow 0&amp;lt;/math&amp;gt;, a Gaussiana vai para uma função delta e a integral resulta em &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; que irá se cancelar com &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; no lado esquerdo. Ao final, quando reorganizamos os termos, temos a seguinte equação denominada de Equação de Fokker-Planck&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \frac{\partial v(x) \rho(x,t)}{\partial x} + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
ou, se substituirmos &amp;lt;math&amp;gt;v(x)&amp;lt;/math&amp;gt; pelo potencial &amp;lt;math&amp;gt;v(x) = −\mu \partial U(x)/\partial x&amp;lt;/math&amp;gt;, temos que&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = \frac{\partial}{\partial x} \frac{\partial U}{\partial x} \rho(x,t) + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde, em ambos os casos, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão no movimento browniano, com valor &amp;lt;math&amp;gt;D = \mu k_B T = \frac{k_B T}{6 \pi \eta a}&amp;lt;/math&amp;gt;, cujas variáveis foram discutidas anteriormente na equação de Langevin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Esta distribuição pode ainda depender de um conjunto de &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; macrovariáveis &amp;lt;math&amp;gt;x_i&amp;lt;/math&amp;gt;, de tal maneira que o movimento browniano em questão pode ser representado por uma equação de Fokker-Planck da forma &amp;lt;ref&amp;gt;Wikipédia: Fokker-Planck Equation. URL: https://en.wikipedia.org/wiki/Fokker-Planck_equation.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \left[\sum_{i=1}^{N} \frac{\partial}{\partial x_{i}} D_{i}^{1} (x_{1},...,x_{N}) + \sum_{i=1}^{N} \sum_{j=1}^{N} \frac{\partial^2}{\partial x_{i} \partial x_{j}} D_{ij}^{2} (x_{i},...,x_{N})\right]\rho,&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;D^1&amp;lt;/math&amp;gt; é o termo que é dado por um vetor e &amp;lt;math&amp;gt;D^2&amp;lt;/math&amp;gt; é o termo de difusão, dado por uma matriz.&lt;br /&gt;
&lt;br /&gt;
== Exemplos: acelerador de partículas ==&lt;br /&gt;
&lt;br /&gt;
O exemplo e explicações trazidas nessa seção foram retirados do artigo: &#039;&#039;Numerical solution of two dimensional Fokker-Planck equations&#039;&#039; &amp;lt;ref&amp;gt;M.P. Zorzano, H. Mais, L. Vazquez, Numerical solution of two dimensional Fokker—Planck equations, Applied Mathematics and Computation, 1999, https://doi.org/10.1016/S0096-3003(97)10161-8.&amp;lt;/ref&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Uma aplicação amplamente utilizada para a equação de Fokker-Planck como uma Equação Diferencial Estocástica (&#039;&#039;Stochastic Differential Equations&#039;&#039;, SDE) é para a modelagem da dinâmica de partículas únicas em aceleradores sob influência de ruído. As fontes de ruído são, por exemplo, campos aleatórios, movimento aleatório do solo ou flutuações quânticas da radiação.&lt;br /&gt;
&lt;br /&gt;
A partir do cálculo de probabilidade fornecido pela equação de Fokker-Planck, algumas propriedades físicas de interesse são: qual é o comportamento de longo prazo da dinâmica; qual a probabilidade da partícula colidir com a câmara de vácuo e então ser perdida; quais são as flutuações médias da partícula em torno da trajetória do acelerador; e qual é a evolução temporal da densidade de probabilidade?&lt;br /&gt;
&lt;br /&gt;
Para responder essas perguntas, apenas alguns casos mais específicos possuem soluções analíticas, especialmente em problemas com maior dimensionalidade. Por esse motivo, é interessante e prático estudar a equação de Fokker-Planck e os problemas relacionados a partir de métodos numéricos.&lt;br /&gt;
&lt;br /&gt;
Para esse fim, serão abordados dois exemplos: o oscilador harmônico amortecido, o qual possuí solução analítica e poderá ser usado como comparação para verificar a acurácia do método; e o problema de Duffing, oscilador não linear, com amortecimento e ruído multiplicativo e aditivo, que não apresenta solução exata.&lt;br /&gt;
&lt;br /&gt;
=== Equações ===&lt;br /&gt;
&lt;br /&gt;
As equações diferenciais típicas encontradas na física do acelerador de partícula são&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -a_1(x) - a_2(x,v) + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; é o ruído branco gaussiano e &amp;lt;math&amp;gt;\sigma&amp;lt;/math&amp;gt; é uma constante.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para o caso do oscilador harmônico amortecido e com ruído, temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -Kx - \gamma v + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\gamma&amp;lt;/math&amp;gt; também são constantes.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Já para o oscilador estocástico de Duffing, não-linear, com amortecimento, ruído multiplicativo e aditivo temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -\omega^2 \left[ \left( \alpha + \sqrt{2D_{11}}R_1(t) \right) x + \epsilon x^3 \right] - 2\tau \omega \dot{x} + \sqrt{2D_{22}}R_2(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\omega&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\alpha&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\epsilon&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D_{11}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;D_{22}&amp;lt;/math&amp;gt; são constantes dadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Escrevendo esses exemplos em termos da equação de Fokker-Planck obtemos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o primeiro caso e&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} [(a_1(x) + a_2(x,v))\rho] + \frac{1}{2}\frac{\partial^2}{\partial v^2}(2D\rho)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
a_1(x) =\omega^2x(\alpha+\epsilon x^2), \quad a_2(x,v) = 2\tau\omega v, \quad D=D_{11}\omega^4x^2+D_{22}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o segundo exemplo.&lt;br /&gt;
&lt;br /&gt;
=== Método FTCS explícito ===&lt;br /&gt;
&lt;br /&gt;
Para os fins de estudo desses casos, o método numérico mais simples para descrever a função &amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt; é a partir do FTCS (&#039;&#039;Foward Time Central Space&#039;&#039;) explícito &amp;lt;ref&amp;gt;Pichler L., Masud A., Bergman L.A. (2013) Numerical Solution of the Fokker–Planck Equation by Finite Difference and Finite Element Methods—A Comparative Study. In: Papadrakakis M., Stefanou G., Papadopoulos V. (eds) Computational Methods in Stochastic Dynamics. Computational Methods in Applied Sciences, vol 26. Springer, Dordrecht. https://doi.org/10.1007/978-94-007-5134-7_5.&amp;lt;/ref&amp;gt;. Como ficará mais claro a partir da discretização das equações, o método FTCS calcula o resultado de uma função no tempo seguinte em um dado ponto a partir dos valores dos &amp;quot;vizinhos&amp;quot; desse ponto. Para a técnica explícita, podemos calcular valor da função no tempo &amp;lt;math&amp;gt;n+1&amp;lt;/math&amp;gt; a partir apenas de valores já conhecidos no tempo atual &amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;. Assim, a aplicação do método se torna bem simples, contudo, perdemos precisão/estabilidade em comparação com métodos mais sofisticados.&lt;br /&gt;
&lt;br /&gt;
O primeiro passo para o método é discretizar os termos da função de interesse &amp;lt;math&amp;gt;\rho(x,v,t)&amp;lt;/math&amp;gt; nas derivadas parciais necessárias: &amp;lt;math&amp;gt;\partial/\partial x&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\partial/\partial v&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\partial^2/\partial v^2&amp;lt;/math&amp;gt;. Para isso, usamos a expansão da série de Taylor e, para melhor precisão, a derivada centrada (excluindo a derivada no tempo). Ademais, usaremos a notação dos índices para indicar os valores de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; por &amp;lt;math&amp;gt;i&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;j&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;, respectivamente.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho(x,v,t+\Delta t) - \rho(x,v,t)}{\Delta t}&lt;br /&gt;
+ \mathcal{O}(\Delta t^2)&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial x}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{1}{2}&lt;br /&gt;
\left[ &lt;br /&gt;
    \frac{\rho(x+\Delta x,v,t) - \rho(x,v,t)}{\Delta x} &lt;br /&gt;
    +&lt;br /&gt;
    \frac{\rho(x-\Delta x,v,t) - \rho(x,v,t)}{\Delta x}&lt;br /&gt;
\right]&lt;br /&gt;
+ \mathcal{O}(\Delta x^2)&lt;br /&gt;
\approx&lt;br /&gt;
\frac{\rho(x+\Delta x,v,t)-\rho(x-\Delta x,v,t)}{2 \Delta x}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i+1,j}^n + \rho_{i-1,j}^n}{2\Delta x}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial v}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{1}{2}&lt;br /&gt;
\left[ &lt;br /&gt;
    \frac{\rho(x,v+\Delta v,t) - \rho(x,v,t)}{\Delta v} &lt;br /&gt;
    +&lt;br /&gt;
    \frac{\rho(x,v,t) - \rho(x,v-\Delta v,t)}{\Delta v}&lt;br /&gt;
\right]&lt;br /&gt;
+ \mathcal{O}(\Delta v^2)&lt;br /&gt;
\approx&lt;br /&gt;
\frac{\rho(x,v+\Delta v,t)-\rho(x,v-\Delta v,t)}{2 \Delta v}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j+1}^n + \rho_{i,j-1}^n}{2\Delta v}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial^2 \rho}{\partial v^2}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho(x,v+\Delta v, t)-2\rho(x,v,t)+\rho(x,v-\Delta v,t)}{(\Delta v)^2}&lt;br /&gt;
+\mathcal{O}(\Delta v^3)&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Aplicação ===&lt;br /&gt;
&lt;br /&gt;
Com as derivadas parciais discretizadas, podemos agora reescrever as funções de Fokker-Planck para cada caso de estudo em busca do valor de &amp;lt;math&amp;gt;\rho_{i,j}^{n+1}&amp;lt;/math&amp;gt;, isto é, o valor de cada ponto no espaço &amp;lt;math&amp;gt;xv&amp;lt;/math&amp;gt; para o tempo &amp;lt;math&amp;gt;t+\Delta t&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
==== Caso 1: oscilador harmônico amortecido ====&lt;br /&gt;
&lt;br /&gt;
Primeiramente, reescrevemos a função original expandindo os termos e aplicando a regra da cadeia onde for necessário.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\frac{\partial \rho}{\partial t}&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
-\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- \frac{\partial}{\partial x}(v \rho)&lt;br /&gt;
+ \frac{\partial}{\partial v}(\gamma v + Kx)\rho&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \frac{\partial}{\partial v} (\gamma v \rho) &lt;br /&gt;
+ \frac{\partial}{\partial v} (Kx \rho)&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \gamma \rho&lt;br /&gt;
+ \gamma v \frac{\partial}{\partial v} \rho  &lt;br /&gt;
+ Kx \frac{\partial}{\partial v} \rho&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \gamma \rho&lt;br /&gt;
+ (\gamma v+Kx) \frac{\partial}{\partial v} \rho  &lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Agora, reescrevemos a mesma função substituindo as derivadas parciais e demais variáveis necessárias (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;) pelas versões discretizadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
=&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ \gamma \rho_{i,j}^n&lt;br /&gt;
+ (\gamma v +Kx^n) \left( \frac{\rho_{i,j+1}^n-\rho_{i,j-1}^n}{2\Delta v} \right)&lt;br /&gt;
+ \sigma \left( \frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2} \right)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{i,j}^{n+1}&lt;br /&gt;
=&lt;br /&gt;
\rho_{i,j}^n&lt;br /&gt;
+ \Delta t&lt;br /&gt;
\left[&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ \gamma \rho_{i,j}^n&lt;br /&gt;
+ (\gamma v +Kx^n) \left( \frac{\rho_{i,j+1}^n-\rho_{i,j-1}^n}{2\Delta v} \right)&lt;br /&gt;
+ \sigma \left( \frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2} \right)&lt;br /&gt;
\right]&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para exercício, usaremos um &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; constante de forma que apenas será necessário atualizar a variável &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; para cada passo de tempo.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x^{n+1} = x^n+v\Delta t&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Por fim, é necessário definir uma condição inicial e uma condição de contorno. Uma vez que a função descreve uma densidade de probabilidade, a literatura sugere, até para comparar com a solução analítica quando disponível, uma delta de Kronecker &amp;lt;math&amp;gt;\delta(x-x_0,v-v_0)&amp;lt;/math&amp;gt;. Assim, em uma dada coordenada &amp;lt;math&amp;gt;(x,v)&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t_0&amp;lt;/math&amp;gt; teremos uma probabilidade 1 de encontrar a partícula. Como condição de contorno, dado que a função em um dado ponto precisa dos pontos vizinhos, indicamos que a &amp;quot;borda&amp;quot; da matriz será sempre igual a zero.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Dado essas equações, escrevemos um programa em C para gerar os dados e o gnuplot para criar o gráfico/animação. Os códigos desenvolvidos estarão disponíveis na próxima seção &amp;quot;Código desenvolvido&amp;quot;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&lt;br /&gt;
&amp;lt;li style=&amp;quot;display: inline-block;&amp;quot;&amp;gt;[[Arquivo:caso1.gif|800px|thumb|middle|Animação da evolução da probabilidade de encontrar uma partícula com dada posição &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; a partir da equação de um oscilador harmônico amortecido. Valores da animação: &amp;lt;math&amp;gt;\Delta x = 1\times 10^{-3}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\Delta v = 1\times 10^{-3}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\Delta t = 1\times 10^{-6}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;x_0=1&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;v=2&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;k=0.5&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\gamma=0.5&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\sigma=0.5&amp;lt;/math&amp;gt;.]]&amp;lt;/li&amp;gt;&lt;br /&gt;
&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A partir da referência estudada e da física do problema, é evidente que a animação apresentada está aquém do esperado. Pelos testes pelo grupo responsável por esse documento, o programa desenvolvido se mostrou muito instável e impreciso: alterações mínimas de alguns parâmetros alteravam consideravelmente o resultado observado. Esse comportamento &amp;quot;imprevisível&amp;quot; se tornou ainda evidente ao alterar o tamanho dos passos (&#039;&#039;dt&#039;&#039;, &#039;&#039;dx&#039;&#039;, &#039;&#039;dv&#039;&#039;) de forma que tanto aumentando quanto diminuindo uma ordem de grandeza a função &amp;quot;explodia&amp;quot; - isto é - crescia exponencialmente. Assim, não foi possível aumentar a resolução da &amp;quot;simulação&amp;quot;.&lt;br /&gt;
&lt;br /&gt;
Além disso, em alguns casos, a função retornava valores negativos, o que é inadequado para uma densidade de probabilidade. Ademais, a ordem de grandeza para o tempo usada na simulação desse trabalho está muito abaixo da utilizada na referência base para esse problema, mostrando que a evolução temporal pode ter algum problema. No entanto, o problema que destacamos é a falta de &amp;quot;suavidade&amp;quot; na curva gerada, tanto é que em alguns quadros é possível ver mudanças bruscas no formato da função.&lt;br /&gt;
&lt;br /&gt;
Dessa forma, apesar dos esforços da equipe, não fomos capazes - até o momento dessa edição - de encontrar a causa desses problemas. No entanto, segue algumas hipóteses que podem ser avaliadas para futuras revisões deste material:&lt;br /&gt;
&lt;br /&gt;
- Verificar as equações utilizadas para descrever os problemas e a passagem para a equação de Fokker-Planck. A literatura encontrada não apresenta os passos usados para esse cálculo e nem a referência específica para cada etapa. Assim, o grupo precisou confiar que esse artigo estava correto.&lt;br /&gt;
&lt;br /&gt;
- Verificar a discretização da função para o método FTCS explícito.&lt;br /&gt;
&lt;br /&gt;
- Verificar a estabilidade do método, pois, apesar de não ter ser comentado no material de referência, é possível que o método explícito não seja adequado para os casos estudados.&lt;br /&gt;
&lt;br /&gt;
- Verificar possíveis problemas no código, tanto o código para os dados quanto para a visualização.&lt;br /&gt;
&lt;br /&gt;
- Verificar problemas de truncamento ou erro numérico ou ainda valores inadequados para as constantes utilizadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
==== Caso 2: problema de Duffing ====&lt;br /&gt;
&lt;br /&gt;
Assim como no caso anterior, reescrevemos a equação para uma forma conveniente.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} [(a_1(x) + a_2(x,v))\rho] + \frac{1}{2}\frac{\partial^2}{\partial v^2}(2D\rho)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
a_1(x) =\omega^2x(\alpha+\epsilon x^2), \quad a_2(x,v) = 2\tau\omega v, \quad D=D_{11}\omega^4x^2+D_{22}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\frac{\partial \rho}{\partial t} &lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- \frac{\partial v}{\partial x}\rho &lt;br /&gt;
+ \frac{\partial}{\partial v} [\omega^2x(\alpha+\epsilon x^2) + 2\tau\omega v]\rho&lt;br /&gt;
+ \frac{\partial^2}{\partial v^2}(D_{11}\omega^4x^2+D_{22})\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v\frac{\partial}{\partial x}\rho&lt;br /&gt;
+ [\omega^2x(\alpha+\epsilon x^2)+2\tau\omega v]\frac{\partial}{\partial v}\rho &lt;br /&gt;
+ 2\tau\omega\rho&lt;br /&gt;
+ (D_{11}\omega^4x^2+D_{22})\frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Novamente, substituímos os termos necessários pela forma discretizada.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
=&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ [\omega^2{x^n}(\alpha+\epsilon {x^n}^2)+2\tau\omega v]&lt;br /&gt;
\frac{\rho_{i,j+1}^n + \rho_{i,j-1}^n}{2\Delta v}&lt;br /&gt;
+ 2\tau\omega \rho_{i,j}^n&lt;br /&gt;
+ (D_{11}\omega^4{x^n}^2+D_{22})&lt;br /&gt;
\frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{i,j}^{n+1}&lt;br /&gt;
=&lt;br /&gt;
\rho_{i,j}^n&lt;br /&gt;
+&lt;br /&gt;
\Delta t&lt;br /&gt;
\left\{&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ [\omega^2{x^n}(\alpha+\epsilon {x^n}^2)+2\tau\omega v]&lt;br /&gt;
\frac{\rho_{i,j+1}^n + \rho_{i,j-1}^n}{2\Delta v}&lt;br /&gt;
+ 2\tau\omega \rho_{i,j}^n&lt;br /&gt;
+ (D_{11}\omega^4{x^n}^2+D_{22})&lt;br /&gt;
\frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2}&lt;br /&gt;
\right\}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Considerando mais uma vez que a velocidade da partícula será constante,podemos atualizar o valor de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; pela expressão: &amp;lt;math&amp;gt;x^{n+1}=x^n+v\Delta t&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Para condições iniciais e condições de contorno, usamos o mesmo princípio definido no caso anterior: condição inicial dada por &amp;lt;math&amp;gt;\delta(x-x_0,v-v_0)&amp;lt;/math&amp;gt; e condição de contorno definindo as &amp;quot;paredes&amp;quot; com valor zero para qualquer tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Uma vez que o grupo não foi capaz de encontrar bons resultados para o caso anterior (mais simples), não foi desenvolvido nenhum código para esse exemplo até que o problema anterior fosse resolvido. Esperamos que em uma futura edição esse material possa trazer alguma visualização para o caso com ruído aditivo e multiplicativo descrito pelo problema de Duffing.&lt;br /&gt;
&lt;br /&gt;
== Código desenvolvido ==&lt;br /&gt;
&lt;br /&gt;
Função auxiliar utilizada do arquivo de cabeçalho &#039;&#039;pointers.h&#039;&#039;:&lt;br /&gt;
&amp;lt;source lang=&#039;c&#039;&amp;gt;&lt;br /&gt;
double ***create_3d_double_pointer(int x, int y, int z){&lt;br /&gt;
  double ***pointer;&lt;br /&gt;
  int i, j;&lt;br /&gt;
&lt;br /&gt;
  assert((x &amp;gt; 0) &amp;amp;&amp;amp; (y &amp;gt; 0) &amp;amp;&amp;amp; (z &amp;gt; 0));&lt;br /&gt;
  pointer = (double ***)malloc(x * y * z * sizeof(double **));&lt;br /&gt;
  if (pointer == NULL){&lt;br /&gt;
    fprintf(stderr, &amp;quot;Error in routine create_3d_double_pointer\n&amp;quot;);&lt;br /&gt;
    exit(8);&lt;br /&gt;
  }&lt;br /&gt;
  else {&lt;br /&gt;
    for (i = 0; i &amp;lt; x; i++){&lt;br /&gt;
      pointer[i] = (double **)malloc(y * z * sizeof(double *));&lt;br /&gt;
      if (pointer[i] == NULL){&lt;br /&gt;
        fprintf(stderr, &amp;quot;Error in routine create_3d_double_pointer\n&amp;quot;);&lt;br /&gt;
        exit(8);&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
    for (i = 0; i &amp;lt; x; i++){&lt;br /&gt;
      for (j = 0; j &amp;lt; y; j++){&lt;br /&gt;
        pointer[i][j] = (double *)malloc(z * sizeof(double));&lt;br /&gt;
        if (pointer[i][j] == NULL){&lt;br /&gt;
          fprintf(stderr, &amp;quot;Error in routine create_3d_double_pointer\n&amp;quot;);&lt;br /&gt;
          exit(8);&lt;br /&gt;
        }&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
  }&lt;br /&gt;
  return (pointer);&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/source&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Código utilizado para gerar os dados para o &amp;quot;caso 1&amp;quot;. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;source lang=&#039;c&#039;&amp;gt;&lt;br /&gt;
#include &amp;lt;stdio.h&amp;gt;&lt;br /&gt;
#include &amp;lt;stdlib.h&amp;gt;&lt;br /&gt;
#include &amp;lt;math.h&amp;gt;&lt;br /&gt;
#include &amp;quot;pointers.h&amp;quot;&lt;br /&gt;
&lt;br /&gt;
int main(){&lt;br /&gt;
&lt;br /&gt;
  // Declara as variáveis&lt;br /&gt;
  FILE *fp;&lt;br /&gt;
  char output[50];&lt;br /&gt;
  double ***f;&lt;br /&gt;
  int i, j, k, c, Lx, Lv;&lt;br /&gt;
  double time, tmax, dt, dx, dv, v, x, K, gamma, sigma, epsilon; &lt;br /&gt;
  &lt;br /&gt;
  // Configura os valores iniciais&lt;br /&gt;
  time = 0.0;       // Tempo&lt;br /&gt;
  tmax = 0.0001;    // Tempo máximo&lt;br /&gt;
  Lx = 50;          // Quantidade de pontos em x&lt;br /&gt;
  Lv = 100;         // Quantidade de pontos em v&lt;br /&gt;
  dt = 0.000001;    // Passo em t&lt;br /&gt;
  dx = 0.001;       // Passo em x&lt;br /&gt;
  dv = 0.001;       // Passo em v&lt;br /&gt;
  x = 1;            // Posição inicial&lt;br /&gt;
  v = 2;            // Velocidade&lt;br /&gt;
  K = 0.5;          // Constante&lt;br /&gt;
  gamma = 0.5;      // Constante&lt;br /&gt;
  sigma = 0.5;      // Constante&lt;br /&gt;
  epsilon = 10E-4;  // Valor para comparação&lt;br /&gt;
&lt;br /&gt;
  // Inicializa a matriz 3D&lt;br /&gt;
  f = create_3d_double_pointer(Lx, Lv, 2);&lt;br /&gt;
  // Todos os pontos com valores zero&lt;br /&gt;
  for (i=0; i&amp;lt;Lx; i++){&lt;br /&gt;
    for (j=0; j&amp;lt;Lv; j++){&lt;br /&gt;
      for (k=0; k&amp;lt;2; k++){&lt;br /&gt;
        f[i][j][k] = 0.0;&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
  }&lt;br /&gt;
&lt;br /&gt;
  // Condição inicial&lt;br /&gt;
  f[Lx/2][Lv/2][0] = 1.0;&lt;br /&gt;
&lt;br /&gt;
  // Arquivo para output&lt;br /&gt;
  sprintf(output, &amp;quot;caso1.dat&amp;quot;);&lt;br /&gt;
  fp = fopen(output, &amp;quot;w&amp;quot;);&lt;br /&gt;
&lt;br /&gt;
  c = 0;&lt;br /&gt;
  // Loop da &amp;quot;simulação&amp;quot;&lt;br /&gt;
  while (time&amp;lt;tmax){&lt;br /&gt;
    for (i=1; i&amp;lt;(Lx-1); i++){&lt;br /&gt;
      for (j=1; j&amp;lt;(Lv-1); j++){&lt;br /&gt;
        // Atualiza a probabilidade&lt;br /&gt;
        f[i][j][1-c] = f[i][j][c]+dt*(-v*(f[i+1][j][c]-f[i-1][j][c])/(2*dx)+gamma*f[i][j][c]+(gamma*v+K*x)*(f[i][j+1][c]-f[i][j-1][c])/(2*dv)+sigma*(f[i][j+1][c]-2*f[i][j][c]+f[i][j-1][c])/(dv*dv));&lt;br /&gt;
        // Salva o resultado em arquivo&lt;br /&gt;
        if (fabs(f[i][j][1-c]) &amp;gt; epsilon){&lt;br /&gt;
          fprintf(fp, &amp;quot;%f %f %f\n&amp;quot;, (double)(i-Lx/2)*dx+x, (double)(j-Lv/2)*dv+v, f[i][j][1-c]);&lt;br /&gt;
        }&lt;br /&gt;
      }&lt;br /&gt;
      // Adiciona linha em branco (arquivo XYZ - gnuplot)&lt;br /&gt;
      if (fabs(f[i][j][1-c]) &amp;gt; epsilon){&lt;br /&gt;
        fprintf(fp, &amp;quot;\n&amp;quot;);&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
    // Atualiza a posição&lt;br /&gt;
    x = x + v*dt;&lt;br /&gt;
    c = 1 - c;&lt;br /&gt;
    // Adiciona duas linhas em branco (animação - gnuplot)&lt;br /&gt;
    fprintf(fp, &amp;quot;\n\n&amp;quot;);&lt;br /&gt;
    time += dt;&lt;br /&gt;
  }&lt;br /&gt;
&lt;br /&gt;
  fclose(fp); // Fecha arquivo&lt;br /&gt;
  free(f);    // Libera ponteiro&lt;br /&gt;
&lt;br /&gt;
  return 0;&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/source&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Código utilizado no gnuplot para gerar a animação.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;source lang=&#039;gnuplot&#039;&amp;gt;&lt;br /&gt;
# Limpa configurações anteriores&lt;br /&gt;
unset xrange&lt;br /&gt;
unset yrange&lt;br /&gt;
unset zrange&lt;br /&gt;
&lt;br /&gt;
# Gera estatísticas dos dados&lt;br /&gt;
stats &amp;quot;caso1.dat&amp;quot; name &amp;quot;A&amp;quot;&lt;br /&gt;
&lt;br /&gt;
# Estilo para gráfico&lt;br /&gt;
set dgrid3d&lt;br /&gt;
&lt;br /&gt;
# Ponto de vista&lt;br /&gt;
set view 60, 30, 1, 1&lt;br /&gt;
&lt;br /&gt;
# Configura o range do plot&lt;br /&gt;
set xrange [A_min_x:A_max_x]&lt;br /&gt;
set yrange [A_min_y:A_max_y]&lt;br /&gt;
set zrange [0:1]&lt;br /&gt;
&lt;br /&gt;
# Formato de saída&lt;br /&gt;
set term gif animate delay 25 background &amp;quot;#212121&amp;quot; enhanced font &amp;quot;Arial,10&amp;quot; fontscale 1.0 size 800, 550&lt;br /&gt;
&lt;br /&gt;
set title &amp;quot;Partícula em acelerador:\noscilador harmônico amortecido&amp;quot; offset character 0, -3 font &amp;quot;Oswald,28&amp;quot; tc rgb &amp;quot;white&amp;quot;&lt;br /&gt;
set xlabel &amp;quot;Posição (x)&amp;quot; offset character -2, -2 font &amp;quot;,18&amp;quot; tc rgb &amp;quot;white&amp;quot; rotate by -9&lt;br /&gt;
set ylabel &amp;quot;Velocidade (v)&amp;quot; offset character -3, -3 font &amp;quot;,18&amp;quot; tc rgb &amp;quot;white&amp;quot; rotate parallel&lt;br /&gt;
set zlabel &amp;quot;Densidade de probabilidade&amp;quot; offset character -1.5, -1.5 font &amp;quot;,18&amp;quot; tc rgb &amp;quot;white&amp;quot; rotate parallel&lt;br /&gt;
&lt;br /&gt;
set tics tc rgb &amp;quot;white&amp;quot; offset character -1, -1&lt;br /&gt;
set border lc rgb &amp;quot;white&amp;quot;&lt;br /&gt;
&lt;br /&gt;
set output &amp;quot;caso1.gif&amp;quot;&lt;br /&gt;
&lt;br /&gt;
do for [i=0:int(A_blocks-1)] {  &lt;br /&gt;
    splot &#039;caso1.dat&#039; index i with pm3d notitle&lt;br /&gt;
    }&lt;br /&gt;
&amp;lt;/source&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Referências ==&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6997</id>
		<title>Equação de Fokker-Planck</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6997"/>
		<updated>2022-03-06T13:09:29Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&#039;&#039;&#039;Grupo: Álison Soares, Rodrigo Avancini Lara e Samuel Huff Dieterich&#039;&#039;&#039;&lt;br /&gt;
&lt;br /&gt;
A equação de Fokker-Planck foi aplicada em primeiro modo em problemas relacionados ao movimento Browniano, como veremos à seguir. Nesse caso, lidando com flutuações originadas de vários pequenos distúrbios, as partículas de interesse se chocavam com as moléculas do meio, provocando uma trajetória imprevisível. Por conta dessas flutuações, é impossível determinar a posição exata dessas partículas. Porém, é possível determinar a probabilidade de encontrá-las em determinada região.&lt;br /&gt;
&lt;br /&gt;
Esta equação pode ser obtida a partir da equação de Langevin e fornece a probabilidade de encontrar determinada partícula em uma posição (varia conforme a dimensionalidade do problema) em um certo instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Além disso, no presente trabalho temos como objetivo estudar a solução numérica da equação para um dado exemplo bidimensional, através do método FTCS explícito.&lt;br /&gt;
&lt;br /&gt;
== Introdução ==&lt;br /&gt;
&lt;br /&gt;
=== Movimento browniano ===&lt;br /&gt;
&lt;br /&gt;
O movimento browniano foi descoberto pelo botanista Robert Brown, em 1827. Durante seu estudo sobre vida microscópica, ele percebeu pequenas partículas de pólen de plantas se movendo de maneira aleatória no líquido que ele estava estudando e, notando que se tratava de partículas de sujeira, e não seres vivos, chegou a conclusão que era um fenômeno físico, e não biológico, que causava este movimento. &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Posteriormente, foi provado que este fenômeno se dava pelos efeitos do movimento molecular. Em um meio com uma temperatura qualquer &amp;lt;math&amp;gt; &amp;gt;0K &amp;lt;/math&amp;gt;, há vibração e movimento molecular. Embora haja conservacão de energia, quando a partícula interage com as moléculas do meio, a energia cinética desta partícula se altera (assim como a das moléculas). Contudo, a soma destas energias é a energia interna do fluido, como descreve o Teorema da Equiparação. &amp;lt;ref name=&amp;gt;The Equipartition Theorem, University of Oxford. URL: http://vallance.chem.ox.ac.uk/pdfs/Equipartition.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Em 1905, Albert Einstein propôs uma teoria para descrever tal movimento matematicamente. Primeiramente, ele se propôs a descrever o quão longe uma partícula browniana se desloca em um determinado intervalo de tempo. Como a partícula está sujeita a &amp;lt;math&amp;gt;10^{14}&amp;lt;/math&amp;gt; colisões por segundo (provindas das moléculas do meio), a mecânica clássica é incapaz de resolver este sistema &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Stachel, J., et al.; The Collected Papers of Albert Einstein, 1989, Princeton University Press. URL: http://users.physik.fu-berlin.de/~kleinert/files/eins_brownian.pdf.&amp;lt;/ref&amp;gt;.  Para resolver este problema, ele abordou o problema pela ótica da mecânica estatística. &lt;br /&gt;
&lt;br /&gt;
Inicialmente, ele considerou o incremento da posição da partícula num espaço unidimensional (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;), num determinado intervalo de tempo (&amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;). Considerando que existe uma probabilidade aleatória da partícula se mover dentro do intervalo &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, ele definiu uma função para a densidade de probabilidade (&amp;lt;math&amp;gt;\varphi(\Delta x)&amp;lt;/math&amp;gt;). Sabendo que o número de partículas é constante dentro do meio, ele expandiu a densidade (&amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt;) deste em uma série de Taylor:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \tau \left(\frac{\partial \rho(x,t)}{\partial t}\right) + \dots = \rho(x, t+\tau)&lt;br /&gt;
=\int_{-\infty}^{+\infty} \rho(x+\Delta x, t) \cdot \varphi(\Delta x) d\Delta x &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
que é, por definição, &amp;lt;math&amp;gt;\varphi&amp;lt;/math&amp;gt;. Continuando, &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
=\rho(x,t) \cdot \int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x + \frac{\partial \rho}{\partial x} \cdot \int_{-\infty}^{+\infty} \Delta x \cdot \varphi(\Delta x) d \Delta x + \frac{\partial^2\rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \dots.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Pela definição da probabilidade,&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x=1&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
e as integrais dos termos pares da série são nulos devido à simetria do espaço. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Temos então,&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\rho(x, t+\tau)&lt;br /&gt;
&amp;amp; = \rho(x,t) \cdot 1 + 0 + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots&lt;br /&gt;
\\&lt;br /&gt;
&amp;amp; = \rho(x,t) + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots.&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Esta equação nos leva à igualdade&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} =  \frac{\partial^2\rho}{\partial x^2} \cdot \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \mathcal{O}.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Podemos interpretar a integral como o coeficiente de difusão &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
D = \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
O que nos dá a equação da difusão&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} = D \frac{\partial^2\rho}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Equação de Langevin ===&lt;br /&gt;
&lt;br /&gt;
Em 1908, 3 anos após os estudos de Albert Einstein em processos aleatórios e movimento aleatório, Paul Langevin (1872-1946) apresentou um novo método para o movimento browniano que - segundo Langevin - era &amp;quot;infinitamente mais simples&amp;quot; que a solução proposta por Einstein. &amp;lt;ref name=Langevin_original&amp;gt;P. Langevin, &amp;quot;Sur la théorie de mouvement Brownien&amp;quot; C.R. Acad. Sci. Paris , 146 (1908) pp. 530–533, https://www.physik.uni-augsburg.de/theo1/hanggi/History/Langevin1908.pdf.&amp;lt;/ref&amp;gt;&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;&lt;br /&gt;
Para interpretar o movimento browniano, Einstein derivou e resolveu uma equação diferencial parcial descrevendo a evolução temporal da densidade de probabilidade para a partícula. Já Langevin aplicou a segunda lei de Newton na forma diferencial para essa partícula.&lt;br /&gt;
&lt;br /&gt;
Para uma partícula browniana de massa &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; em um líquido com viscosidade &amp;lt;math&amp;gt;\eta&amp;lt;/math&amp;gt;, existem duas forças que agem sobre o seu movimento&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
1. Arrasto pela viscosidade.&lt;br /&gt;
2. Força de flutuação.&lt;br /&gt;
&lt;br /&gt;
Considerando que a partícula é relativamente grande em comparação com as distâncias médias entre as moléculas do líquido e esta se movimento nesse meio com velocidade &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt;, experimenta uma resistência pela viscosidade. Essa força é descrita pela Lei de Stokes que, para uma partícula esférica com diâmetro &amp;lt;math&amp;gt;a&amp;lt;/math&amp;gt;, corresponde a &amp;lt;math&amp;gt;-6\pi\eta a \ dx/dt&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
A segunda força foi proposta por Langevin para descrever o efeito de constantes impactos das moléculas do líquido sobre as partículas de estudo. Assim, como essa força possui uma origem aleatório, esta deveria ser positiva ou negativa de maneira equiprovável e cuja magnitude fosse suficiente para manter a agitação da partícula. Caso contrário, a viscosidade iria parar o movimento dessa partícula.&lt;br /&gt;
&lt;br /&gt;
Com isso, a equação que descreve o movimento a partir da posição da partícula - em 1D na direção &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; - é dado pela Lei de Newton como:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin representando as flutuações de pressão devido ao movimento térmico das moléculas que compõem o líquido. &amp;lt;ref&amp;gt;Langevin equation. Encyclopedia of Mathematics. URL: http://encyclopediaofmath.org/index.php?title=Langevin_equation&amp;amp;oldid=47575.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Essa equação é conhecida como a equação de Langevin e foi o primeiro exemplo de equação diferencial estocástica, isto é, uma equação diferencial com um termo, &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; nesse caso, cuja solução em algum sentido também é uma função aleatória &amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;. Essa função foi desenvolvida para possuir as seguintes propriedades:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\langle R(t) \rangle = 0&lt;br /&gt;
\qquad&lt;br /&gt;
\langle R(t) R(t&#039;) \rangle = D \cdot \delta(t-t&#039;)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\langle f \rangle&amp;lt;/math&amp;gt; descreve o valor médio ou esperado de uma função &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão e &amp;lt;math&amp;gt;\delta&amp;lt;/math&amp;gt; é a função delta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A primeira propriedade afirma que o movimento é aleatório de forma que não existe nenhuma tendência de sentido para a partícula se locomover. Assim, é dito que &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; se trata de um ruído branco gaussiano. Já a segunda propriedade mostra que a força em um dado tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; é descorrelacionada de uma força para qualquer outro tempo &amp;lt;math&amp;gt;t&#039;&amp;lt;/math&amp;gt; (propriedade de Markov). &amp;lt;ref&amp;gt;Wikipédia: Langevin equation. URL: https://en.wikipedia.org/wiki/Langevin_equation.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Dedução da equação de Fokker-Planck ===&lt;br /&gt;
&lt;br /&gt;
Para a dedução foi utilizado a seguinte referência como base: &#039;&#039;From Langevin to Fokker-Planck equation&#039;&#039;.&amp;lt;ref&amp;gt;From Langevin to Fokker-Planck equation. URL: http://cgl.elte.hu/~racz/Stoch-diff-eq.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Como vimos anteriormente, o movimento browniano pode ser descrito pela equação de Langevin, a qual podemos resolver sem nenhum problema. Contudo, alternativamente, podemos fazer uso da equação de Fokker-Planck e considerar uma densidade de probabilidade em relação a posição e o tempo, levando em conta diferentes perturbações estocásticas. Para isso, iremos agora deduzir essa equação, a partir da analise de Langevin.&lt;br /&gt;
&lt;br /&gt;
A descrição do movimento browniano foi anteriormente tratada em termos da equação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para o nosso propósito, realizaremos uma abordagem mais direta e geral, assumindo a equação de Langevin através de um potencial &amp;lt;math&amp;gt;U(x)&amp;lt;/math&amp;gt;, nos deixando com a seguinte expressão:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{dx}{dt} = -\mu \frac{dU}{dx} + \eta(t),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\mu=\frac{1}{6\pi\eta a}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\eta(t) = \mu R(t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Contudo, para entender as equações diferenciais estocásticas, precisamos discretizar as equações para posteriormente aplicar os métodos numéricos. Temos que o sistema de discretização mais simples possível nos leva ao valor de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt; a partir da interação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) - \mu\frac{dU}{dx}\varepsilon + \eta_\varepsilon(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A tarefa é compreender como o agora ruído gaussiano &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; afeta esse sistema discretizado. Para isso, escreveremos a evolução temporal da distribuição de probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; definida como a probabilidade da partícula estar em &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Então, deve-se olhar para o limite &amp;lt;math&amp;gt;t \rightarrow \infty&amp;lt;/math&amp;gt; de &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
Vamos realizar a tarefa com a equação discretizada de Langevin comentada acima. Por razões de simplificação, discutiremos essa abordagem com a forma &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) + v(x) \varepsilon + \eta_{\varepsilon}(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;v(x) \equiv −\mu \frac{dU}{dx}&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A equação da probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; pode ser derivada usando a equação de Chapman-Kolmogorov, a qual também iremos escrever em uma forma discretizada no tempo, da forma&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t + \varepsilon) = \int_{-\infty}^{+\infty} W(x,y;\varepsilon) \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é a probabilidade de que a partícula se mova para &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt;, desde que tenha começado em &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Lembrando que: para que a condição acima mova a partícula de &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; a &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, o termo de ruído deve ter apenas o valor correspondente que satisfaz a equação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x = y + v(y) \varepsilon + \eta_{\varepsilon}(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A probabilidade de &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; acima é dada a partir da distribuição de probabilidade do incremento estocástico &amp;lt;math&amp;gt;\eta{\varepsilon}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{G} (\eta \varepsilon) = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{-\eta_\varepsilon^2}{4D\varepsilon}}\right),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Assim &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é obtido como&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
W(x,y; \varepsilon) &amp;amp; = \rho_{G} (\eta_{\varepsilon} = x − y − v(y)\varepsilon) \\&lt;br /&gt;
&amp;amp; = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{−[x−y−v(y)\varepsilon]^2}{4Dε}}\right).&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Substituindo o &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; acima na equação de Chapman-Kolmogorov discretizada e expandindo o lado esquerdo para &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \partial_{t}\rho(x,t) \varepsilon = \int_{-\infty}^{+\infty} \frac{\exp\left(\frac{-[x-y-v(y) \varepsilon]^2}{4D\varepsilon}\right)}{\sqrt{4\pi D \varepsilon}} \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Como último passo agora, vamos expandir a integral do lado direito para ordenar &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;. Notamos que quando &amp;lt;math&amp;gt;\varepsilon \rightarrow 0&amp;lt;/math&amp;gt;, a Gaussiana vai para uma função delta e a integral resulta em &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; que irá se cancelar com &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; no lado esquerdo. Ao final, quando reorganizamos os termos, temos a seguinte equação denominada de Equação de Fokker-Planck&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \frac{\partial v(x) \rho(x,t)}{\partial x} + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
ou, se substituirmos &amp;lt;math&amp;gt;v(x)&amp;lt;/math&amp;gt; pelo potencial &amp;lt;math&amp;gt;v(x) = −\mu \partial U(x)/\partial x&amp;lt;/math&amp;gt;, temos que&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = \frac{\partial}{\partial x} \frac{\partial U}{\partial x} \rho(x,t) + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde, em ambos os casos, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão no movimento browniano, com valor &amp;lt;math&amp;gt;D = \mu k_B T = \frac{k_B T}{6 \pi \eta a}&amp;lt;/math&amp;gt;, cujas variáveis foram discutidas anteriormente na equação de Langevin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Esta distribuição pode ainda depender de um conjunto de &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; macrovariáveis &amp;lt;math&amp;gt;x_i&amp;lt;/math&amp;gt;, de tal maneira que o movimento browniano em questão pode ser representado por uma equação de Fokker-Planck da forma &amp;lt;ref&amp;gt;Wikipédia: Fokker-Planck Equation. URL: https://en.wikipedia.org/wiki/Fokker-Planck_equation.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \left[\sum_{i=1}^{N} \frac{\partial}{\partial x_{i}} D_{i}^{1} (x_{1},...,x_{N}) + \sum_{i=1}^{N} \sum_{j=1}^{N} \frac{\partial^2}{\partial x_{i} \partial x_{j}} D_{ij}^{2} (x_{i},...,x_{N})\right]\rho,&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;D^1&amp;lt;/math&amp;gt; é o termo que é dado por um vetor e &amp;lt;math&amp;gt;D^2&amp;lt;/math&amp;gt; é o termo de difusão, dado por uma matriz.&lt;br /&gt;
&lt;br /&gt;
== Exemplos: acelerador de partículas ==&lt;br /&gt;
&lt;br /&gt;
O exemplo e explicações trazidas nessa seção foram retirados do artigo: &#039;&#039;Numerical solution of two dimensional Fokker-Planck equations&#039;&#039; &amp;lt;ref&amp;gt;M.P. Zorzano, H. Mais, L. Vazquez, Numerical solution of two dimensional Fokker—Planck equations, Applied Mathematics and Computation, 1999, https://doi.org/10.1016/S0096-3003(97)10161-8.&amp;lt;/ref&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Uma aplicação amplamente utilizada para a equação de Fokker-Planck como uma Equação Diferencial Estocástica (&#039;&#039;Stochastic Differential Equations&#039;&#039;, SDE) é para a modelagem da dinâmica de partículas únicas em aceleradores sob influência de ruído. As fontes de ruído são, por exemplo, campos aleatórios, movimento aleatório do solo ou flutuações quânticas da radiação.&lt;br /&gt;
&lt;br /&gt;
A partir do cálculo de probabilidade fornecido pela equação de Fokker-Planck, algumas propriedades físicas de interesse são: qual é o comportamento de longo prazo da dinâmica; qual a probabilidade da partícula colidir com a câmara de vácuo e então ser perdida; quais são as flutuações médias da partícula em torno da trajetória do acelerador; e qual é a evolução temporal da densidade de probabilidade?&lt;br /&gt;
&lt;br /&gt;
Para responder essas perguntas, apenas alguns casos mais específicos possuem soluções analíticas, especialmente em problemas com maior dimensionalidade. Por esse motivo, é interessante e prático estudar a equação de Fokker-Planck e os problemas relacionados a partir de métodos numéricos.&lt;br /&gt;
&lt;br /&gt;
Para esse fim, serão abordados dois exemplos: o oscilador harmônico amortecido, o qual possuí solução analítica e poderá ser usado como comparação para verificar a acurácia do método; e o problema de Duffing, oscilador não linear, com amortecimento e ruído multiplicativo e aditivo, que não apresenta solução exata.&lt;br /&gt;
&lt;br /&gt;
=== Equações ===&lt;br /&gt;
&lt;br /&gt;
As equações diferenciais típicas encontradas na física do acelerador de partícula são&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -a_1(x) - a_2(x,v) + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; é o ruído branco gaussiano e &amp;lt;math&amp;gt;\sigma&amp;lt;/math&amp;gt; é uma constante.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para o caso do oscilador harmônico amortecido e com ruído, temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -Kx - \gamma v + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\gamma&amp;lt;/math&amp;gt; também são constantes.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Já para o oscilador estocástico de Duffing, não-linear, com amortecimento, ruído multiplicativo e aditivo temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -\omega^2 \left[ \left( \alpha + \sqrt{2D_{11}}R_1(t) \right) x + \epsilon x^3 \right] - 2\tau \omega \dot{x} + \sqrt{2D_{22}}R_2(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\omega&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\alpha&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\epsilon&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D_{11}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;D_{22}&amp;lt;/math&amp;gt; são constantes dadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Escrevendo esses exemplos em termos da equação de Fokker-Planck obtemos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o primeiro caso e&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} [(a_1(x) + a_2(x,v))\rho] + \frac{1}{2}\frac{\partial^2}{\partial v^2}(2D\rho)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
a_1(x) =\omega^2x(\alpha+\epsilon x^2), \quad a_2(x,v) = 2\tau\omega v, \quad D=D_{11}\omega^4x^2+D_{22}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o segundo exemplo.&lt;br /&gt;
&lt;br /&gt;
=== Método FTCS explícito ===&lt;br /&gt;
&lt;br /&gt;
Para os fins de estudo desses casos, o método numérico mais simples para descrever a função &amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt; é a partir do FTCS (&#039;&#039;Foward Time Central Space&#039;&#039;) explícito &amp;lt;ref&amp;gt;Pichler L., Masud A., Bergman L.A. (2013) Numerical Solution of the Fokker–Planck Equation by Finite Difference and Finite Element Methods—A Comparative Study. In: Papadrakakis M., Stefanou G., Papadopoulos V. (eds) Computational Methods in Stochastic Dynamics. Computational Methods in Applied Sciences, vol 26. Springer, Dordrecht. https://doi.org/10.1007/978-94-007-5134-7_5.&amp;lt;/ref&amp;gt;. Como ficará mais claro a partir da discretização das equações, o método FTCS calcula o resultado de uma função no tempo seguinte em um dado ponto a partir dos valores dos &amp;quot;vizinhos&amp;quot; desse ponto. Para a técnica explícita, podemos calcular valor da função no tempo &amp;lt;math&amp;gt;n+1&amp;lt;/math&amp;gt; a partir apenas de valores já conhecidos no tempo atual &amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;. Assim, a aplicação do método se torna bem simples, contudo, perdemos precisão/estabilidade em comparação com métodos mais sofisticados.&lt;br /&gt;
&lt;br /&gt;
O primeiro passo para o método é discretizar os termos da função de interesse &amp;lt;math&amp;gt;\rho(x,v,t)&amp;lt;/math&amp;gt; nas derivadas parciais necessárias: &amp;lt;math&amp;gt;\partial/\partial x&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\partial/\partial v&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\partial^2/\partial v^2&amp;lt;/math&amp;gt;. Para isso, usamos a expansão da série de Taylor e, para melhor precisão, a derivada centrada (excluindo a derivada no tempo). Ademais, usaremos a notação dos índices para indicar os valores de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; por &amp;lt;math&amp;gt;i&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;j&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;, respectivamente.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho(x,v,t+\Delta t) - \rho(x,v,t)}{\Delta t}&lt;br /&gt;
+ \mathcal{O}(\Delta t^2)&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial x}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{1}{2}&lt;br /&gt;
\left[ &lt;br /&gt;
    \frac{\rho(x+\Delta x,v,t) - \rho(x,v,t)}{\Delta x} &lt;br /&gt;
    +&lt;br /&gt;
    \frac{\rho(x-\Delta x,v,t) - \rho(x,v,t)}{\Delta x}&lt;br /&gt;
\right]&lt;br /&gt;
+ \mathcal{O}(\Delta x^2)&lt;br /&gt;
\approx&lt;br /&gt;
\frac{\rho(x+\Delta x,v,t)-\rho(x-\Delta x,v,t)}{2 \Delta x}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i+1,j}^n + \rho_{i-1,j}^n}{2\Delta x}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial v}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{1}{2}&lt;br /&gt;
\left[ &lt;br /&gt;
    \frac{\rho(x,v+\Delta v,t) - \rho(x,v,t)}{\Delta v} &lt;br /&gt;
    +&lt;br /&gt;
    \frac{\rho(x,v,t) - \rho(x,v-\Delta v,t)}{\Delta v}&lt;br /&gt;
\right]&lt;br /&gt;
+ \mathcal{O}(\Delta v^2)&lt;br /&gt;
\approx&lt;br /&gt;
\frac{\rho(x,v+\Delta v,t)-\rho(x,v-\Delta v,t)}{2 \Delta v}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j+1}^n + \rho_{i,j-1}^n}{2\Delta v}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial^2 \rho}{\partial v^2}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho(x,v+\Delta v, t)-2\rho(x,v,t)+\rho(x,v-\Delta v,t)}{(\Delta v)^2}&lt;br /&gt;
+\mathcal{O}(\Delta v^3)&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Aplicação ===&lt;br /&gt;
&lt;br /&gt;
Com as derivadas parciais discretizadas, podemos agora reescrever as funções de Fokker-Planck para cada caso de estudo em busca do valor de &amp;lt;math&amp;gt;\rho_{i,j}^{n+1}&amp;lt;/math&amp;gt;, isto é, o valor de cada ponto no espaço &amp;lt;math&amp;gt;xv&amp;lt;/math&amp;gt; para o tempo &amp;lt;math&amp;gt;t+\Delta t&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
==== Caso 1: oscilador harmônico amortecido ====&lt;br /&gt;
&lt;br /&gt;
Primeiramente, reescrevemos a função original expandindo os termos e aplicando a regra da cadeia onde for necessário.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\frac{\partial \rho}{\partial t}&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
-\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- \frac{\partial}{\partial x}(v \rho)&lt;br /&gt;
+ \frac{\partial}{\partial v}(\gamma v + Kx)\rho&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \frac{\partial}{\partial v} (\gamma v \rho) &lt;br /&gt;
+ \frac{\partial}{\partial v} (Kx \rho)&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \gamma \rho&lt;br /&gt;
+ \gamma v \frac{\partial}{\partial v} \rho  &lt;br /&gt;
+ Kx \frac{\partial}{\partial v} \rho&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \gamma \rho&lt;br /&gt;
+ (\gamma v+Kx) \frac{\partial}{\partial v} \rho  &lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Agora, reescrevemos a mesma função substituindo as derivadas parciais e demais variáveis necessárias (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;) pelas versões discretizadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
=&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ \gamma \rho_{i,j}^n&lt;br /&gt;
+ (\gamma v +Kx^n) \left( \frac{\rho_{i,j+1}^n-\rho_{i,j-1}^n}{2\Delta v} \right)&lt;br /&gt;
+ \sigma \left( \frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2} \right)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{i,j}^{n+1}&lt;br /&gt;
=&lt;br /&gt;
\rho_{i,j}^n&lt;br /&gt;
+ \Delta t&lt;br /&gt;
\left[&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ \gamma \rho_{i,j}^n&lt;br /&gt;
+ (\gamma v +Kx^n) \left( \frac{\rho_{i,j+1}^n-\rho_{i,j-1}^n}{2\Delta v} \right)&lt;br /&gt;
+ \sigma \left( \frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2} \right)&lt;br /&gt;
\right]&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para exercício, usaremos um &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; constante de forma que apenas será necessário atualizar a variável &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; para cada passo de tempo.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x^{n+1} = x^n+v\Delta t&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Por fim, é necessário definir uma condição inicial e uma condição de contorno. Uma vez que a função descreve uma densidade de probabilidade, a literatura sugere, até para comparar com a solução analítica quando disponível, uma delta de Kronecker &amp;lt;math&amp;gt;\delta(x-x_0,v-v_0)&amp;lt;/math&amp;gt;. Assim, em uma dada coordenada &amp;lt;math&amp;gt;(x,v)&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t_0&amp;lt;/math&amp;gt; teremos uma probabilidade 1 de encontrar a partícula. Como condição de contorno, dado que a função em um dado ponto precisa dos pontos vizinhos, indicamos que a &amp;quot;borda&amp;quot; da matriz será sempre igual a zero.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Dado essas equações, escrevemos um programa em C para gerar os dados e o gnuplot para criar o gráfico/animação. Os códigos desenvolvidos estarão disponíveis na próxima seção &amp;quot;Código desenvolvido&amp;quot;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&lt;br /&gt;
&amp;lt;li style=&amp;quot;display: inline-block;&amp;quot;&amp;gt;[[Arquivo:caso1.gif|800px|thumb|middle|Animação da evolução da probabilidade de encontrar uma partícula com dada posição &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; a partir da equação de um oscilador harmônico amortecido. Valores da animação: &amp;lt;math&amp;gt;\Delta x = 1\times 10^{-3}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\Delta v = 1\times 10^{-3}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\Delta t = 1\times 10^{-6}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;x_0=1&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;v=2&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;k=0.5&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\gamma=0.5&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\sigma=0.5&amp;lt;/math&amp;gt;.]]&amp;lt;/li&amp;gt;&lt;br /&gt;
&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A partir da referência estudada e da física do problema, é evidente que a animação apresentada está aquém do esperado. Pelos testes pelo grupo responsável por esse documento, o programa desenvolvido se mostrou muito instável e impreciso: alterações mínimas de alguns parâmetros alteravam consideravelmente o resultado observado. Esse comportamento &amp;quot;imprevisível&amp;quot; se tornou ainda evidente ao alterar o tamanho dos passos (&#039;&#039;dt&#039;&#039;, &#039;&#039;dx&#039;&#039;, &#039;&#039;dv&#039;&#039;) de forma que tanto aumentando quanto diminuindo uma ordem de grandeza a função &amp;quot;explodia&amp;quot; - isto é - crescia exponencialmente. Assim, não foi possível aumentar a resolução da &amp;quot;simulação&amp;quot;.&lt;br /&gt;
&lt;br /&gt;
Além disso, em alguns casos, a função retornava valores negativos, o que é inadequado para uma densidade de probabilidade. Ademais, a ordem de grandeza para o tempo usada na simulação desse trabalho está muito abaixo da utilizada na referência base para esse problema, mostrando que a evolução temporal pode ter algum problema. No entanto, o problema que destacamos é a falta de &amp;quot;suavidade&amp;quot; na curva gerada, tanto é que em alguns quadros é possível ver mudanças bruscas no formato da função.&lt;br /&gt;
&lt;br /&gt;
Dessa forma, apesar dos esforços da equipe, não fomos capazes - até o momento dessa edição - de encontrar a causa desses problemas. No entanto, segue algumas hipóteses que podem ser avaliadas para futuras revisões deste material:&lt;br /&gt;
&lt;br /&gt;
- Verificar as equações utilizadas para descrever os problemas e a passagem para a equação de Fokker-Planck. A literatura encontrada não apresenta os passos usados para esse cálculo e nem a referência específica para cada etapa. Assim, o grupo precisou confiar que esse artigo estava correto.&lt;br /&gt;
&lt;br /&gt;
- Verificar a discretização da função para o método FTCS explícito.&lt;br /&gt;
&lt;br /&gt;
- Verificar a estabilidade do método, pois, apesar de não ter ser comentado no material de referência, é possível que o método explícito não seja adequado para os casos estudados.&lt;br /&gt;
&lt;br /&gt;
- Verificar possíveis problemas no código, tanto o código para os dados quanto para a visualização.&lt;br /&gt;
&lt;br /&gt;
- Verificar problemas de truncamento ou erro numérico ou ainda valores inadequados para as constantes utilizadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
==== Caso 2: problema de Duffing ====&lt;br /&gt;
&lt;br /&gt;
Assim como no caso anterior, reescrevemos a equação para uma forma conveniente.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} [(a_1(x) + a_2(x,v))\rho] + \frac{1}{2}\frac{\partial^2}{\partial v^2}(2D\rho)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
a_1(x) =\omega^2x(\alpha+\epsilon x^2), \quad a_2(x,v) = 2\tau\omega v, \quad D=D_{11}\omega^4x^2+D_{22}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\frac{\partial \rho}{\partial t} &lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- \frac{\partial v}{\partial x}\rho &lt;br /&gt;
+ \frac{\partial}{\partial v} [\omega^2x(\alpha+\epsilon x^2) + 2\tau\omega v]\rho&lt;br /&gt;
+ \frac{\partial^2}{\partial v^2}(D_{11}\omega^4x^2+D_{22})\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v\frac{\partial}{\partial x}\rho&lt;br /&gt;
+ [\omega^2x(\alpha+\epsilon x^2)+2\tau\omega v]\frac{\partial}{\partial v}\rho &lt;br /&gt;
+ 2\tau\omega\rho&lt;br /&gt;
+ (D_{11}\omega^4x^2+D_{22})\frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Novamente, substituímos os termos necessários pela forma discretizada.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
=&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ [\omega^2{x^n}(\alpha+\epsilon {x^n}^2)+2\tau\omega v]&lt;br /&gt;
\frac{\rho_{i,j+1}^n + \rho_{i,j-1}^n}{2\Delta v}&lt;br /&gt;
+ 2\tau\omega \rho_{i,j}^n&lt;br /&gt;
+ (D_{11}\omega^4{x^n}^2+D_{22})&lt;br /&gt;
\frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{i,j}^{n+1}&lt;br /&gt;
=&lt;br /&gt;
\rho_{i,j}^n&lt;br /&gt;
+&lt;br /&gt;
\Delta t&lt;br /&gt;
\left\{&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ [\omega^2{x^n}(\alpha+\epsilon {x^n}^2)+2\tau\omega v]&lt;br /&gt;
\frac{\rho_{i,j+1}^n + \rho_{i,j-1}^n}{2\Delta v}&lt;br /&gt;
+ 2\tau\omega \rho_{i,j}^n&lt;br /&gt;
+ (D_{11}\omega^4{x^n}^2+D_{22})&lt;br /&gt;
\frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2}&lt;br /&gt;
\right\}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Considerando mais uma vez que a velocidade da partícula será constante,podemos atualizar o valor de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; pela expressão: &amp;lt;math&amp;gt;x^{n+1}=x^n+v\Delta t&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Para condições iniciais e condições de contorno, usamos o mesmo princípio definido no caso anterior: condição inicial dada por &amp;lt;math&amp;gt;\delta(x-x_0,v-v_0)&amp;lt;/math&amp;gt; e condição de contorno definindo as &amp;quot;paredes&amp;quot; com valor zero para qualquer tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Uma vez que o grupo não foi capaz de encontrar bons resultados para o caso anterior (mais simples), não foi desenvolvido nenhum código para esse exemplo até que o problema anterior fosse resolvido. Esperamos que em uma futura edição esse material possa trazer alguma visualização para o caso com ruído aditivo e multiplicativo descrito pelo problema de Duffing.&lt;br /&gt;
&lt;br /&gt;
== Código desenvolvido ==&lt;br /&gt;
&lt;br /&gt;
Função auxiliar utilizada do arquivo de cabeçalho &#039;&#039;pointers.h&#039;&#039;:&lt;br /&gt;
&amp;lt;source lang=&#039;c&#039;&amp;gt;&lt;br /&gt;
double ***create_3d_double_pointer(int x, int y, int z){&lt;br /&gt;
  double ***pointer;&lt;br /&gt;
  int i, j;&lt;br /&gt;
&lt;br /&gt;
  assert((x &amp;gt; 0) &amp;amp;&amp;amp; (y &amp;gt; 0) &amp;amp;&amp;amp; (z &amp;gt; 0));&lt;br /&gt;
  pointer = (double ***)malloc(x * y * z * sizeof(double **));&lt;br /&gt;
  if (pointer == NULL){&lt;br /&gt;
    fprintf(stderr, &amp;quot;Error in routine create_3d_double_pointer\n&amp;quot;);&lt;br /&gt;
    exit(8);&lt;br /&gt;
  }&lt;br /&gt;
  else {&lt;br /&gt;
    for (i = 0; i &amp;lt; x; i++){&lt;br /&gt;
      pointer[i] = (double **)malloc(y * z * sizeof(double *));&lt;br /&gt;
      if (pointer[i] == NULL){&lt;br /&gt;
        fprintf(stderr, &amp;quot;Error in routine create_3d_double_pointer\n&amp;quot;);&lt;br /&gt;
        exit(8);&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
    for (i = 0; i &amp;lt; x; i++){&lt;br /&gt;
      for (j = 0; j &amp;lt; y; j++){&lt;br /&gt;
        pointer[i][j] = (double *)malloc(z * sizeof(double));&lt;br /&gt;
        if (pointer[i][j] == NULL){&lt;br /&gt;
          fprintf(stderr, &amp;quot;Error in routine create_3d_double_pointer\n&amp;quot;);&lt;br /&gt;
          exit(8);&lt;br /&gt;
        }&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
  }&lt;br /&gt;
  return (pointer);&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/source&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Código utilizado para gerar os dados para o &amp;quot;caso 1&amp;quot;. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;source lang=&#039;c&#039;&amp;gt;&lt;br /&gt;
#include &amp;lt;stdio.h&amp;gt;&lt;br /&gt;
#include &amp;lt;stdlib.h&amp;gt;&lt;br /&gt;
#include &amp;lt;math.h&amp;gt;&lt;br /&gt;
#include &amp;quot;pointers.h&amp;quot;&lt;br /&gt;
&lt;br /&gt;
int main(){&lt;br /&gt;
&lt;br /&gt;
  // Declara as variáveis&lt;br /&gt;
  FILE *fp;&lt;br /&gt;
  char output[50];&lt;br /&gt;
  double ***f;&lt;br /&gt;
  int i, j, k, c, Lx, Lv;&lt;br /&gt;
  double time, tmax, dt, dx, dv, v, x, K, gamma, sigma, epsilon; &lt;br /&gt;
  &lt;br /&gt;
  // Configura os valores iniciais&lt;br /&gt;
  time = 0.0;       // Tempo&lt;br /&gt;
  tmax = 0.0001;    // Tempo máximo&lt;br /&gt;
  Lx = 50;          // Quantidade de pontos em x&lt;br /&gt;
  Lv = 100;         // Quantidade de pontos em v&lt;br /&gt;
  dt = 0.000001;    // Passo em t&lt;br /&gt;
  dx = 0.001;       // Passo em x&lt;br /&gt;
  dv = 0.001;       // Passo em v&lt;br /&gt;
  x = 1;            // Posição inicial&lt;br /&gt;
  v = 2;            // Velocidade&lt;br /&gt;
  K = 0.5;          // Constante&lt;br /&gt;
  gamma = 0.5;      // Constante&lt;br /&gt;
  sigma = 0.5;      // Constante&lt;br /&gt;
  epsilon = 10E-4;  // Valor para comparação&lt;br /&gt;
&lt;br /&gt;
  // Inicializa a matriz 3D&lt;br /&gt;
  f = create_3d_double_pointer(Lx, Lv, 2);&lt;br /&gt;
  // Todos os pontos com valores zero&lt;br /&gt;
  for (i=0; i&amp;lt;Lx; i++){&lt;br /&gt;
    for (j=0; j&amp;lt;Lv; j++){&lt;br /&gt;
      for (k=0; k&amp;lt;2; k++){&lt;br /&gt;
        f[i][j][k] = 0.0;&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
  }&lt;br /&gt;
&lt;br /&gt;
  // Condição inicial&lt;br /&gt;
  f[Lx/2][Lv/2][0] = 1.0;&lt;br /&gt;
&lt;br /&gt;
  // Arquivo para output&lt;br /&gt;
  sprintf(output, &amp;quot;caso1.dat&amp;quot;);&lt;br /&gt;
  fp = fopen(output, &amp;quot;w&amp;quot;);&lt;br /&gt;
&lt;br /&gt;
  c = 0;&lt;br /&gt;
  // Loop da &amp;quot;simulação&amp;quot;&lt;br /&gt;
  while (time&amp;lt;tmax){&lt;br /&gt;
    for (i=1; i&amp;lt;(Lx-1); i++){&lt;br /&gt;
      for (j=1; j&amp;lt;(Lv-1); j++){&lt;br /&gt;
        // Atualiza a probabilidade&lt;br /&gt;
        f[i][j][1-c] = f[i][j][c]+dt*(-v*(f[i+1][j][c]-f[i-1][j][c])/(2*dx)+gamma*f[i][j][c]+(gamma*v+K*x)*(f[i][j+1][c]-f[i][j-1][c])/(2*dv)+sigma*(f[i][j+1][c]-2*f[i][j][c]+f[i][j-1][c])/(dv*dv));&lt;br /&gt;
        // Salva o resultado em arquivo&lt;br /&gt;
        if (fabs(f[i][j][1-c]) &amp;gt; epsilon){&lt;br /&gt;
          fprintf(fp, &amp;quot;%f %f %f\n&amp;quot;, (double)(i-Lx/2)*dx+x, (double)(j-Lv/2)*dv+v, f[i][j][1-c]);&lt;br /&gt;
        }&lt;br /&gt;
      }&lt;br /&gt;
      // Adiciona linha em branco (arquivo XYZ - gnuplot)&lt;br /&gt;
      if (fabs(f[i][j][1-c]) &amp;gt; epsilon){&lt;br /&gt;
        fprintf(fp, &amp;quot;\n&amp;quot;);&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
    // Atualiza a posição&lt;br /&gt;
    x = x + v*dt;&lt;br /&gt;
    c = 1 - c;&lt;br /&gt;
    // Adiciona duas linhas em branco (animação - gnuplot)&lt;br /&gt;
    fprintf(fp, &amp;quot;\n\n&amp;quot;);&lt;br /&gt;
    time += dt;&lt;br /&gt;
  }&lt;br /&gt;
&lt;br /&gt;
  fclose(fp); // Fecha arquivo&lt;br /&gt;
  free(f);    // Libera ponteiro&lt;br /&gt;
&lt;br /&gt;
  return 0;&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/source&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Código utilizado no gnuplot para gerar a animação.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;source lang=&#039;gnuplot&#039;&amp;gt;&lt;br /&gt;
# Limpa configurações anteriores&lt;br /&gt;
unset xrange&lt;br /&gt;
unset yrange&lt;br /&gt;
unset zrange&lt;br /&gt;
&lt;br /&gt;
# Gera estatísticas dos dados&lt;br /&gt;
stats &amp;quot;caso1.dat&amp;quot; name &amp;quot;A&amp;quot;&lt;br /&gt;
&lt;br /&gt;
# Estilo para gráfico&lt;br /&gt;
set dgrid3d&lt;br /&gt;
&lt;br /&gt;
# Ponto de vista&lt;br /&gt;
set view 60, 30, 1, 1&lt;br /&gt;
&lt;br /&gt;
# Configura o range do plot&lt;br /&gt;
set xrange [A_min_x:A_max_x]&lt;br /&gt;
set yrange [A_min_y:A_max_y]&lt;br /&gt;
set zrange [0:1]&lt;br /&gt;
&lt;br /&gt;
# Formato de saída&lt;br /&gt;
set term gif animate delay 25 background &amp;quot;#212121&amp;quot; enhanced font &amp;quot;Arial,10&amp;quot; fontscale 1.0 size 800, 550&lt;br /&gt;
&lt;br /&gt;
set title &amp;quot;Partícula em acelerador:\noscilador harmônico amortecido&amp;quot; offset character 0, -3 font &amp;quot;Oswald,28&amp;quot; tc rgb &amp;quot;white&amp;quot;&lt;br /&gt;
set xlabel &amp;quot;Posição (x)&amp;quot; offset character -2, -2 font &amp;quot;,18&amp;quot; tc rgb &amp;quot;white&amp;quot; rotate by -9&lt;br /&gt;
set ylabel &amp;quot;Velocidade (v)&amp;quot; offset character -3, -3 font &amp;quot;,18&amp;quot; tc rgb &amp;quot;white&amp;quot; rotate parallel&lt;br /&gt;
set zlabel &amp;quot;Densidade de probabilidade&amp;quot; offset character -1.5, -1.5 font &amp;quot;,18&amp;quot; tc rgb &amp;quot;white&amp;quot; rotate parallel&lt;br /&gt;
&lt;br /&gt;
set tics tc rgb &amp;quot;white&amp;quot; offset character -1, -1&lt;br /&gt;
set border lc rgb &amp;quot;white&amp;quot;&lt;br /&gt;
&lt;br /&gt;
set output &amp;quot;caso1.gif&amp;quot;&lt;br /&gt;
&lt;br /&gt;
do for [i=0:int(A_blocks-1)] {  &lt;br /&gt;
    splot &#039;caso1.dat&#039; index i with pm3d notitle&lt;br /&gt;
    }&lt;br /&gt;
&amp;lt;/source&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Referências ==&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6996</id>
		<title>Equação de Fokker-Planck</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6996"/>
		<updated>2022-03-06T13:05:32Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: /* Aplicação */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&#039;&#039;&#039;Grupo: Álison Soares, Rodrigo Avancini Lara e Samuel Huff Dieterich&#039;&#039;&#039;&lt;br /&gt;
&lt;br /&gt;
A equação de Fokker-Planck foi aplicada em primeiro modo em problemas relacionados ao movimento Browniano, como veremos à seguir. Nesse caso, lidando com flutuações originadas de vários pequenos distúrbios, as partículas de interesse se chocavam com as moléculas do meio, provocando uma trajetória imprevisível. Por conta dessas flutuações, é impossível determinar a posição exata dessas partículas. Porém, é possível determinar a probabilidade de encontrá-las em determinada região.&lt;br /&gt;
&lt;br /&gt;
Esta equação pode ser obtida a partir da equação de Langevin e fornece a probabilidade de encontrar determinada partícula em uma posição &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; em certo instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Além disso, no presente trabalho temos como objetivo estudar as soluções analítica e numérica da equação para um dado exemplo, através do método FTCS explícito.&lt;br /&gt;
&lt;br /&gt;
== Introdução ==&lt;br /&gt;
&lt;br /&gt;
=== Movimento browniano ===&lt;br /&gt;
&lt;br /&gt;
O movimento browniano foi descoberto pelo botanista Robert Brown, em 1827. Durante seu estudo sobre vida microscópica, ele percebeu pequenas partículas de pólen de plantas se movendo de maneira aleatória no líquido que ele estava estudando e, notando que se tratava de partículas de sujeira, e não seres vivos, chegou a conclusão que era um fenômeno físico, e não biológico, que causava este movimento. &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Posteriormente, foi provado que este fenômeno se dava pelos efeitos do movimento molecular. Em um meio com uma temperatura qualquer &amp;lt;math&amp;gt; &amp;gt;0K &amp;lt;/math&amp;gt;, há vibração e movimento molecular. Embora haja conservacão de energia, quando a partícula interage com as moléculas do meio, a energia cinética desta partícula se altera (assim como a das moléculas). Contudo, a soma destas energias é a energia interna do fluido, como descreve o Teorema da Equiparação. &amp;lt;ref name=&amp;gt;The Equipartition Theorem, University of Oxford. URL: http://vallance.chem.ox.ac.uk/pdfs/Equipartition.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Em 1905, Albert Einstein propôs uma teoria para descrever tal movimento matematicamente. Primeiramente, ele se propôs a descrever o quão longe uma partícula browniana se desloca em um determinado intervalo de tempo. Como a partícula está sujeita a &amp;lt;math&amp;gt;10^{14}&amp;lt;/math&amp;gt; colisões por segundo (provindas das moléculas do meio), a mecânica clássica é incapaz de resolver este sistema &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Stachel, J., et al.; The Collected Papers of Albert Einstein, 1989, Princeton University Press. URL: http://users.physik.fu-berlin.de/~kleinert/files/eins_brownian.pdf.&amp;lt;/ref&amp;gt;.  Para resolver este problema, ele abordou o problema pela ótica da mecânica estatística. &lt;br /&gt;
&lt;br /&gt;
Inicialmente, ele considerou o incremento da posição da partícula num espaço unidimensional (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;), num determinado intervalo de tempo (&amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;). Considerando que existe uma probabilidade aleatória da partícula se mover dentro do intervalo &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, ele definiu uma função para a densidade de probabilidade (&amp;lt;math&amp;gt;\varphi(\Delta x)&amp;lt;/math&amp;gt;). Sabendo que o número de partículas é constante dentro do meio, ele expandiu a densidade (&amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt;) deste em uma série de Taylor:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \tau \left(\frac{\partial \rho(x,t)}{\partial t}\right) + \dots = \rho(x, t+\tau)&lt;br /&gt;
=\int_{-\infty}^{+\infty} \rho(x+\Delta x, t) \cdot \varphi(\Delta x) d\Delta x &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
que é, por definição, &amp;lt;math&amp;gt;\varphi&amp;lt;/math&amp;gt;. Continuando, &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
=\rho(x,t) \cdot \int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x + \frac{\partial \rho}{\partial x} \cdot \int_{-\infty}^{+\infty} \Delta x \cdot \varphi(\Delta x) d \Delta x + \frac{\partial^2\rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \dots.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Pela definição da probabilidade,&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x=1&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
e as integrais dos termos pares da série são nulos devido à simetria do espaço. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Temos então,&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\rho(x, t+\tau)&lt;br /&gt;
&amp;amp; = \rho(x,t) \cdot 1 + 0 + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots&lt;br /&gt;
\\&lt;br /&gt;
&amp;amp; = \rho(x,t) + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots.&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Esta equação nos leva à igualdade&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} =  \frac{\partial^2\rho}{\partial x^2} \cdot \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \mathcal{O}.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Podemos interpretar a integral como o coeficiente de difusão &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
D = \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
O que nos dá a equação da difusão&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} = D \frac{\partial^2\rho}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Equação de Langevin ===&lt;br /&gt;
&lt;br /&gt;
Em 1908, 3 anos após os estudos de Albert Einstein em processos aleatórios e movimento aleatório, Paul Langevin (1872-1946) apresentou um novo método para o movimento browniano que - segundo Langevin - era &amp;quot;infinitamente mais simples&amp;quot; que a solução proposta por Einstein. &amp;lt;ref name=Langevin_original&amp;gt;P. Langevin, &amp;quot;Sur la théorie de mouvement Brownien&amp;quot; C.R. Acad. Sci. Paris , 146 (1908) pp. 530–533, https://www.physik.uni-augsburg.de/theo1/hanggi/History/Langevin1908.pdf.&amp;lt;/ref&amp;gt;&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;&lt;br /&gt;
Para interpretar o movimento browniano, Einstein derivou e resolveu uma equação diferencial parcial descrevendo a evolução temporal da densidade de probabilidade para a partícula. Já Langevin aplicou a segunda lei de Newton na forma diferencial para essa partícula.&lt;br /&gt;
&lt;br /&gt;
Para uma partícula browniana de massa &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; em um líquido com viscosidade &amp;lt;math&amp;gt;\eta&amp;lt;/math&amp;gt;, existem duas forças que agem sobre o seu movimento&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
1. Arrasto pela viscosidade.&lt;br /&gt;
2. Força de flutuação.&lt;br /&gt;
&lt;br /&gt;
Considerando que a partícula é relativamente grande em comparação com as distâncias médias entre as moléculas do líquido e esta se movimento nesse meio com velocidade &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt;, experimenta uma resistência pela viscosidade. Essa força é descrita pela Lei de Stokes que, para uma partícula esférica com diâmetro &amp;lt;math&amp;gt;a&amp;lt;/math&amp;gt;, corresponde a &amp;lt;math&amp;gt;-6\pi\eta a \ dx/dt&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
A segunda força foi proposta por Langevin para descrever o efeito de constantes impactos das moléculas do líquido sobre as partículas de estudo. Assim, como essa força possui uma origem aleatório, esta deveria ser positiva ou negativa de maneira equiprovável e cuja magnitude fosse suficiente para manter a agitação da partícula. Caso contrário, a viscosidade iria parar o movimento dessa partícula.&lt;br /&gt;
&lt;br /&gt;
Com isso, a equação que descreve o movimento a partir da posição da partícula - em 1D na direção &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; - é dado pela Lei de Newton como:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin representando as flutuações de pressão devido ao movimento térmico das moléculas que compõem o líquido. &amp;lt;ref&amp;gt;Langevin equation. Encyclopedia of Mathematics. URL: http://encyclopediaofmath.org/index.php?title=Langevin_equation&amp;amp;oldid=47575.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Essa equação é conhecida como a equação de Langevin e foi o primeiro exemplo de equação diferencial estocástica, isto é, uma equação diferencial com um termo, &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; nesse caso, cuja solução em algum sentido também é uma função aleatória &amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;. Essa função foi desenvolvida para possuir as seguintes propriedades:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\langle R(t) \rangle = 0&lt;br /&gt;
\qquad&lt;br /&gt;
\langle R(t) R(t&#039;) \rangle = D \cdot \delta(t-t&#039;)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\langle f \rangle&amp;lt;/math&amp;gt; descreve o valor médio ou esperado de uma função &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão e &amp;lt;math&amp;gt;\delta&amp;lt;/math&amp;gt; é a função delta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A primeira propriedade afirma que o movimento é aleatório de forma que não existe nenhuma tendência de sentido para a partícula se locomover. Assim, é dito que &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; se trata de um ruído branco gaussiano. Já a segunda propriedade mostra que a força em um dado tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; é descorrelacionada de uma força para qualquer outro tempo &amp;lt;math&amp;gt;t&#039;&amp;lt;/math&amp;gt; (propriedade de Markov). &amp;lt;ref&amp;gt;Wikipédia: Langevin equation. URL: https://en.wikipedia.org/wiki/Langevin_equation.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Dedução da equação de Fokker-Planck ===&lt;br /&gt;
&lt;br /&gt;
Para a dedução foi utilizado a seguinte referência como base: &#039;&#039;From Langevin to Fokker-Planck equation&#039;&#039;.&amp;lt;ref&amp;gt;From Langevin to Fokker-Planck equation. URL: http://cgl.elte.hu/~racz/Stoch-diff-eq.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Como vimos anteriormente, o movimento browniano pode ser descrito pela equação de Langevin, a qual podemos resolver sem nenhum problema. Contudo, alternativamente, podemos fazer uso da equação de Fokker-Planck e considerar uma densidade de probabilidade em relação a posição e o tempo, levando em conta diferentes perturbações estocásticas. Para isso, iremos agora deduzir essa equação, a partir da analise de Langevin.&lt;br /&gt;
&lt;br /&gt;
A descrição do movimento browniano foi anteriormente tratada em termos da equação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para o nosso propósito, realizaremos uma abordagem mais direta e geral, assumindo a equação de Langevin através de um potencial &amp;lt;math&amp;gt;U(x)&amp;lt;/math&amp;gt;, nos deixando com a seguinte expressão:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{dx}{dt} = -\mu \frac{dU}{dx} + \eta(t),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\mu=\frac{1}{6\pi\eta a}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\eta(t) = \mu R(t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Contudo, para entender as equações diferenciais estocásticas, precisamos discretizar as equações para posteriormente aplicar os métodos numéricos. Temos que o sistema de discretização mais simples possível nos leva ao valor de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt; a partir da interação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) - \mu\frac{dU}{dx}\varepsilon + \eta_\varepsilon(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A tarefa é compreender como o agora ruído gaussiano &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; afeta esse sistema discretizado. Para isso, escreveremos a evolução temporal da distribuição de probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; definida como a probabilidade da partícula estar em &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Então, deve-se olhar para o limite &amp;lt;math&amp;gt;t \rightarrow \infty&amp;lt;/math&amp;gt; de &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
Vamos realizar a tarefa com a equação discretizada de Langevin comentada acima. Por razões de simplificação, discutiremos essa abordagem com a forma &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) + v(x) \varepsilon + \eta_{\varepsilon}(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;v(x) \equiv −\mu \frac{dU}{dx}&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A equação da probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; pode ser derivada usando a equação de Chapman-Kolmogorov, a qual também iremos escrever em uma forma discretizada no tempo, da forma&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t + \varepsilon) = \int_{-\infty}^{+\infty} W(x,y;\varepsilon) \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é a probabilidade de que a partícula se mova para &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt;, desde que tenha começado em &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Lembrando que: para que a condição acima mova a partícula de &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; a &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, o termo de ruído deve ter apenas o valor correspondente que satisfaz a equação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x = y + v(y) \varepsilon + \eta_{\varepsilon}(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A probabilidade de &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; acima é dada a partir da distribuição de probabilidade do incremento estocástico &amp;lt;math&amp;gt;\eta{\varepsilon}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{G} (\eta \varepsilon) = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{-\eta_\varepsilon^2}{4D\varepsilon}}\right),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Assim &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é obtido como&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
W(x,y; \varepsilon) &amp;amp; = \rho_{G} (\eta_{\varepsilon} = x − y − v(y)\varepsilon) \\&lt;br /&gt;
&amp;amp; = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{−[x−y−v(y)\varepsilon]^2}{4Dε}}\right).&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Substituindo o &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; acima na equação de Chapman-Kolmogorov discretizada e expandindo o lado esquerdo para &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \partial_{t}\rho(x,t) \varepsilon = \int_{-\infty}^{+\infty} \frac{\exp\left(\frac{-[x-y-v(y) \varepsilon]^2}{4D\varepsilon}\right)}{\sqrt{4\pi D \varepsilon}} \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Como último passo agora, vamos expandir a integral do lado direito para ordenar &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;. Notamos que quando &amp;lt;math&amp;gt;\varepsilon \rightarrow 0&amp;lt;/math&amp;gt;, a Gaussiana vai para uma função delta e a integral resulta em &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; que irá se cancelar com &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; no lado esquerdo. Ao final, quando reorganizamos os termos, temos a seguinte equação denominada de Equação de Fokker-Planck&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \frac{\partial v(x) \rho(x,t)}{\partial x} + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
ou, se substituirmos &amp;lt;math&amp;gt;v(x)&amp;lt;/math&amp;gt; pelo potencial &amp;lt;math&amp;gt;v(x) = −\mu \partial U(x)/\partial x&amp;lt;/math&amp;gt;, temos que&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = \frac{\partial}{\partial x} \frac{\partial U}{\partial x} \rho(x,t) + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde, em ambos os casos, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão no movimento browniano, com valor &amp;lt;math&amp;gt;D = \mu k_B T = \frac{k_B T}{6 \pi \eta a}&amp;lt;/math&amp;gt;, cujas variáveis foram discutidas anteriormente na equação de Langevin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Esta distribuição pode ainda depender de um conjunto de &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; macrovariáveis &amp;lt;math&amp;gt;x_i&amp;lt;/math&amp;gt;, de tal maneira que o movimento browniano em questão pode ser representado por uma equação de Fokker-Planck da forma &amp;lt;ref&amp;gt;Wikipédia: Fokker-Planck Equation. URL: https://en.wikipedia.org/wiki/Fokker-Planck_equation.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \left[\sum_{i=1}^{N} \frac{\partial}{\partial x_{i}} D_{i}^{1} (x_{1},...,x_{N}) + \sum_{i=1}^{N} \sum_{j=1}^{N} \frac{\partial^2}{\partial x_{i} \partial x_{j}} D_{ij}^{2} (x_{i},...,x_{N})\right]\rho,&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;D^1&amp;lt;/math&amp;gt; é o termo que é dado por um vetor e &amp;lt;math&amp;gt;D^2&amp;lt;/math&amp;gt; é o termo de difusão, dado por uma matriz.&lt;br /&gt;
&lt;br /&gt;
== Exemplos: acelerador de partículas ==&lt;br /&gt;
&lt;br /&gt;
O exemplo e explicações trazidas nessa seção foram retirados do artigo: &#039;&#039;Numerical solution of two dimensional Fokker-Planck equations&#039;&#039; &amp;lt;ref&amp;gt;M.P. Zorzano, H. Mais, L. Vazquez, Numerical solution of two dimensional Fokker—Planck equations, Applied Mathematics and Computation, 1999, https://doi.org/10.1016/S0096-3003(97)10161-8.&amp;lt;/ref&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Uma aplicação amplamente utilizada para a equação de Fokker-Planck como uma Equação Diferencial Estocástica (&#039;&#039;Stochastic Differential Equations&#039;&#039;, SDE) é para a modelagem da dinâmica de partículas únicas em aceleradores sob influência de ruído. As fontes de ruído são, por exemplo, campos aleatórios, movimento aleatório do solo ou flutuações quânticas da radiação.&lt;br /&gt;
&lt;br /&gt;
A partir do cálculo de probabilidade fornecido pela equação de Fokker-Planck, algumas propriedades físicas de interesse são: qual é o comportamento de longo prazo da dinâmica; qual a probabilidade da partícula colidir com a câmara de vácuo e então ser perdida; quais são as flutuações médias da partícula em torno da trajetória do acelerador; e qual é a evolução temporal da densidade de probabilidade?&lt;br /&gt;
&lt;br /&gt;
Para responder essas perguntas, apenas alguns casos mais específicos possuem soluções analíticas, especialmente em problemas com maior dimensionalidade. Por esse motivo, é interessante e prático estudar a equação de Fokker-Planck e os problemas relacionados a partir de métodos numéricos.&lt;br /&gt;
&lt;br /&gt;
Para esse fim, serão abordados dois exemplos: o oscilador harmônico amortecido, o qual possuí solução analítica e poderá ser usado como comparação para verificar a acurácia do método; e o problema de Duffing, oscilador não linear, com amortecimento e ruído multiplicativo e aditivo, que não apresenta solução exata.&lt;br /&gt;
&lt;br /&gt;
=== Equações ===&lt;br /&gt;
&lt;br /&gt;
As equações diferenciais típicas encontradas na física do acelerador de partícula são&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -a_1(x) - a_2(x,v) + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; é o ruído branco gaussiano e &amp;lt;math&amp;gt;\sigma&amp;lt;/math&amp;gt; é uma constante.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para o caso do oscilador harmônico amortecido e com ruído, temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -Kx - \gamma v + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\gamma&amp;lt;/math&amp;gt; também são constantes.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Já para o oscilador estocástico de Duffing, não-linear, com amortecimento, ruído multiplicativo e aditivo temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -\omega^2 \left[ \left( \alpha + \sqrt{2D_{11}}R_1(t) \right) x + \epsilon x^3 \right] - 2\tau \omega \dot{x} + \sqrt{2D_{22}}R_2(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\omega&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\alpha&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\epsilon&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D_{11}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;D_{22}&amp;lt;/math&amp;gt; são constantes dadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Escrevendo esses exemplos em termos da equação de Fokker-Planck obtemos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o primeiro caso e&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} [(a_1(x) + a_2(x,v))\rho] + \frac{1}{2}\frac{\partial^2}{\partial v^2}(2D\rho)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
a_1(x) =\omega^2x(\alpha+\epsilon x^2), \quad a_2(x,v) = 2\tau\omega v, \quad D=D_{11}\omega^4x^2+D_{22}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o segundo exemplo.&lt;br /&gt;
&lt;br /&gt;
=== Método FTCS explícito ===&lt;br /&gt;
&lt;br /&gt;
Para os fins de estudo desses casos, o método numérico mais simples para descrever a função &amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt; é a partir do FTCS (&#039;&#039;Foward Time Central Space&#039;&#039;) explícito &amp;lt;ref&amp;gt;Pichler L., Masud A., Bergman L.A. (2013) Numerical Solution of the Fokker–Planck Equation by Finite Difference and Finite Element Methods—A Comparative Study. In: Papadrakakis M., Stefanou G., Papadopoulos V. (eds) Computational Methods in Stochastic Dynamics. Computational Methods in Applied Sciences, vol 26. Springer, Dordrecht. https://doi.org/10.1007/978-94-007-5134-7_5.&amp;lt;/ref&amp;gt;. Como ficará mais claro a partir da discretização das equações, o método FTCS calcula o resultado de uma função no tempo seguinte em um dado ponto a partir dos valores dos &amp;quot;vizinhos&amp;quot; desse ponto. Para a técnica explícita, podemos calcular valor da função no tempo &amp;lt;math&amp;gt;n+1&amp;lt;/math&amp;gt; a partir apenas de valores já conhecidos no tempo atual &amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;. Assim, a aplicação do método se torna bem simples, contudo, perdemos precisão/estabilidade em comparação com métodos mais sofisticados.&lt;br /&gt;
&lt;br /&gt;
O primeiro passo para o método é discretizar os termos da função de interesse &amp;lt;math&amp;gt;\rho(x,v,t)&amp;lt;/math&amp;gt; nas derivadas parciais necessárias: &amp;lt;math&amp;gt;\partial/\partial x&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\partial/\partial v&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\partial^2/\partial v^2&amp;lt;/math&amp;gt;. Para isso, usamos a expansão da série de Taylor e, para melhor precisão, a derivada centrada (excluindo a derivada no tempo). Ademais, usaremos a notação dos índices para indicar os valores de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; por &amp;lt;math&amp;gt;i&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;j&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;, respectivamente.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho(x,v,t+\Delta t) - \rho(x,v,t)}{\Delta t}&lt;br /&gt;
+ \mathcal{O}(\Delta t^2)&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial x}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{1}{2}&lt;br /&gt;
\left[ &lt;br /&gt;
    \frac{\rho(x+\Delta x,v,t) - \rho(x,v,t)}{\Delta x} &lt;br /&gt;
    +&lt;br /&gt;
    \frac{\rho(x-\Delta x,v,t) - \rho(x,v,t)}{\Delta x}&lt;br /&gt;
\right]&lt;br /&gt;
+ \mathcal{O}(\Delta x^2)&lt;br /&gt;
\approx&lt;br /&gt;
\frac{\rho(x+\Delta x,v,t)-\rho(x-\Delta x,v,t)}{2 \Delta x}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i+1,j}^n + \rho_{i-1,j}^n}{2\Delta x}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial v}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{1}{2}&lt;br /&gt;
\left[ &lt;br /&gt;
    \frac{\rho(x,v+\Delta v,t) - \rho(x,v,t)}{\Delta v} &lt;br /&gt;
    +&lt;br /&gt;
    \frac{\rho(x,v,t) - \rho(x,v-\Delta v,t)}{\Delta v}&lt;br /&gt;
\right]&lt;br /&gt;
+ \mathcal{O}(\Delta v^2)&lt;br /&gt;
\approx&lt;br /&gt;
\frac{\rho(x,v+\Delta v,t)-\rho(x,v-\Delta v,t)}{2 \Delta v}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j+1}^n + \rho_{i,j-1}^n}{2\Delta v}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial^2 \rho}{\partial v^2}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho(x,v+\Delta v, t)-2\rho(x,v,t)+\rho(x,v-\Delta v,t)}{(\Delta v)^2}&lt;br /&gt;
+\mathcal{O}(\Delta v^3)&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Aplicação ===&lt;br /&gt;
&lt;br /&gt;
Com as derivadas parciais discretizadas, podemos agora reescrever as funções de Fokker-Planck para cada caso de estudo em busca do valor de &amp;lt;math&amp;gt;\rho_{i,j}^{n+1}&amp;lt;/math&amp;gt;, isto é, o valor de cada ponto no espaço &amp;lt;math&amp;gt;xv&amp;lt;/math&amp;gt; para o tempo &amp;lt;math&amp;gt;t+\Delta t&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
==== Caso 1: oscilador harmônico amortecido ====&lt;br /&gt;
&lt;br /&gt;
Primeiramente, reescrevemos a função original expandindo os termos e aplicando a regra da cadeia onde for necessário.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\frac{\partial \rho}{\partial t}&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
-\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- \frac{\partial}{\partial x}(v \rho)&lt;br /&gt;
+ \frac{\partial}{\partial v}(\gamma v + Kx)\rho&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \frac{\partial}{\partial v} (\gamma v \rho) &lt;br /&gt;
+ \frac{\partial}{\partial v} (Kx \rho)&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \gamma \rho&lt;br /&gt;
+ \gamma v \frac{\partial}{\partial v} \rho  &lt;br /&gt;
+ Kx \frac{\partial}{\partial v} \rho&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \gamma \rho&lt;br /&gt;
+ (\gamma v+Kx) \frac{\partial}{\partial v} \rho  &lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Agora, reescrevemos a mesma função substituindo as derivadas parciais e demais variáveis necessárias (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;) pelas versões discretizadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
=&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ \gamma \rho_{i,j}^n&lt;br /&gt;
+ (\gamma v +Kx^n) \left( \frac{\rho_{i,j+1}^n-\rho_{i,j-1}^n}{2\Delta v} \right)&lt;br /&gt;
+ \sigma \left( \frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2} \right)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{i,j}^{n+1}&lt;br /&gt;
=&lt;br /&gt;
\rho_{i,j}^n&lt;br /&gt;
+ \Delta t&lt;br /&gt;
\left[&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ \gamma \rho_{i,j}^n&lt;br /&gt;
+ (\gamma v +Kx^n) \left( \frac{\rho_{i,j+1}^n-\rho_{i,j-1}^n}{2\Delta v} \right)&lt;br /&gt;
+ \sigma \left( \frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2} \right)&lt;br /&gt;
\right]&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para exercício, usaremos um &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; constante de forma que apenas será necessário atualizar a variável &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; para cada passo de tempo.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x^{n+1} = x^n+v\Delta t&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Por fim, é necessário definir uma condição inicial e uma condição de contorno. Uma vez que a função descreve uma densidade de probabilidade, a literatura sugere, até para comparar com a solução analítica quando disponível, uma delta de Kronecker &amp;lt;math&amp;gt;\delta(x-x_0,v-v_0)&amp;lt;/math&amp;gt;. Assim, em uma dada coordenada &amp;lt;math&amp;gt;(x,v)&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t_0&amp;lt;/math&amp;gt; teremos uma probabilidade 1 de encontrar a partícula. Como condição de contorno, dado que a função em um dado ponto precisa dos pontos vizinhos, indicamos que a &amp;quot;borda&amp;quot; da matriz será sempre igual a zero.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Dado essas equações, escrevemos um programa em C para gerar os dados e o gnuplot para criar o gráfico/animação. Os códigos desenvolvidos estarão disponíveis na próxima seção &amp;quot;Código desenvolvido&amp;quot;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&lt;br /&gt;
&amp;lt;li style=&amp;quot;display: inline-block;&amp;quot;&amp;gt;[[Arquivo:caso1.gif|800px|thumb|middle|Animação da evolução da probabilidade de encontrar uma partícula com dada posição &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; a partir da equação de um oscilador harmônico amortecido. Valores da animação: &amp;lt;math&amp;gt;\Delta x = 1\times 10^{-3}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\Delta v = 1\times 10^{-3}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\Delta t = 1\times 10^{-6}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;x_0=1&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;v=2&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;k=0.5&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\gamma=0.5&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\sigma=0.5&amp;lt;/math&amp;gt;.]]&amp;lt;/li&amp;gt;&lt;br /&gt;
&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A partir da referência estudada e da física do problema, é evidente que a animação apresentada está aquém do esperado. Pelos testes pelo grupo responsável por esse documento, o programa desenvolvido se mostrou muito instável e impreciso: alterações mínimas de alguns parâmetros alteravam consideravelmente o resultado observado. Esse comportamento &amp;quot;imprevisível&amp;quot; se tornou ainda evidente ao alterar o tamanho dos passos (&#039;&#039;dt&#039;&#039;, &#039;&#039;dx&#039;&#039;, &#039;&#039;dv&#039;&#039;) de forma que tanto aumentando quanto diminuindo uma ordem de grandeza a função &amp;quot;explodia&amp;quot; - isto é - crescia exponencialmente. Assim, não foi possível aumentar a resolução da &amp;quot;simulação&amp;quot;.&lt;br /&gt;
&lt;br /&gt;
Além disso, em alguns casos, a função retornava valores negativos, o que é inadequado para uma densidade de probabilidade. Ademais, a ordem de grandeza para o tempo usada na simulação desse trabalho está muito abaixo da utilizada na referência base para esse problema, mostrando que a evolução temporal pode ter algum problema. No entanto, o problema que destacamos é a falta de &amp;quot;suavidade&amp;quot; na curva gerada, tanto é que em alguns quadros é possível ver mudanças bruscas no formato da função.&lt;br /&gt;
&lt;br /&gt;
Dessa forma, apesar dos esforços da equipe, não fomos capazes - até o momento dessa edição - de encontrar a causa desses problemas. No entanto, segue algumas hipóteses que podem ser avaliadas para futuras revisões deste material:&lt;br /&gt;
&lt;br /&gt;
- Verificar as equações utilizadas para descrever os problemas e a passagem para a equação de Fokker-Planck. A literatura encontrada não apresenta os passos usados para esse cálculo e nem a referência específica para cada etapa. Assim, o grupo precisou confiar que esse artigo estava correto.&lt;br /&gt;
&lt;br /&gt;
- Verificar a discretização da função para o método FTCS explícito.&lt;br /&gt;
&lt;br /&gt;
- Verificar a estabilidade do método, pois, apesar de não ter ser comentado no material de referência, é possível que o método explícito não seja adequado para os casos estudados.&lt;br /&gt;
&lt;br /&gt;
- Verificar possíveis problemas no código, tanto o código para os dados quanto para a visualização.&lt;br /&gt;
&lt;br /&gt;
- Verificar problemas de truncamento ou erro numérico ou ainda valores inadequados para as constantes utilizadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
==== Caso 2: problema de Duffing ====&lt;br /&gt;
&lt;br /&gt;
Assim como no caso anterior, reescrevemos a equação para uma forma conveniente.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} [(a_1(x) + a_2(x,v))\rho] + \frac{1}{2}\frac{\partial^2}{\partial v^2}(2D\rho)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
a_1(x) =\omega^2x(\alpha+\epsilon x^2), \quad a_2(x,v) = 2\tau\omega v, \quad D=D_{11}\omega^4x^2+D_{22}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\frac{\partial \rho}{\partial t} &lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- \frac{\partial v}{\partial x}\rho &lt;br /&gt;
+ \frac{\partial}{\partial v} [\omega^2x(\alpha+\epsilon x^2) + 2\tau\omega v]\rho&lt;br /&gt;
+ \frac{\partial^2}{\partial v^2}(D_{11}\omega^4x^2+D_{22})\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v\frac{\partial}{\partial x}\rho&lt;br /&gt;
+ [\omega^2x(\alpha+\epsilon x^2)+2\tau\omega v]\frac{\partial}{\partial v}\rho &lt;br /&gt;
+ 2\tau\omega\rho&lt;br /&gt;
+ (D_{11}\omega^4x^2+D_{22})\frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Novamente, substituímos os termos necessários pela forma discretizada.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
=&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ [\omega^2{x^n}(\alpha+\epsilon {x^n}^2)+2\tau\omega v]&lt;br /&gt;
\frac{\rho_{i,j+1}^n + \rho_{i,j-1}^n}{2\Delta v}&lt;br /&gt;
+ 2\tau\omega \rho_{i,j}^n&lt;br /&gt;
+ (D_{11}\omega^4{x^n}^2+D_{22})&lt;br /&gt;
\frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{i,j}^{n+1}&lt;br /&gt;
=&lt;br /&gt;
\rho_{i,j}^n&lt;br /&gt;
+&lt;br /&gt;
\Delta t&lt;br /&gt;
\left\{&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ [\omega^2{x^n}(\alpha+\epsilon {x^n}^2)+2\tau\omega v]&lt;br /&gt;
\frac{\rho_{i,j+1}^n + \rho_{i,j-1}^n}{2\Delta v}&lt;br /&gt;
+ 2\tau\omega \rho_{i,j}^n&lt;br /&gt;
+ (D_{11}\omega^4{x^n}^2+D_{22})&lt;br /&gt;
\frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2}&lt;br /&gt;
\right\}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Considerando mais uma vez que a velocidade da partícula será constante,podemos atualizar o valor de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; pela expressão: &amp;lt;math&amp;gt;x^{n+1}=x^n+v\Delta t&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Para condições iniciais e condições de contorno, usamos o mesmo princípio definido no caso anterior: condição inicial dada por &amp;lt;math&amp;gt;\delta(x-x_0,v-v_0)&amp;lt;/math&amp;gt; e condição de contorno definindo as &amp;quot;paredes&amp;quot; com valor zero para qualquer tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Uma vez que o grupo não foi capaz de encontrar bons resultados para o caso anterior (mais simples), não foi desenvolvido nenhum código para esse exemplo até que o problema anterior fosse resolvido. Esperamos que em uma futura edição esse material possa trazer alguma visualização para o caso com ruído aditivo e multiplicativo descrito pelo problema de Duffing.&lt;br /&gt;
&lt;br /&gt;
== Código desenvolvido ==&lt;br /&gt;
&lt;br /&gt;
Função auxiliar utilizada do arquivo de cabeçalho &#039;&#039;pointers.h&#039;&#039;:&lt;br /&gt;
&amp;lt;source lang=&#039;c&#039;&amp;gt;&lt;br /&gt;
double ***create_3d_double_pointer(int x, int y, int z){&lt;br /&gt;
  double ***pointer;&lt;br /&gt;
  int i, j;&lt;br /&gt;
&lt;br /&gt;
  assert((x &amp;gt; 0) &amp;amp;&amp;amp; (y &amp;gt; 0) &amp;amp;&amp;amp; (z &amp;gt; 0));&lt;br /&gt;
  pointer = (double ***)malloc(x * y * z * sizeof(double **));&lt;br /&gt;
  if (pointer == NULL){&lt;br /&gt;
    fprintf(stderr, &amp;quot;Error in routine create_3d_double_pointer\n&amp;quot;);&lt;br /&gt;
    exit(8);&lt;br /&gt;
  }&lt;br /&gt;
  else {&lt;br /&gt;
    for (i = 0; i &amp;lt; x; i++){&lt;br /&gt;
      pointer[i] = (double **)malloc(y * z * sizeof(double *));&lt;br /&gt;
      if (pointer[i] == NULL){&lt;br /&gt;
        fprintf(stderr, &amp;quot;Error in routine create_3d_double_pointer\n&amp;quot;);&lt;br /&gt;
        exit(8);&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
    for (i = 0; i &amp;lt; x; i++){&lt;br /&gt;
      for (j = 0; j &amp;lt; y; j++){&lt;br /&gt;
        pointer[i][j] = (double *)malloc(z * sizeof(double));&lt;br /&gt;
        if (pointer[i][j] == NULL){&lt;br /&gt;
          fprintf(stderr, &amp;quot;Error in routine create_3d_double_pointer\n&amp;quot;);&lt;br /&gt;
          exit(8);&lt;br /&gt;
        }&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
  }&lt;br /&gt;
  return (pointer);&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/source&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Código utilizado para gerar os dados para o &amp;quot;caso 1&amp;quot;. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;source lang=&#039;c&#039;&amp;gt;&lt;br /&gt;
#include &amp;lt;stdio.h&amp;gt;&lt;br /&gt;
#include &amp;lt;stdlib.h&amp;gt;&lt;br /&gt;
#include &amp;lt;math.h&amp;gt;&lt;br /&gt;
#include &amp;quot;pointers.h&amp;quot;&lt;br /&gt;
&lt;br /&gt;
int main(){&lt;br /&gt;
&lt;br /&gt;
  // Declara as variáveis&lt;br /&gt;
  FILE *fp;&lt;br /&gt;
  char output[50];&lt;br /&gt;
  double ***f;&lt;br /&gt;
  int i, j, k, c, Lx, Lv;&lt;br /&gt;
  double time, tmax, dt, dx, dv, v, x, K, gamma, sigma, epsilon; &lt;br /&gt;
  &lt;br /&gt;
  // Configura os valores iniciais&lt;br /&gt;
  time = 0.0;       // Tempo&lt;br /&gt;
  tmax = 0.0001;    // Tempo máximo&lt;br /&gt;
  Lx = 50;          // Quantidade de pontos em x&lt;br /&gt;
  Lv = 100;         // Quantidade de pontos em v&lt;br /&gt;
  dt = 0.000001;    // Passo em t&lt;br /&gt;
  dx = 0.001;       // Passo em x&lt;br /&gt;
  dv = 0.001;       // Passo em v&lt;br /&gt;
  x = 1;            // Posição inicial&lt;br /&gt;
  v = 2;            // Velocidade&lt;br /&gt;
  K = 0.5;          // Constante&lt;br /&gt;
  gamma = 0.5;      // Constante&lt;br /&gt;
  sigma = 0.5;      // Constante&lt;br /&gt;
  epsilon = 10E-4;  // Valor para comparação&lt;br /&gt;
&lt;br /&gt;
  // Inicializa a matriz 3D&lt;br /&gt;
  f = create_3d_double_pointer(Lx, Lv, 2);&lt;br /&gt;
  // Todos os pontos com valores zero&lt;br /&gt;
  for (i=0; i&amp;lt;Lx; i++){&lt;br /&gt;
    for (j=0; j&amp;lt;Lv; j++){&lt;br /&gt;
      for (k=0; k&amp;lt;2; k++){&lt;br /&gt;
        f[i][j][k] = 0.0;&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
  }&lt;br /&gt;
&lt;br /&gt;
  // Condição inicial&lt;br /&gt;
  f[Lx/2][Lv/2][0] = 1.0;&lt;br /&gt;
&lt;br /&gt;
  // Arquivo para output&lt;br /&gt;
  sprintf(output, &amp;quot;caso1.dat&amp;quot;);&lt;br /&gt;
  fp = fopen(output, &amp;quot;w&amp;quot;);&lt;br /&gt;
&lt;br /&gt;
  c = 0;&lt;br /&gt;
  // Loop da &amp;quot;simulação&amp;quot;&lt;br /&gt;
  while (time&amp;lt;tmax){&lt;br /&gt;
    for (i=1; i&amp;lt;(Lx-1); i++){&lt;br /&gt;
      for (j=1; j&amp;lt;(Lv-1); j++){&lt;br /&gt;
        // Atualiza a probabilidade&lt;br /&gt;
        f[i][j][1-c] = f[i][j][c]+dt*(-v*(f[i+1][j][c]-f[i-1][j][c])/(2*dx)+gamma*f[i][j][c]+(gamma*v+K*x)*(f[i][j+1][c]-f[i][j-1][c])/(2*dv)+sigma*(f[i][j+1][c]-2*f[i][j][c]+f[i][j-1][c])/(dv*dv));&lt;br /&gt;
        // Salva o resultado em arquivo&lt;br /&gt;
        if (fabs(f[i][j][1-c]) &amp;gt; epsilon){&lt;br /&gt;
          fprintf(fp, &amp;quot;%f %f %f\n&amp;quot;, (double)(i-Lx/2)*dx+x, (double)(j-Lv/2)*dv+v, f[i][j][1-c]);&lt;br /&gt;
        }&lt;br /&gt;
      }&lt;br /&gt;
      // Adiciona linha em branco (arquivo XYZ - gnuplot)&lt;br /&gt;
      if (fabs(f[i][j][1-c]) &amp;gt; epsilon){&lt;br /&gt;
        fprintf(fp, &amp;quot;\n&amp;quot;);&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
    // Atualiza a posição&lt;br /&gt;
    x = x + v*dt;&lt;br /&gt;
    c = 1 - c;&lt;br /&gt;
    // Adiciona duas linhas em branco (animação - gnuplot)&lt;br /&gt;
    fprintf(fp, &amp;quot;\n\n&amp;quot;);&lt;br /&gt;
    time += dt;&lt;br /&gt;
  }&lt;br /&gt;
&lt;br /&gt;
  fclose(fp); // Fecha arquivo&lt;br /&gt;
  free(f);    // Libera ponteiro&lt;br /&gt;
&lt;br /&gt;
  return 0;&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/source&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Código utilizado no gnuplot para gerar a animação.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;source lang=&#039;gnuplot&#039;&amp;gt;&lt;br /&gt;
# Limpa configurações anteriores&lt;br /&gt;
unset xrange&lt;br /&gt;
unset yrange&lt;br /&gt;
unset zrange&lt;br /&gt;
&lt;br /&gt;
# Gera estatísticas dos dados&lt;br /&gt;
stats &amp;quot;caso1.dat&amp;quot; name &amp;quot;A&amp;quot;&lt;br /&gt;
&lt;br /&gt;
# Estilo para gráfico&lt;br /&gt;
set dgrid3d&lt;br /&gt;
&lt;br /&gt;
# Ponto de vista&lt;br /&gt;
set view 60, 30, 1, 1&lt;br /&gt;
&lt;br /&gt;
# Configura o range do plot&lt;br /&gt;
set xrange [A_min_x:A_max_x]&lt;br /&gt;
set yrange [A_min_y:A_max_y]&lt;br /&gt;
set zrange [0:1]&lt;br /&gt;
&lt;br /&gt;
# Formato de saída&lt;br /&gt;
set term gif animate delay 25 background &amp;quot;#212121&amp;quot; enhanced font &amp;quot;Arial,10&amp;quot; fontscale 1.0 size 800, 550&lt;br /&gt;
&lt;br /&gt;
set title &amp;quot;Partícula em acelerador:\noscilador harmônico amortecido&amp;quot; offset character 0, -3 font &amp;quot;Oswald,28&amp;quot; tc rgb &amp;quot;white&amp;quot;&lt;br /&gt;
set xlabel &amp;quot;Posição (x)&amp;quot; offset character -2, -2 font &amp;quot;,18&amp;quot; tc rgb &amp;quot;white&amp;quot; rotate by -9&lt;br /&gt;
set ylabel &amp;quot;Velocidade (v)&amp;quot; offset character -3, -3 font &amp;quot;,18&amp;quot; tc rgb &amp;quot;white&amp;quot; rotate parallel&lt;br /&gt;
set zlabel &amp;quot;Densidade de probabilidade&amp;quot; offset character -1.5, -1.5 font &amp;quot;,18&amp;quot; tc rgb &amp;quot;white&amp;quot; rotate parallel&lt;br /&gt;
&lt;br /&gt;
set tics tc rgb &amp;quot;white&amp;quot; offset character -1, -1&lt;br /&gt;
set border lc rgb &amp;quot;white&amp;quot;&lt;br /&gt;
&lt;br /&gt;
set output &amp;quot;caso1.gif&amp;quot;&lt;br /&gt;
&lt;br /&gt;
do for [i=0:int(A_blocks-1)] {  &lt;br /&gt;
    splot &#039;caso1.dat&#039; index i with pm3d notitle&lt;br /&gt;
    }&lt;br /&gt;
&amp;lt;/source&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Referências ==&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6995</id>
		<title>Equação de Fokker-Planck</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6995"/>
		<updated>2022-03-06T12:34:31Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: /* Método FTCS explícito */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&#039;&#039;&#039;Grupo: Álison Soares, Rodrigo Avancini Lara e Samuel Huff Dieterich&#039;&#039;&#039;&lt;br /&gt;
&lt;br /&gt;
A equação de Fokker-Planck foi aplicada em primeiro modo em problemas relacionados ao movimento Browniano, como veremos à seguir. Nesse caso, lidando com flutuações originadas de vários pequenos distúrbios, as partículas de interesse se chocavam com as moléculas do meio, provocando uma trajetória imprevisível. Por conta dessas flutuações, é impossível determinar a posição exata dessas partículas. Porém, é possível determinar a probabilidade de encontrá-las em determinada região.&lt;br /&gt;
&lt;br /&gt;
Esta equação pode ser obtida a partir da equação de Langevin e fornece a probabilidade de encontrar determinada partícula em uma posição &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; em certo instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Além disso, no presente trabalho temos como objetivo estudar as soluções analítica e numérica da equação para um dado exemplo, através do método FTCS explícito.&lt;br /&gt;
&lt;br /&gt;
== Introdução ==&lt;br /&gt;
&lt;br /&gt;
=== Movimento browniano ===&lt;br /&gt;
&lt;br /&gt;
O movimento browniano foi descoberto pelo botanista Robert Brown, em 1827. Durante seu estudo sobre vida microscópica, ele percebeu pequenas partículas de pólen de plantas se movendo de maneira aleatória no líquido que ele estava estudando e, notando que se tratava de partículas de sujeira, e não seres vivos, chegou a conclusão que era um fenômeno físico, e não biológico, que causava este movimento. &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Posteriormente, foi provado que este fenômeno se dava pelos efeitos do movimento molecular. Em um meio com uma temperatura qualquer &amp;lt;math&amp;gt; &amp;gt;0K &amp;lt;/math&amp;gt;, há vibração e movimento molecular. Embora haja conservacão de energia, quando a partícula interage com as moléculas do meio, a energia cinética desta partícula se altera (assim como a das moléculas). Contudo, a soma destas energias é a energia interna do fluido, como descreve o Teorema da Equiparação. &amp;lt;ref name=&amp;gt;The Equipartition Theorem, University of Oxford. URL: http://vallance.chem.ox.ac.uk/pdfs/Equipartition.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Em 1905, Albert Einstein propôs uma teoria para descrever tal movimento matematicamente. Primeiramente, ele se propôs a descrever o quão longe uma partícula browniana se desloca em um determinado intervalo de tempo. Como a partícula está sujeita a &amp;lt;math&amp;gt;10^{14}&amp;lt;/math&amp;gt; colisões por segundo (provindas das moléculas do meio), a mecânica clássica é incapaz de resolver este sistema &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Stachel, J., et al.; The Collected Papers of Albert Einstein, 1989, Princeton University Press. URL: http://users.physik.fu-berlin.de/~kleinert/files/eins_brownian.pdf.&amp;lt;/ref&amp;gt;.  Para resolver este problema, ele abordou o problema pela ótica da mecânica estatística. &lt;br /&gt;
&lt;br /&gt;
Inicialmente, ele considerou o incremento da posição da partícula num espaço unidimensional (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;), num determinado intervalo de tempo (&amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;). Considerando que existe uma probabilidade aleatória da partícula se mover dentro do intervalo &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, ele definiu uma função para a densidade de probabilidade (&amp;lt;math&amp;gt;\varphi(\Delta x)&amp;lt;/math&amp;gt;). Sabendo que o número de partículas é constante dentro do meio, ele expandiu a densidade (&amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt;) deste em uma série de Taylor:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \tau \left(\frac{\partial \rho(x,t)}{\partial t}\right) + \dots = \rho(x, t+\tau)&lt;br /&gt;
=\int_{-\infty}^{+\infty} \rho(x+\Delta x, t) \cdot \varphi(\Delta x) d\Delta x &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
que é, por definição, &amp;lt;math&amp;gt;\varphi&amp;lt;/math&amp;gt;. Continuando, &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
=\rho(x,t) \cdot \int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x + \frac{\partial \rho}{\partial x} \cdot \int_{-\infty}^{+\infty} \Delta x \cdot \varphi(\Delta x) d \Delta x + \frac{\partial^2\rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \dots.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Pela definição da probabilidade,&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x=1&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
e as integrais dos termos pares da série são nulos devido à simetria do espaço. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Temos então,&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\rho(x, t+\tau)&lt;br /&gt;
&amp;amp; = \rho(x,t) \cdot 1 + 0 + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots&lt;br /&gt;
\\&lt;br /&gt;
&amp;amp; = \rho(x,t) + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots.&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Esta equação nos leva à igualdade&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} =  \frac{\partial^2\rho}{\partial x^2} \cdot \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \mathcal{O}.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Podemos interpretar a integral como o coeficiente de difusão &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
D = \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
O que nos dá a equação da difusão&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} = D \frac{\partial^2\rho}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Equação de Langevin ===&lt;br /&gt;
&lt;br /&gt;
Em 1908, 3 anos após os estudos de Albert Einstein em processos aleatórios e movimento aleatório, Paul Langevin (1872-1946) apresentou um novo método para o movimento browniano que - segundo Langevin - era &amp;quot;infinitamente mais simples&amp;quot; que a solução proposta por Einstein. &amp;lt;ref name=Langevin_original&amp;gt;P. Langevin, &amp;quot;Sur la théorie de mouvement Brownien&amp;quot; C.R. Acad. Sci. Paris , 146 (1908) pp. 530–533, https://www.physik.uni-augsburg.de/theo1/hanggi/History/Langevin1908.pdf.&amp;lt;/ref&amp;gt;&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;&lt;br /&gt;
Para interpretar o movimento browniano, Einstein derivou e resolveu uma equação diferencial parcial descrevendo a evolução temporal da densidade de probabilidade para a partícula. Já Langevin aplicou a segunda lei de Newton na forma diferencial para essa partícula.&lt;br /&gt;
&lt;br /&gt;
Para uma partícula browniana de massa &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; em um líquido com viscosidade &amp;lt;math&amp;gt;\eta&amp;lt;/math&amp;gt;, existem duas forças que agem sobre o seu movimento&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
1. Arrasto pela viscosidade.&lt;br /&gt;
2. Força de flutuação.&lt;br /&gt;
&lt;br /&gt;
Considerando que a partícula é relativamente grande em comparação com as distâncias médias entre as moléculas do líquido e esta se movimento nesse meio com velocidade &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt;, experimenta uma resistência pela viscosidade. Essa força é descrita pela Lei de Stokes que, para uma partícula esférica com diâmetro &amp;lt;math&amp;gt;a&amp;lt;/math&amp;gt;, corresponde a &amp;lt;math&amp;gt;-6\pi\eta a \ dx/dt&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
A segunda força foi proposta por Langevin para descrever o efeito de constantes impactos das moléculas do líquido sobre as partículas de estudo. Assim, como essa força possui uma origem aleatório, esta deveria ser positiva ou negativa de maneira equiprovável e cuja magnitude fosse suficiente para manter a agitação da partícula. Caso contrário, a viscosidade iria parar o movimento dessa partícula.&lt;br /&gt;
&lt;br /&gt;
Com isso, a equação que descreve o movimento a partir da posição da partícula - em 1D na direção &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; - é dado pela Lei de Newton como:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin representando as flutuações de pressão devido ao movimento térmico das moléculas que compõem o líquido. &amp;lt;ref&amp;gt;Langevin equation. Encyclopedia of Mathematics. URL: http://encyclopediaofmath.org/index.php?title=Langevin_equation&amp;amp;oldid=47575.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Essa equação é conhecida como a equação de Langevin e foi o primeiro exemplo de equação diferencial estocástica, isto é, uma equação diferencial com um termo, &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; nesse caso, cuja solução em algum sentido também é uma função aleatória &amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;. Essa função foi desenvolvida para possuir as seguintes propriedades:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\langle R(t) \rangle = 0&lt;br /&gt;
\qquad&lt;br /&gt;
\langle R(t) R(t&#039;) \rangle = D \cdot \delta(t-t&#039;)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\langle f \rangle&amp;lt;/math&amp;gt; descreve o valor médio ou esperado de uma função &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão e &amp;lt;math&amp;gt;\delta&amp;lt;/math&amp;gt; é a função delta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A primeira propriedade afirma que o movimento é aleatório de forma que não existe nenhuma tendência de sentido para a partícula se locomover. Assim, é dito que &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; se trata de um ruído branco gaussiano. Já a segunda propriedade mostra que a força em um dado tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; é descorrelacionada de uma força para qualquer outro tempo &amp;lt;math&amp;gt;t&#039;&amp;lt;/math&amp;gt; (propriedade de Markov). &amp;lt;ref&amp;gt;Wikipédia: Langevin equation. URL: https://en.wikipedia.org/wiki/Langevin_equation.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Dedução da equação de Fokker-Planck ===&lt;br /&gt;
&lt;br /&gt;
Para a dedução foi utilizado a seguinte referência como base: &#039;&#039;From Langevin to Fokker-Planck equation&#039;&#039;.&amp;lt;ref&amp;gt;From Langevin to Fokker-Planck equation. URL: http://cgl.elte.hu/~racz/Stoch-diff-eq.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Como vimos anteriormente, o movimento browniano pode ser descrito pela equação de Langevin, a qual podemos resolver sem nenhum problema. Contudo, alternativamente, podemos fazer uso da equação de Fokker-Planck e considerar uma densidade de probabilidade em relação a posição e o tempo, levando em conta diferentes perturbações estocásticas. Para isso, iremos agora deduzir essa equação, a partir da analise de Langevin.&lt;br /&gt;
&lt;br /&gt;
A descrição do movimento browniano foi anteriormente tratada em termos da equação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para o nosso propósito, realizaremos uma abordagem mais direta e geral, assumindo a equação de Langevin através de um potencial &amp;lt;math&amp;gt;U(x)&amp;lt;/math&amp;gt;, nos deixando com a seguinte expressão:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{dx}{dt} = -\mu \frac{dU}{dx} + \eta(t),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\mu=\frac{1}{6\pi\eta a}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\eta(t) = \mu R(t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Contudo, para entender as equações diferenciais estocásticas, precisamos discretizar as equações para posteriormente aplicar os métodos numéricos. Temos que o sistema de discretização mais simples possível nos leva ao valor de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt; a partir da interação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) - \mu\frac{dU}{dx}\varepsilon + \eta_\varepsilon(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A tarefa é compreender como o agora ruído gaussiano &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; afeta esse sistema discretizado. Para isso, escreveremos a evolução temporal da distribuição de probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; definida como a probabilidade da partícula estar em &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Então, deve-se olhar para o limite &amp;lt;math&amp;gt;t \rightarrow \infty&amp;lt;/math&amp;gt; de &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
Vamos realizar a tarefa com a equação discretizada de Langevin comentada acima. Por razões de simplificação, discutiremos essa abordagem com a forma &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) + v(x) \varepsilon + \eta_{\varepsilon}(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;v(x) \equiv −\mu \frac{dU}{dx}&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A equação da probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; pode ser derivada usando a equação de Chapman-Kolmogorov, a qual também iremos escrever em uma forma discretizada no tempo, da forma&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t + \varepsilon) = \int_{-\infty}^{+\infty} W(x,y;\varepsilon) \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é a probabilidade de que a partícula se mova para &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt;, desde que tenha começado em &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Lembrando que: para que a condição acima mova a partícula de &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; a &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, o termo de ruído deve ter apenas o valor correspondente que satisfaz a equação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x = y + v(y) \varepsilon + \eta_{\varepsilon}(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A probabilidade de &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; acima é dada a partir da distribuição de probabilidade do incremento estocástico &amp;lt;math&amp;gt;\eta{\varepsilon}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{G} (\eta \varepsilon) = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{-\eta_\varepsilon^2}{4D\varepsilon}}\right),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Assim &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é obtido como&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
W(x,y; \varepsilon) &amp;amp; = \rho_{G} (\eta_{\varepsilon} = x − y − v(y)\varepsilon) \\&lt;br /&gt;
&amp;amp; = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{−[x−y−v(y)\varepsilon]^2}{4Dε}}\right).&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Substituindo o &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; acima na equação de Chapman-Kolmogorov discretizada e expandindo o lado esquerdo para &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \partial_{t}\rho(x,t) \varepsilon = \int_{-\infty}^{+\infty} \frac{\exp\left(\frac{-[x-y-v(y) \varepsilon]^2}{4D\varepsilon}\right)}{\sqrt{4\pi D \varepsilon}} \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Como último passo agora, vamos expandir a integral do lado direito para ordenar &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;. Notamos que quando &amp;lt;math&amp;gt;\varepsilon \rightarrow 0&amp;lt;/math&amp;gt;, a Gaussiana vai para uma função delta e a integral resulta em &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; que irá se cancelar com &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; no lado esquerdo. Ao final, quando reorganizamos os termos, temos a seguinte equação denominada de Equação de Fokker-Planck&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \frac{\partial v(x) \rho(x,t)}{\partial x} + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
ou, se substituirmos &amp;lt;math&amp;gt;v(x)&amp;lt;/math&amp;gt; pelo potencial &amp;lt;math&amp;gt;v(x) = −\mu \partial U(x)/\partial x&amp;lt;/math&amp;gt;, temos que&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = \frac{\partial}{\partial x} \frac{\partial U}{\partial x} \rho(x,t) + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde, em ambos os casos, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão no movimento browniano, com valor &amp;lt;math&amp;gt;D = \mu k_B T = \frac{k_B T}{6 \pi \eta a}&amp;lt;/math&amp;gt;, cujas variáveis foram discutidas anteriormente na equação de Langevin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Esta distribuição pode ainda depender de um conjunto de &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; macrovariáveis &amp;lt;math&amp;gt;x_i&amp;lt;/math&amp;gt;, de tal maneira que o movimento browniano em questão pode ser representado por uma equação de Fokker-Planck da forma &amp;lt;ref&amp;gt;Wikipédia: Fokker-Planck Equation. URL: https://en.wikipedia.org/wiki/Fokker-Planck_equation.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \left[\sum_{i=1}^{N} \frac{\partial}{\partial x_{i}} D_{i}^{1} (x_{1},...,x_{N}) + \sum_{i=1}^{N} \sum_{j=1}^{N} \frac{\partial^2}{\partial x_{i} \partial x_{j}} D_{ij}^{2} (x_{i},...,x_{N})\right]\rho,&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;D^1&amp;lt;/math&amp;gt; é o termo que é dado por um vetor e &amp;lt;math&amp;gt;D^2&amp;lt;/math&amp;gt; é o termo de difusão, dado por uma matriz.&lt;br /&gt;
&lt;br /&gt;
== Exemplos: acelerador de partículas ==&lt;br /&gt;
&lt;br /&gt;
O exemplo e explicações trazidas nessa seção foram retirados do artigo: &#039;&#039;Numerical solution of two dimensional Fokker-Planck equations&#039;&#039; &amp;lt;ref&amp;gt;M.P. Zorzano, H. Mais, L. Vazquez, Numerical solution of two dimensional Fokker—Planck equations, Applied Mathematics and Computation, 1999, https://doi.org/10.1016/S0096-3003(97)10161-8.&amp;lt;/ref&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Uma aplicação amplamente utilizada para a equação de Fokker-Planck como uma Equação Diferencial Estocástica (&#039;&#039;Stochastic Differential Equations&#039;&#039;, SDE) é para a modelagem da dinâmica de partículas únicas em aceleradores sob influência de ruído. As fontes de ruído são, por exemplo, campos aleatórios, movimento aleatório do solo ou flutuações quânticas da radiação.&lt;br /&gt;
&lt;br /&gt;
A partir do cálculo de probabilidade fornecido pela equação de Fokker-Planck, algumas propriedades físicas de interesse são: qual é o comportamento de longo prazo da dinâmica; qual a probabilidade da partícula colidir com a câmara de vácuo e então ser perdida; quais são as flutuações médias da partícula em torno da trajetória do acelerador; e qual é a evolução temporal da densidade de probabilidade?&lt;br /&gt;
&lt;br /&gt;
Para responder essas perguntas, apenas alguns casos mais específicos possuem soluções analíticas, especialmente em problemas com maior dimensionalidade. Por esse motivo, é interessante e prático estudar a equação de Fokker-Planck e os problemas relacionados a partir de métodos numéricos.&lt;br /&gt;
&lt;br /&gt;
Para esse fim, serão abordados dois exemplos: o oscilador harmônico amortecido, o qual possuí solução analítica e poderá ser usado como comparação para verificar a acurácia do método; e o problema de Duffing, oscilador não linear, com amortecimento e ruído multiplicativo e aditivo, que não apresenta solução exata.&lt;br /&gt;
&lt;br /&gt;
=== Equações ===&lt;br /&gt;
&lt;br /&gt;
As equações diferenciais típicas encontradas na física do acelerador de partícula são&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -a_1(x) - a_2(x,v) + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; é o ruído branco gaussiano e &amp;lt;math&amp;gt;\sigma&amp;lt;/math&amp;gt; é uma constante.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para o caso do oscilador harmônico amortecido e com ruído, temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -Kx - \gamma v + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\gamma&amp;lt;/math&amp;gt; também são constantes.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Já para o oscilador estocástico de Duffing, não-linear, com amortecimento, ruído multiplicativo e aditivo temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -\omega^2 \left[ \left( \alpha + \sqrt{2D_{11}}R_1(t) \right) x + \epsilon x^3 \right] - 2\tau \omega \dot{x} + \sqrt{2D_{22}}R_2(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\omega&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\alpha&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\epsilon&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D_{11}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;D_{22}&amp;lt;/math&amp;gt; são constantes dadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Escrevendo esses exemplos em termos da equação de Fokker-Planck obtemos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o primeiro caso e&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} [(a_1(x) + a_2(x,v))\rho] + \frac{1}{2}\frac{\partial^2}{\partial v^2}(2D\rho)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
a_1(x) =\omega^2x(\alpha+\epsilon x^2), \quad a_2(x,v) = 2\tau\omega v, \quad D=D_{11}\omega^4x^2+D_{22}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o segundo exemplo.&lt;br /&gt;
&lt;br /&gt;
=== Método FTCS explícito ===&lt;br /&gt;
&lt;br /&gt;
Para os fins de estudo desses casos, o método numérico mais simples para descrever a função &amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt; é a partir do FTCS (&#039;&#039;Foward Time Central Space&#039;&#039;) explícito &amp;lt;ref&amp;gt;Pichler L., Masud A., Bergman L.A. (2013) Numerical Solution of the Fokker–Planck Equation by Finite Difference and Finite Element Methods—A Comparative Study. In: Papadrakakis M., Stefanou G., Papadopoulos V. (eds) Computational Methods in Stochastic Dynamics. Computational Methods in Applied Sciences, vol 26. Springer, Dordrecht. https://doi.org/10.1007/978-94-007-5134-7_5.&amp;lt;/ref&amp;gt;. Como ficará mais claro a partir da discretização das equações, o método FTCS calcula o resultado de uma função no tempo seguinte em um dado ponto a partir dos valores dos &amp;quot;vizinhos&amp;quot; desse ponto. Para a técnica explícita, podemos calcular valor da função no tempo &amp;lt;math&amp;gt;n+1&amp;lt;/math&amp;gt; a partir apenas de valores já conhecidos no tempo atual &amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;. Assim, a aplicação do método se torna bem simples, contudo, perdemos precisão/estabilidade em comparação com métodos mais sofisticados.&lt;br /&gt;
&lt;br /&gt;
O primeiro passo para o método é discretizar os termos da função de interesse &amp;lt;math&amp;gt;\rho(x,v,t)&amp;lt;/math&amp;gt; nas derivadas parciais necessárias: &amp;lt;math&amp;gt;\partial/\partial x&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\partial/\partial v&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\partial^2/\partial v^2&amp;lt;/math&amp;gt;. Para isso, usamos a expansão da série de Taylor e, para melhor precisão, a derivada centrada (excluindo a derivada no tempo). Ademais, usaremos a notação dos índices para indicar os valores de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; por &amp;lt;math&amp;gt;i&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;j&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;, respectivamente.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho(x,v,t+\Delta t) - \rho(x,v,t)}{\Delta t}&lt;br /&gt;
+ \mathcal{O}(\Delta t^2)&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial x}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{1}{2}&lt;br /&gt;
\left[ &lt;br /&gt;
    \frac{\rho(x+\Delta x,v,t) - \rho(x,v,t)}{\Delta x} &lt;br /&gt;
    +&lt;br /&gt;
    \frac{\rho(x-\Delta x,v,t) - \rho(x,v,t)}{\Delta x}&lt;br /&gt;
\right]&lt;br /&gt;
+ \mathcal{O}(\Delta x^2)&lt;br /&gt;
\approx&lt;br /&gt;
\frac{\rho(x+\Delta x,v,t)-\rho(x-\Delta x,v,t)}{2 \Delta x}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i+1,j}^n + \rho_{i-1,j}^n}{2\Delta x}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial v}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{1}{2}&lt;br /&gt;
\left[ &lt;br /&gt;
    \frac{\rho(x,v+\Delta v,t) - \rho(x,v,t)}{\Delta v} &lt;br /&gt;
    +&lt;br /&gt;
    \frac{\rho(x,v,t) - \rho(x,v-\Delta v,t)}{\Delta v}&lt;br /&gt;
\right]&lt;br /&gt;
+ \mathcal{O}(\Delta v^2)&lt;br /&gt;
\approx&lt;br /&gt;
\frac{\rho(x,v+\Delta v,t)-\rho(x,v-\Delta v,t)}{2 \Delta v}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j+1}^n + \rho_{i,j-1}^n}{2\Delta v}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial^2 \rho}{\partial v^2}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho(x,v+\Delta v, t)-2\rho(x,v,t)+\rho(x,v-\Delta v,t)}{(\Delta v)^2}&lt;br /&gt;
+\mathcal{O}(\Delta v^3)&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Aplicação ===&lt;br /&gt;
&lt;br /&gt;
Com as derivadas parciais discretizadas, podemos agora reescrever as funções de Fokker-Planck para cada caso de estudo em busca do valor de &amp;lt;math&amp;gt;\rho_{i,j}^{n+1}&amp;lt;/math&amp;gt;, isto é, o valor de cada ponto no espaço &amp;lt;math&amp;gt;xv&amp;lt;/math&amp;gt; para o tempo &amp;lt;math&amp;gt;t+\Delta t&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
==== Caso 1: oscilador harmônico amortecido ====&lt;br /&gt;
&lt;br /&gt;
Primeiramente, reescrevemos a função original expandindo os termos e aplicando a regra da cadeia onde for necessário.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\frac{\partial \rho}{\partial t}&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
-\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- \frac{\partial}{\partial x}(v \rho)&lt;br /&gt;
+ \frac{\partial}{\partial v}(\gamma v + Kx)\rho&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \frac{\partial}{\partial v} (\gamma v \rho) &lt;br /&gt;
+ \frac{\partial}{\partial v} (Kx \rho)&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \gamma \rho&lt;br /&gt;
+ \gamma v \frac{\partial}{\partial v} \rho  &lt;br /&gt;
+ Kx \frac{\partial}{\partial v} \rho&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \gamma \rho&lt;br /&gt;
+ (\gamma v+Kx) \frac{\partial}{\partial v} \rho  &lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Agora, reescrevemos a mesma função substituindo as derivadas parciais e demais variáveis necessárias (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;) pelas versões discretizadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
=&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ \gamma \rho_{i,j}^n&lt;br /&gt;
+ (\gamma v +Kx^n) \left( \frac{\rho_{i,j+1}^n-\rho_{i,j-1}^n}{2\Delta v} \right)&lt;br /&gt;
+ \sigma \left( \frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2} \right)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{i,j}^{n+1}&lt;br /&gt;
=&lt;br /&gt;
\rho_{i,j}^n&lt;br /&gt;
+ \Delta t&lt;br /&gt;
\left[&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ \gamma \rho_{i,j}^n&lt;br /&gt;
+ (\gamma v +Kx^n) \left( \frac{\rho_{i,j+1}^n-\rho_{i,j-1}^n}{2\Delta v} \right)&lt;br /&gt;
+ \sigma \left( \frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2} \right)&lt;br /&gt;
\right]&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para exercício, usaremos um &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; constante de forma que apenas será necessário atualizar a variável &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; para cada passo de tempo.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x^{n+1} = x^n+v\Delta t&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Por fim, é necessário definir uma condição inicial e uma condição de contorno. Uma vez que a função descreve uma densidade de probabilidade, a literatura sugere, até para comparar com a solução analítica quando disponível, uma delta de Kronecker &amp;lt;math&amp;gt;\delta(x-x_0,v-v_0)&amp;lt;/math&amp;gt;. Assim, em uma dada coordenada &amp;lt;math&amp;gt;(x,v)&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t_0&amp;lt;/math&amp;gt; teremos uma probabilidade 1 de encontrar a partícula. Como condição de contorno, dado que a função em um dado ponto precisa dos pontos vizinhos, indicamos que a &amp;quot;borda&amp;quot; da matriz será sempre igual a zero.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Dado essas equações, escrevemos um programa em C para gerar os dados e o gnuplot para criar o gráfico/animação. Os códigos desenvolvidos estarão disponíveis na próxima seção &amp;quot;Código desenvolvido&amp;quot;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&lt;br /&gt;
&amp;lt;li style=&amp;quot;display: inline-block;&amp;quot;&amp;gt;[[Arquivo:caso1.gif|800px|thumb|middle|Animação da evolução da probabilidade de encontrar uma partícula com dada posição &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; a partir da equação de um oscilador harmônico amortecido. Valores da animação: &amp;lt;math&amp;gt;\Delta x = 1\times 10^{-3}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\Delta v = 1\times 10^{-3}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\Delta t = 1\times 10^{-6}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;x_0=1&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;v=2&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;k=0.5&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\gamma=0.5&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\sigma=0.5&amp;lt;/math&amp;gt;.]]&amp;lt;/li&amp;gt;&lt;br /&gt;
&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A partir da referência estudada e da física do problema, é evidente que a animação apresentada está aquém do esperado. Pelos testes pelo grupo responsável por esse documento, o programa desenvolvido se mostrou muito instável e impreciso: alterações mínimas de alguns parâmetros alteravam consideravelmente o resultado observado. Esse comportamento &amp;quot;imprevisível&amp;quot; se tornou ainda evidente ao alterar o tamanho dos passos (&#039;&#039;dt&#039;&#039;, &#039;&#039;dx&#039;&#039;, &#039;&#039;dv&#039;&#039;) de forma que tanto aumentando quanto diminuindo uma ordem de grandeza a função &amp;quot;explodia&amp;quot; - isto é - crescia exponencialmente. Assim, não foi possível aumentar a resolução da &amp;quot;simulação&amp;quot;.&lt;br /&gt;
&lt;br /&gt;
Além disso, em alguns casos, a função retornava valores negativos, o que é inadequado para uma densidade de probabilidade. Ademais, a ordem de grandeza para o tempo usada na simulação desse trabalho está muito abaixo da utilizada na referência base para esse problema, mostrando que a evolução temporal pode ter algum problema. No entanto, o problema que destacamos é a falta de &amp;quot;suavidade&amp;quot; na curva gerada, tanto é que em alguns quadros é possível ver mudanças bruscas no formato da função.&lt;br /&gt;
&lt;br /&gt;
Dessa forma, apesar dos esforços da equipe, não fomos capazes - até o momento dessa edição - de encontrar a causa desses problemas. No entanto, segue algumas hipóteses que podem ser avaliadas para futuras revisões deste material:&lt;br /&gt;
&lt;br /&gt;
- Verificar as equações utilizadas para descrever os problemas e a passagem para a equação de Fokker-Planck. A literatura encontrada não apresenta os passos usados para esse cálculo e nem a referência específica para cada etapa. Assim, o grupo precisou confiar que esse artigo estava correto.&lt;br /&gt;
&lt;br /&gt;
- Verificar a discretização da função para o método FTCS explícito.&lt;br /&gt;
&lt;br /&gt;
- Verificar a estabilidade do método, pois, apesar de não ter ser comentado no material de referência, é possível que o método explícito não seja adequado para os casos estudados.&lt;br /&gt;
&lt;br /&gt;
- Verificar possíveis problemas no código, tanto o código para os dados quanto para a visualização.&lt;br /&gt;
&lt;br /&gt;
- Verificar problemas de truncamento ou erro numérico ou ainda valores inadequados para as constantes utilizadas.&lt;br /&gt;
&lt;br /&gt;
== Código desenvolvido ==&lt;br /&gt;
&lt;br /&gt;
Função auxiliar utilizada do arquivo de cabeçalho &#039;&#039;pointers.h&#039;&#039;:&lt;br /&gt;
&amp;lt;source lang=&#039;c&#039;&amp;gt;&lt;br /&gt;
double ***create_3d_double_pointer(int x, int y, int z){&lt;br /&gt;
  double ***pointer;&lt;br /&gt;
  int i, j;&lt;br /&gt;
&lt;br /&gt;
  assert((x &amp;gt; 0) &amp;amp;&amp;amp; (y &amp;gt; 0) &amp;amp;&amp;amp; (z &amp;gt; 0));&lt;br /&gt;
  pointer = (double ***)malloc(x * y * z * sizeof(double **));&lt;br /&gt;
  if (pointer == NULL){&lt;br /&gt;
    fprintf(stderr, &amp;quot;Error in routine create_3d_double_pointer\n&amp;quot;);&lt;br /&gt;
    exit(8);&lt;br /&gt;
  }&lt;br /&gt;
  else {&lt;br /&gt;
    for (i = 0; i &amp;lt; x; i++){&lt;br /&gt;
      pointer[i] = (double **)malloc(y * z * sizeof(double *));&lt;br /&gt;
      if (pointer[i] == NULL){&lt;br /&gt;
        fprintf(stderr, &amp;quot;Error in routine create_3d_double_pointer\n&amp;quot;);&lt;br /&gt;
        exit(8);&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
    for (i = 0; i &amp;lt; x; i++){&lt;br /&gt;
      for (j = 0; j &amp;lt; y; j++){&lt;br /&gt;
        pointer[i][j] = (double *)malloc(z * sizeof(double));&lt;br /&gt;
        if (pointer[i][j] == NULL){&lt;br /&gt;
          fprintf(stderr, &amp;quot;Error in routine create_3d_double_pointer\n&amp;quot;);&lt;br /&gt;
          exit(8);&lt;br /&gt;
        }&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
  }&lt;br /&gt;
  return (pointer);&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/source&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Código utilizado para gerar os dados para o &amp;quot;caso 1&amp;quot;. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;source lang=&#039;c&#039;&amp;gt;&lt;br /&gt;
#include &amp;lt;stdio.h&amp;gt;&lt;br /&gt;
#include &amp;lt;stdlib.h&amp;gt;&lt;br /&gt;
#include &amp;lt;math.h&amp;gt;&lt;br /&gt;
#include &amp;quot;pointers.h&amp;quot;&lt;br /&gt;
&lt;br /&gt;
int main(){&lt;br /&gt;
&lt;br /&gt;
  // Declara as variáveis&lt;br /&gt;
  FILE *fp;&lt;br /&gt;
  char output[50];&lt;br /&gt;
  double ***f;&lt;br /&gt;
  int i, j, k, c, Lx, Lv;&lt;br /&gt;
  double time, tmax, dt, dx, dv, v, x, K, gamma, sigma, epsilon; &lt;br /&gt;
  &lt;br /&gt;
  // Configura os valores iniciais&lt;br /&gt;
  time = 0.0;       // Tempo&lt;br /&gt;
  tmax = 0.0001;    // Tempo máximo&lt;br /&gt;
  Lx = 50;          // Quantidade de pontos em x&lt;br /&gt;
  Lv = 100;         // Quantidade de pontos em v&lt;br /&gt;
  dt = 0.000001;    // Passo em t&lt;br /&gt;
  dx = 0.001;       // Passo em x&lt;br /&gt;
  dv = 0.001;       // Passo em v&lt;br /&gt;
  x = 1;            // Posição inicial&lt;br /&gt;
  v = 2;            // Velocidade&lt;br /&gt;
  K = 0.5;          // Constante&lt;br /&gt;
  gamma = 0.5;      // Constante&lt;br /&gt;
  sigma = 0.5;      // Constante&lt;br /&gt;
  epsilon = 10E-4;  // Valor para comparação&lt;br /&gt;
&lt;br /&gt;
  // Inicializa a matriz 3D&lt;br /&gt;
  f = create_3d_double_pointer(Lx, Lv, 2);&lt;br /&gt;
  // Todos os pontos com valores zero&lt;br /&gt;
  for (i=0; i&amp;lt;Lx; i++){&lt;br /&gt;
    for (j=0; j&amp;lt;Lv; j++){&lt;br /&gt;
      for (k=0; k&amp;lt;2; k++){&lt;br /&gt;
        f[i][j][k] = 0.0;&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
  }&lt;br /&gt;
&lt;br /&gt;
  // Condição inicial&lt;br /&gt;
  f[Lx/2][Lv/2][0] = 1.0;&lt;br /&gt;
&lt;br /&gt;
  // Arquivo para output&lt;br /&gt;
  sprintf(output, &amp;quot;caso1.dat&amp;quot;);&lt;br /&gt;
  fp = fopen(output, &amp;quot;w&amp;quot;);&lt;br /&gt;
&lt;br /&gt;
  c = 0;&lt;br /&gt;
  // Loop da &amp;quot;simulação&amp;quot;&lt;br /&gt;
  while (time&amp;lt;tmax){&lt;br /&gt;
    for (i=1; i&amp;lt;(Lx-1); i++){&lt;br /&gt;
      for (j=1; j&amp;lt;(Lv-1); j++){&lt;br /&gt;
        // Atualiza a probabilidade&lt;br /&gt;
        f[i][j][1-c] = f[i][j][c]+dt*(-v*(f[i+1][j][c]-f[i-1][j][c])/(2*dx)+gamma*f[i][j][c]+(gamma*v+K*x)*(f[i][j+1][c]-f[i][j-1][c])/(2*dv)+sigma*(f[i][j+1][c]-2*f[i][j][c]+f[i][j-1][c])/(dv*dv));&lt;br /&gt;
        // Salva o resultado em arquivo&lt;br /&gt;
        if (fabs(f[i][j][1-c]) &amp;gt; epsilon){&lt;br /&gt;
          fprintf(fp, &amp;quot;%f %f %f\n&amp;quot;, (double)(i-Lx/2)*dx+x, (double)(j-Lv/2)*dv+v, f[i][j][1-c]);&lt;br /&gt;
        }&lt;br /&gt;
      }&lt;br /&gt;
      // Adiciona linha em branco (arquivo XYZ - gnuplot)&lt;br /&gt;
      if (fabs(f[i][j][1-c]) &amp;gt; epsilon){&lt;br /&gt;
        fprintf(fp, &amp;quot;\n&amp;quot;);&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
    // Atualiza a posição&lt;br /&gt;
    x = x + v*dt;&lt;br /&gt;
    c = 1 - c;&lt;br /&gt;
    // Adiciona duas linhas em branco (animação - gnuplot)&lt;br /&gt;
    fprintf(fp, &amp;quot;\n\n&amp;quot;);&lt;br /&gt;
    time += dt;&lt;br /&gt;
  }&lt;br /&gt;
&lt;br /&gt;
  fclose(fp); // Fecha arquivo&lt;br /&gt;
  free(f);    // Libera ponteiro&lt;br /&gt;
&lt;br /&gt;
  return 0;&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/source&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Código utilizado no gnuplot para gerar a animação.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;source lang=&#039;gnuplot&#039;&amp;gt;&lt;br /&gt;
# Limpa configurações anteriores&lt;br /&gt;
unset xrange&lt;br /&gt;
unset yrange&lt;br /&gt;
unset zrange&lt;br /&gt;
&lt;br /&gt;
# Gera estatísticas dos dados&lt;br /&gt;
stats &amp;quot;caso1.dat&amp;quot; name &amp;quot;A&amp;quot;&lt;br /&gt;
&lt;br /&gt;
# Estilo para gráfico&lt;br /&gt;
set dgrid3d&lt;br /&gt;
&lt;br /&gt;
# Ponto de vista&lt;br /&gt;
set view 60, 30, 1, 1&lt;br /&gt;
&lt;br /&gt;
# Configura o range do plot&lt;br /&gt;
set xrange [A_min_x:A_max_x]&lt;br /&gt;
set yrange [A_min_y:A_max_y]&lt;br /&gt;
set zrange [0:1]&lt;br /&gt;
&lt;br /&gt;
# Formato de saída&lt;br /&gt;
set term gif animate delay 25 background &amp;quot;#212121&amp;quot; enhanced font &amp;quot;Arial,10&amp;quot; fontscale 1.0 size 800, 550&lt;br /&gt;
&lt;br /&gt;
set title &amp;quot;Partícula em acelerador:\noscilador harmônico amortecido&amp;quot; offset character 0, -3 font &amp;quot;Oswald,28&amp;quot; tc rgb &amp;quot;white&amp;quot;&lt;br /&gt;
set xlabel &amp;quot;Posição (x)&amp;quot; offset character -2, -2 font &amp;quot;,18&amp;quot; tc rgb &amp;quot;white&amp;quot; rotate by -9&lt;br /&gt;
set ylabel &amp;quot;Velocidade (v)&amp;quot; offset character -3, -3 font &amp;quot;,18&amp;quot; tc rgb &amp;quot;white&amp;quot; rotate parallel&lt;br /&gt;
set zlabel &amp;quot;Densidade de probabilidade&amp;quot; offset character -1.5, -1.5 font &amp;quot;,18&amp;quot; tc rgb &amp;quot;white&amp;quot; rotate parallel&lt;br /&gt;
&lt;br /&gt;
set tics tc rgb &amp;quot;white&amp;quot; offset character -1, -1&lt;br /&gt;
set border lc rgb &amp;quot;white&amp;quot;&lt;br /&gt;
&lt;br /&gt;
set output &amp;quot;caso1.gif&amp;quot;&lt;br /&gt;
&lt;br /&gt;
do for [i=0:int(A_blocks-1)] {  &lt;br /&gt;
    splot &#039;caso1.dat&#039; index i with pm3d notitle&lt;br /&gt;
    }&lt;br /&gt;
&amp;lt;/source&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Referências ==&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6994</id>
		<title>Equação de Fokker-Planck</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6994"/>
		<updated>2022-03-06T12:34:07Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: /* Método FTCS explícito */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&#039;&#039;&#039;Grupo: Álison Soares, Rodrigo Avancini Lara e Samuel Huff Dieterich&#039;&#039;&#039;&lt;br /&gt;
&lt;br /&gt;
A equação de Fokker-Planck foi aplicada em primeiro modo em problemas relacionados ao movimento Browniano, como veremos à seguir. Nesse caso, lidando com flutuações originadas de vários pequenos distúrbios, as partículas de interesse se chocavam com as moléculas do meio, provocando uma trajetória imprevisível. Por conta dessas flutuações, é impossível determinar a posição exata dessas partículas. Porém, é possível determinar a probabilidade de encontrá-las em determinada região.&lt;br /&gt;
&lt;br /&gt;
Esta equação pode ser obtida a partir da equação de Langevin e fornece a probabilidade de encontrar determinada partícula em uma posição &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; em certo instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Além disso, no presente trabalho temos como objetivo estudar as soluções analítica e numérica da equação para um dado exemplo, através do método FTCS explícito.&lt;br /&gt;
&lt;br /&gt;
== Introdução ==&lt;br /&gt;
&lt;br /&gt;
=== Movimento browniano ===&lt;br /&gt;
&lt;br /&gt;
O movimento browniano foi descoberto pelo botanista Robert Brown, em 1827. Durante seu estudo sobre vida microscópica, ele percebeu pequenas partículas de pólen de plantas se movendo de maneira aleatória no líquido que ele estava estudando e, notando que se tratava de partículas de sujeira, e não seres vivos, chegou a conclusão que era um fenômeno físico, e não biológico, que causava este movimento. &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Posteriormente, foi provado que este fenômeno se dava pelos efeitos do movimento molecular. Em um meio com uma temperatura qualquer &amp;lt;math&amp;gt; &amp;gt;0K &amp;lt;/math&amp;gt;, há vibração e movimento molecular. Embora haja conservacão de energia, quando a partícula interage com as moléculas do meio, a energia cinética desta partícula se altera (assim como a das moléculas). Contudo, a soma destas energias é a energia interna do fluido, como descreve o Teorema da Equiparação. &amp;lt;ref name=&amp;gt;The Equipartition Theorem, University of Oxford. URL: http://vallance.chem.ox.ac.uk/pdfs/Equipartition.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Em 1905, Albert Einstein propôs uma teoria para descrever tal movimento matematicamente. Primeiramente, ele se propôs a descrever o quão longe uma partícula browniana se desloca em um determinado intervalo de tempo. Como a partícula está sujeita a &amp;lt;math&amp;gt;10^{14}&amp;lt;/math&amp;gt; colisões por segundo (provindas das moléculas do meio), a mecânica clássica é incapaz de resolver este sistema &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Stachel, J., et al.; The Collected Papers of Albert Einstein, 1989, Princeton University Press. URL: http://users.physik.fu-berlin.de/~kleinert/files/eins_brownian.pdf.&amp;lt;/ref&amp;gt;.  Para resolver este problema, ele abordou o problema pela ótica da mecânica estatística. &lt;br /&gt;
&lt;br /&gt;
Inicialmente, ele considerou o incremento da posição da partícula num espaço unidimensional (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;), num determinado intervalo de tempo (&amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;). Considerando que existe uma probabilidade aleatória da partícula se mover dentro do intervalo &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, ele definiu uma função para a densidade de probabilidade (&amp;lt;math&amp;gt;\varphi(\Delta x)&amp;lt;/math&amp;gt;). Sabendo que o número de partículas é constante dentro do meio, ele expandiu a densidade (&amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt;) deste em uma série de Taylor:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \tau \left(\frac{\partial \rho(x,t)}{\partial t}\right) + \dots = \rho(x, t+\tau)&lt;br /&gt;
=\int_{-\infty}^{+\infty} \rho(x+\Delta x, t) \cdot \varphi(\Delta x) d\Delta x &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
que é, por definição, &amp;lt;math&amp;gt;\varphi&amp;lt;/math&amp;gt;. Continuando, &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
=\rho(x,t) \cdot \int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x + \frac{\partial \rho}{\partial x} \cdot \int_{-\infty}^{+\infty} \Delta x \cdot \varphi(\Delta x) d \Delta x + \frac{\partial^2\rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \dots.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Pela definição da probabilidade,&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x=1&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
e as integrais dos termos pares da série são nulos devido à simetria do espaço. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Temos então,&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\rho(x, t+\tau)&lt;br /&gt;
&amp;amp; = \rho(x,t) \cdot 1 + 0 + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots&lt;br /&gt;
\\&lt;br /&gt;
&amp;amp; = \rho(x,t) + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots.&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Esta equação nos leva à igualdade&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} =  \frac{\partial^2\rho}{\partial x^2} \cdot \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \mathcal{O}.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Podemos interpretar a integral como o coeficiente de difusão &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
D = \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
O que nos dá a equação da difusão&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} = D \frac{\partial^2\rho}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Equação de Langevin ===&lt;br /&gt;
&lt;br /&gt;
Em 1908, 3 anos após os estudos de Albert Einstein em processos aleatórios e movimento aleatório, Paul Langevin (1872-1946) apresentou um novo método para o movimento browniano que - segundo Langevin - era &amp;quot;infinitamente mais simples&amp;quot; que a solução proposta por Einstein. &amp;lt;ref name=Langevin_original&amp;gt;P. Langevin, &amp;quot;Sur la théorie de mouvement Brownien&amp;quot; C.R. Acad. Sci. Paris , 146 (1908) pp. 530–533, https://www.physik.uni-augsburg.de/theo1/hanggi/History/Langevin1908.pdf.&amp;lt;/ref&amp;gt;&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;&lt;br /&gt;
Para interpretar o movimento browniano, Einstein derivou e resolveu uma equação diferencial parcial descrevendo a evolução temporal da densidade de probabilidade para a partícula. Já Langevin aplicou a segunda lei de Newton na forma diferencial para essa partícula.&lt;br /&gt;
&lt;br /&gt;
Para uma partícula browniana de massa &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; em um líquido com viscosidade &amp;lt;math&amp;gt;\eta&amp;lt;/math&amp;gt;, existem duas forças que agem sobre o seu movimento&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
1. Arrasto pela viscosidade.&lt;br /&gt;
2. Força de flutuação.&lt;br /&gt;
&lt;br /&gt;
Considerando que a partícula é relativamente grande em comparação com as distâncias médias entre as moléculas do líquido e esta se movimento nesse meio com velocidade &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt;, experimenta uma resistência pela viscosidade. Essa força é descrita pela Lei de Stokes que, para uma partícula esférica com diâmetro &amp;lt;math&amp;gt;a&amp;lt;/math&amp;gt;, corresponde a &amp;lt;math&amp;gt;-6\pi\eta a \ dx/dt&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
A segunda força foi proposta por Langevin para descrever o efeito de constantes impactos das moléculas do líquido sobre as partículas de estudo. Assim, como essa força possui uma origem aleatório, esta deveria ser positiva ou negativa de maneira equiprovável e cuja magnitude fosse suficiente para manter a agitação da partícula. Caso contrário, a viscosidade iria parar o movimento dessa partícula.&lt;br /&gt;
&lt;br /&gt;
Com isso, a equação que descreve o movimento a partir da posição da partícula - em 1D na direção &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; - é dado pela Lei de Newton como:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin representando as flutuações de pressão devido ao movimento térmico das moléculas que compõem o líquido. &amp;lt;ref&amp;gt;Langevin equation. Encyclopedia of Mathematics. URL: http://encyclopediaofmath.org/index.php?title=Langevin_equation&amp;amp;oldid=47575.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Essa equação é conhecida como a equação de Langevin e foi o primeiro exemplo de equação diferencial estocástica, isto é, uma equação diferencial com um termo, &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; nesse caso, cuja solução em algum sentido também é uma função aleatória &amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;. Essa função foi desenvolvida para possuir as seguintes propriedades:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\langle R(t) \rangle = 0&lt;br /&gt;
\qquad&lt;br /&gt;
\langle R(t) R(t&#039;) \rangle = D \cdot \delta(t-t&#039;)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\langle f \rangle&amp;lt;/math&amp;gt; descreve o valor médio ou esperado de uma função &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão e &amp;lt;math&amp;gt;\delta&amp;lt;/math&amp;gt; é a função delta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A primeira propriedade afirma que o movimento é aleatório de forma que não existe nenhuma tendência de sentido para a partícula se locomover. Assim, é dito que &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; se trata de um ruído branco gaussiano. Já a segunda propriedade mostra que a força em um dado tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; é descorrelacionada de uma força para qualquer outro tempo &amp;lt;math&amp;gt;t&#039;&amp;lt;/math&amp;gt; (propriedade de Markov). &amp;lt;ref&amp;gt;Wikipédia: Langevin equation. URL: https://en.wikipedia.org/wiki/Langevin_equation.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Dedução da equação de Fokker-Planck ===&lt;br /&gt;
&lt;br /&gt;
Para a dedução foi utilizado a seguinte referência como base: &#039;&#039;From Langevin to Fokker-Planck equation&#039;&#039;.&amp;lt;ref&amp;gt;From Langevin to Fokker-Planck equation. URL: http://cgl.elte.hu/~racz/Stoch-diff-eq.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Como vimos anteriormente, o movimento browniano pode ser descrito pela equação de Langevin, a qual podemos resolver sem nenhum problema. Contudo, alternativamente, podemos fazer uso da equação de Fokker-Planck e considerar uma densidade de probabilidade em relação a posição e o tempo, levando em conta diferentes perturbações estocásticas. Para isso, iremos agora deduzir essa equação, a partir da analise de Langevin.&lt;br /&gt;
&lt;br /&gt;
A descrição do movimento browniano foi anteriormente tratada em termos da equação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para o nosso propósito, realizaremos uma abordagem mais direta e geral, assumindo a equação de Langevin através de um potencial &amp;lt;math&amp;gt;U(x)&amp;lt;/math&amp;gt;, nos deixando com a seguinte expressão:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{dx}{dt} = -\mu \frac{dU}{dx} + \eta(t),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\mu=\frac{1}{6\pi\eta a}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\eta(t) = \mu R(t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Contudo, para entender as equações diferenciais estocásticas, precisamos discretizar as equações para posteriormente aplicar os métodos numéricos. Temos que o sistema de discretização mais simples possível nos leva ao valor de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt; a partir da interação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) - \mu\frac{dU}{dx}\varepsilon + \eta_\varepsilon(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A tarefa é compreender como o agora ruído gaussiano &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; afeta esse sistema discretizado. Para isso, escreveremos a evolução temporal da distribuição de probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; definida como a probabilidade da partícula estar em &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Então, deve-se olhar para o limite &amp;lt;math&amp;gt;t \rightarrow \infty&amp;lt;/math&amp;gt; de &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
Vamos realizar a tarefa com a equação discretizada de Langevin comentada acima. Por razões de simplificação, discutiremos essa abordagem com a forma &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) + v(x) \varepsilon + \eta_{\varepsilon}(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;v(x) \equiv −\mu \frac{dU}{dx}&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A equação da probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; pode ser derivada usando a equação de Chapman-Kolmogorov, a qual também iremos escrever em uma forma discretizada no tempo, da forma&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t + \varepsilon) = \int_{-\infty}^{+\infty} W(x,y;\varepsilon) \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é a probabilidade de que a partícula se mova para &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt;, desde que tenha começado em &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Lembrando que: para que a condição acima mova a partícula de &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; a &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, o termo de ruído deve ter apenas o valor correspondente que satisfaz a equação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x = y + v(y) \varepsilon + \eta_{\varepsilon}(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A probabilidade de &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; acima é dada a partir da distribuição de probabilidade do incremento estocástico &amp;lt;math&amp;gt;\eta{\varepsilon}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{G} (\eta \varepsilon) = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{-\eta_\varepsilon^2}{4D\varepsilon}}\right),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Assim &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é obtido como&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
W(x,y; \varepsilon) &amp;amp; = \rho_{G} (\eta_{\varepsilon} = x − y − v(y)\varepsilon) \\&lt;br /&gt;
&amp;amp; = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{−[x−y−v(y)\varepsilon]^2}{4Dε}}\right).&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Substituindo o &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; acima na equação de Chapman-Kolmogorov discretizada e expandindo o lado esquerdo para &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \partial_{t}\rho(x,t) \varepsilon = \int_{-\infty}^{+\infty} \frac{\exp\left(\frac{-[x-y-v(y) \varepsilon]^2}{4D\varepsilon}\right)}{\sqrt{4\pi D \varepsilon}} \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Como último passo agora, vamos expandir a integral do lado direito para ordenar &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;. Notamos que quando &amp;lt;math&amp;gt;\varepsilon \rightarrow 0&amp;lt;/math&amp;gt;, a Gaussiana vai para uma função delta e a integral resulta em &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; que irá se cancelar com &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; no lado esquerdo. Ao final, quando reorganizamos os termos, temos a seguinte equação denominada de Equação de Fokker-Planck&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \frac{\partial v(x) \rho(x,t)}{\partial x} + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
ou, se substituirmos &amp;lt;math&amp;gt;v(x)&amp;lt;/math&amp;gt; pelo potencial &amp;lt;math&amp;gt;v(x) = −\mu \partial U(x)/\partial x&amp;lt;/math&amp;gt;, temos que&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = \frac{\partial}{\partial x} \frac{\partial U}{\partial x} \rho(x,t) + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde, em ambos os casos, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão no movimento browniano, com valor &amp;lt;math&amp;gt;D = \mu k_B T = \frac{k_B T}{6 \pi \eta a}&amp;lt;/math&amp;gt;, cujas variáveis foram discutidas anteriormente na equação de Langevin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Esta distribuição pode ainda depender de um conjunto de &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; macrovariáveis &amp;lt;math&amp;gt;x_i&amp;lt;/math&amp;gt;, de tal maneira que o movimento browniano em questão pode ser representado por uma equação de Fokker-Planck da forma &amp;lt;ref&amp;gt;Wikipédia: Fokker-Planck Equation. URL: https://en.wikipedia.org/wiki/Fokker-Planck_equation.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \left[\sum_{i=1}^{N} \frac{\partial}{\partial x_{i}} D_{i}^{1} (x_{1},...,x_{N}) + \sum_{i=1}^{N} \sum_{j=1}^{N} \frac{\partial^2}{\partial x_{i} \partial x_{j}} D_{ij}^{2} (x_{i},...,x_{N})\right]\rho,&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;D^1&amp;lt;/math&amp;gt; é o termo que é dado por um vetor e &amp;lt;math&amp;gt;D^2&amp;lt;/math&amp;gt; é o termo de difusão, dado por uma matriz.&lt;br /&gt;
&lt;br /&gt;
== Exemplos: acelerador de partículas ==&lt;br /&gt;
&lt;br /&gt;
O exemplo e explicações trazidas nessa seção foram retirados do artigo: &#039;&#039;Numerical solution of two dimensional Fokker-Planck equations&#039;&#039; &amp;lt;ref&amp;gt;M.P. Zorzano, H. Mais, L. Vazquez, Numerical solution of two dimensional Fokker—Planck equations, Applied Mathematics and Computation, 1999, https://doi.org/10.1016/S0096-3003(97)10161-8.&amp;lt;/ref&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Uma aplicação amplamente utilizada para a equação de Fokker-Planck como uma Equação Diferencial Estocástica (&#039;&#039;Stochastic Differential Equations&#039;&#039;, SDE) é para a modelagem da dinâmica de partículas únicas em aceleradores sob influência de ruído. As fontes de ruído são, por exemplo, campos aleatórios, movimento aleatório do solo ou flutuações quânticas da radiação.&lt;br /&gt;
&lt;br /&gt;
A partir do cálculo de probabilidade fornecido pela equação de Fokker-Planck, algumas propriedades físicas de interesse são: qual é o comportamento de longo prazo da dinâmica; qual a probabilidade da partícula colidir com a câmara de vácuo e então ser perdida; quais são as flutuações médias da partícula em torno da trajetória do acelerador; e qual é a evolução temporal da densidade de probabilidade?&lt;br /&gt;
&lt;br /&gt;
Para responder essas perguntas, apenas alguns casos mais específicos possuem soluções analíticas, especialmente em problemas com maior dimensionalidade. Por esse motivo, é interessante e prático estudar a equação de Fokker-Planck e os problemas relacionados a partir de métodos numéricos.&lt;br /&gt;
&lt;br /&gt;
Para esse fim, serão abordados dois exemplos: o oscilador harmônico amortecido, o qual possuí solução analítica e poderá ser usado como comparação para verificar a acurácia do método; e o problema de Duffing, oscilador não linear, com amortecimento e ruído multiplicativo e aditivo, que não apresenta solução exata.&lt;br /&gt;
&lt;br /&gt;
=== Equações ===&lt;br /&gt;
&lt;br /&gt;
As equações diferenciais típicas encontradas na física do acelerador de partícula são&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -a_1(x) - a_2(x,v) + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; é o ruído branco gaussiano e &amp;lt;math&amp;gt;\sigma&amp;lt;/math&amp;gt; é uma constante.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para o caso do oscilador harmônico amortecido e com ruído, temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -Kx - \gamma v + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\gamma&amp;lt;/math&amp;gt; também são constantes.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Já para o oscilador estocástico de Duffing, não-linear, com amortecimento, ruído multiplicativo e aditivo temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -\omega^2 \left[ \left( \alpha + \sqrt{2D_{11}}R_1(t) \right) x + \epsilon x^3 \right] - 2\tau \omega \dot{x} + \sqrt{2D_{22}}R_2(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\omega&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\alpha&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\epsilon&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D_{11}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;D_{22}&amp;lt;/math&amp;gt; são constantes dadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Escrevendo esses exemplos em termos da equação de Fokker-Planck obtemos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o primeiro caso e&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} [(a_1(x) + a_2(x,v))\rho] + \frac{1}{2}\frac{\partial^2}{\partial v^2}(2D\rho)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
a_1(x) =\omega^2x(\alpha+\epsilon x^2), \quad a_2(x,v) = 2\tau\omega v, \quad D=D_{11}\omega^4x^2+D_{22}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o segundo exemplo.&lt;br /&gt;
&lt;br /&gt;
=== Método FTCS explícito ===&lt;br /&gt;
&lt;br /&gt;
Para os fins de estudo desses casos, o método numérico mais simples para descrever a função &amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt; é a partir do FTCS (&#039;&#039;Foward Time Central Space&#039;&#039;) explícito &amp;lt;ref&amp;gt;Pichler L., Masud A., Bergman L.A. (2013) Numerical Solution of the Fokker–Planck Equation by Finite Difference and Finite Element Methods—A Comparative Study. In: Papadrakakis M., Stefanou G., Papadopoulos V. (eds) Computational Methods in Stochastic Dynamics. Computational Methods in Applied Sciences, vol 26. Springer, Dordrecht. https://doi.org/10.1007/978-94-007-5134-7_5&amp;lt;/ref&amp;gt;. Como ficará mais claro a partir da discretização das equações, o método FTCS calcula o resultado de uma função no tempo seguinte em um dado ponto a partir dos valores dos &amp;quot;vizinhos&amp;quot; desse ponto. Para a técnica explícita, podemos calcular valor da função no tempo &amp;lt;math&amp;gt;n+1&amp;lt;/math&amp;gt; a partir apenas de valores já conhecidos no tempo atual &amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;. Assim, a aplicação do método se torna bem simples, contudo, perdemos precisão/estabilidade em comparação com métodos mais sofisticados.&lt;br /&gt;
&lt;br /&gt;
O primeiro passo para o método é discretizar os termos da função de interesse &amp;lt;math&amp;gt;\rho(x,v,t)&amp;lt;/math&amp;gt; nas derivadas parciais necessárias: &amp;lt;math&amp;gt;\partial/\partial x&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\partial/\partial v&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\partial^2/\partial v^2&amp;lt;/math&amp;gt;. Para isso, usamos a expansão da série de Taylor e, para melhor precisão, a derivada centrada (excluindo a derivada no tempo). Ademais, usaremos a notação dos índices para indicar os valores de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; por &amp;lt;math&amp;gt;i&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;j&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;, respectivamente.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho(x,v,t+\Delta t) - \rho(x,v,t)}{\Delta t}&lt;br /&gt;
+ \mathcal{O}(\Delta t^2)&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial x}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{1}{2}&lt;br /&gt;
\left[ &lt;br /&gt;
    \frac{\rho(x+\Delta x,v,t) - \rho(x,v,t)}{\Delta x} &lt;br /&gt;
    +&lt;br /&gt;
    \frac{\rho(x-\Delta x,v,t) - \rho(x,v,t)}{\Delta x}&lt;br /&gt;
\right]&lt;br /&gt;
+ \mathcal{O}(\Delta x^2)&lt;br /&gt;
\approx&lt;br /&gt;
\frac{\rho(x+\Delta x,v,t)-\rho(x-\Delta x,v,t)}{2 \Delta x}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i+1,j}^n + \rho_{i-1,j}^n}{2\Delta x}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial v}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{1}{2}&lt;br /&gt;
\left[ &lt;br /&gt;
    \frac{\rho(x,v+\Delta v,t) - \rho(x,v,t)}{\Delta v} &lt;br /&gt;
    +&lt;br /&gt;
    \frac{\rho(x,v,t) - \rho(x,v-\Delta v,t)}{\Delta v}&lt;br /&gt;
\right]&lt;br /&gt;
+ \mathcal{O}(\Delta v^2)&lt;br /&gt;
\approx&lt;br /&gt;
\frac{\rho(x,v+\Delta v,t)-\rho(x,v-\Delta v,t)}{2 \Delta v}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j+1}^n + \rho_{i,j-1}^n}{2\Delta v}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial^2 \rho}{\partial v^2}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho(x,v+\Delta v, t)-2\rho(x,v,t)+\rho(x,v-\Delta v,t)}{(\Delta v)^2}&lt;br /&gt;
+\mathcal{O}(\Delta v^3)&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Aplicação ===&lt;br /&gt;
&lt;br /&gt;
Com as derivadas parciais discretizadas, podemos agora reescrever as funções de Fokker-Planck para cada caso de estudo em busca do valor de &amp;lt;math&amp;gt;\rho_{i,j}^{n+1}&amp;lt;/math&amp;gt;, isto é, o valor de cada ponto no espaço &amp;lt;math&amp;gt;xv&amp;lt;/math&amp;gt; para o tempo &amp;lt;math&amp;gt;t+\Delta t&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
==== Caso 1: oscilador harmônico amortecido ====&lt;br /&gt;
&lt;br /&gt;
Primeiramente, reescrevemos a função original expandindo os termos e aplicando a regra da cadeia onde for necessário.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\frac{\partial \rho}{\partial t}&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
-\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- \frac{\partial}{\partial x}(v \rho)&lt;br /&gt;
+ \frac{\partial}{\partial v}(\gamma v + Kx)\rho&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \frac{\partial}{\partial v} (\gamma v \rho) &lt;br /&gt;
+ \frac{\partial}{\partial v} (Kx \rho)&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \gamma \rho&lt;br /&gt;
+ \gamma v \frac{\partial}{\partial v} \rho  &lt;br /&gt;
+ Kx \frac{\partial}{\partial v} \rho&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \gamma \rho&lt;br /&gt;
+ (\gamma v+Kx) \frac{\partial}{\partial v} \rho  &lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Agora, reescrevemos a mesma função substituindo as derivadas parciais e demais variáveis necessárias (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;) pelas versões discretizadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
=&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ \gamma \rho_{i,j}^n&lt;br /&gt;
+ (\gamma v +Kx^n) \left( \frac{\rho_{i,j+1}^n-\rho_{i,j-1}^n}{2\Delta v} \right)&lt;br /&gt;
+ \sigma \left( \frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2} \right)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{i,j}^{n+1}&lt;br /&gt;
=&lt;br /&gt;
\rho_{i,j}^n&lt;br /&gt;
+ \Delta t&lt;br /&gt;
\left[&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ \gamma \rho_{i,j}^n&lt;br /&gt;
+ (\gamma v +Kx^n) \left( \frac{\rho_{i,j+1}^n-\rho_{i,j-1}^n}{2\Delta v} \right)&lt;br /&gt;
+ \sigma \left( \frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2} \right)&lt;br /&gt;
\right]&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para exercício, usaremos um &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; constante de forma que apenas será necessário atualizar a variável &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; para cada passo de tempo.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x^{n+1} = x^n+v\Delta t&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Por fim, é necessário definir uma condição inicial e uma condição de contorno. Uma vez que a função descreve uma densidade de probabilidade, a literatura sugere, até para comparar com a solução analítica quando disponível, uma delta de Kronecker &amp;lt;math&amp;gt;\delta(x-x_0,v-v_0)&amp;lt;/math&amp;gt;. Assim, em uma dada coordenada &amp;lt;math&amp;gt;(x,v)&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t_0&amp;lt;/math&amp;gt; teremos uma probabilidade 1 de encontrar a partícula. Como condição de contorno, dado que a função em um dado ponto precisa dos pontos vizinhos, indicamos que a &amp;quot;borda&amp;quot; da matriz será sempre igual a zero.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Dado essas equações, escrevemos um programa em C para gerar os dados e o gnuplot para criar o gráfico/animação. Os códigos desenvolvidos estarão disponíveis na próxima seção &amp;quot;Código desenvolvido&amp;quot;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&lt;br /&gt;
&amp;lt;li style=&amp;quot;display: inline-block;&amp;quot;&amp;gt;[[Arquivo:caso1.gif|800px|thumb|middle|Animação da evolução da probabilidade de encontrar uma partícula com dada posição &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; a partir da equação de um oscilador harmônico amortecido. Valores da animação: &amp;lt;math&amp;gt;\Delta x = 1\times 10^{-3}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\Delta v = 1\times 10^{-3}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\Delta t = 1\times 10^{-6}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;x_0=1&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;v=2&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;k=0.5&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\gamma=0.5&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\sigma=0.5&amp;lt;/math&amp;gt;.]]&amp;lt;/li&amp;gt;&lt;br /&gt;
&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A partir da referência estudada e da física do problema, é evidente que a animação apresentada está aquém do esperado. Pelos testes pelo grupo responsável por esse documento, o programa desenvolvido se mostrou muito instável e impreciso: alterações mínimas de alguns parâmetros alteravam consideravelmente o resultado observado. Esse comportamento &amp;quot;imprevisível&amp;quot; se tornou ainda evidente ao alterar o tamanho dos passos (&#039;&#039;dt&#039;&#039;, &#039;&#039;dx&#039;&#039;, &#039;&#039;dv&#039;&#039;) de forma que tanto aumentando quanto diminuindo uma ordem de grandeza a função &amp;quot;explodia&amp;quot; - isto é - crescia exponencialmente. Assim, não foi possível aumentar a resolução da &amp;quot;simulação&amp;quot;.&lt;br /&gt;
&lt;br /&gt;
Além disso, em alguns casos, a função retornava valores negativos, o que é inadequado para uma densidade de probabilidade. Ademais, a ordem de grandeza para o tempo usada na simulação desse trabalho está muito abaixo da utilizada na referência base para esse problema, mostrando que a evolução temporal pode ter algum problema. No entanto, o problema que destacamos é a falta de &amp;quot;suavidade&amp;quot; na curva gerada, tanto é que em alguns quadros é possível ver mudanças bruscas no formato da função.&lt;br /&gt;
&lt;br /&gt;
Dessa forma, apesar dos esforços da equipe, não fomos capazes - até o momento dessa edição - de encontrar a causa desses problemas. No entanto, segue algumas hipóteses que podem ser avaliadas para futuras revisões deste material:&lt;br /&gt;
&lt;br /&gt;
- Verificar as equações utilizadas para descrever os problemas e a passagem para a equação de Fokker-Planck. A literatura encontrada não apresenta os passos usados para esse cálculo e nem a referência específica para cada etapa. Assim, o grupo precisou confiar que esse artigo estava correto.&lt;br /&gt;
&lt;br /&gt;
- Verificar a discretização da função para o método FTCS explícito.&lt;br /&gt;
&lt;br /&gt;
- Verificar a estabilidade do método, pois, apesar de não ter ser comentado no material de referência, é possível que o método explícito não seja adequado para os casos estudados.&lt;br /&gt;
&lt;br /&gt;
- Verificar possíveis problemas no código, tanto o código para os dados quanto para a visualização.&lt;br /&gt;
&lt;br /&gt;
- Verificar problemas de truncamento ou erro numérico ou ainda valores inadequados para as constantes utilizadas.&lt;br /&gt;
&lt;br /&gt;
== Código desenvolvido ==&lt;br /&gt;
&lt;br /&gt;
Função auxiliar utilizada do arquivo de cabeçalho &#039;&#039;pointers.h&#039;&#039;:&lt;br /&gt;
&amp;lt;source lang=&#039;c&#039;&amp;gt;&lt;br /&gt;
double ***create_3d_double_pointer(int x, int y, int z){&lt;br /&gt;
  double ***pointer;&lt;br /&gt;
  int i, j;&lt;br /&gt;
&lt;br /&gt;
  assert((x &amp;gt; 0) &amp;amp;&amp;amp; (y &amp;gt; 0) &amp;amp;&amp;amp; (z &amp;gt; 0));&lt;br /&gt;
  pointer = (double ***)malloc(x * y * z * sizeof(double **));&lt;br /&gt;
  if (pointer == NULL){&lt;br /&gt;
    fprintf(stderr, &amp;quot;Error in routine create_3d_double_pointer\n&amp;quot;);&lt;br /&gt;
    exit(8);&lt;br /&gt;
  }&lt;br /&gt;
  else {&lt;br /&gt;
    for (i = 0; i &amp;lt; x; i++){&lt;br /&gt;
      pointer[i] = (double **)malloc(y * z * sizeof(double *));&lt;br /&gt;
      if (pointer[i] == NULL){&lt;br /&gt;
        fprintf(stderr, &amp;quot;Error in routine create_3d_double_pointer\n&amp;quot;);&lt;br /&gt;
        exit(8);&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
    for (i = 0; i &amp;lt; x; i++){&lt;br /&gt;
      for (j = 0; j &amp;lt; y; j++){&lt;br /&gt;
        pointer[i][j] = (double *)malloc(z * sizeof(double));&lt;br /&gt;
        if (pointer[i][j] == NULL){&lt;br /&gt;
          fprintf(stderr, &amp;quot;Error in routine create_3d_double_pointer\n&amp;quot;);&lt;br /&gt;
          exit(8);&lt;br /&gt;
        }&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
  }&lt;br /&gt;
  return (pointer);&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/source&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Código utilizado para gerar os dados para o &amp;quot;caso 1&amp;quot;. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;source lang=&#039;c&#039;&amp;gt;&lt;br /&gt;
#include &amp;lt;stdio.h&amp;gt;&lt;br /&gt;
#include &amp;lt;stdlib.h&amp;gt;&lt;br /&gt;
#include &amp;lt;math.h&amp;gt;&lt;br /&gt;
#include &amp;quot;pointers.h&amp;quot;&lt;br /&gt;
&lt;br /&gt;
int main(){&lt;br /&gt;
&lt;br /&gt;
  // Declara as variáveis&lt;br /&gt;
  FILE *fp;&lt;br /&gt;
  char output[50];&lt;br /&gt;
  double ***f;&lt;br /&gt;
  int i, j, k, c, Lx, Lv;&lt;br /&gt;
  double time, tmax, dt, dx, dv, v, x, K, gamma, sigma, epsilon; &lt;br /&gt;
  &lt;br /&gt;
  // Configura os valores iniciais&lt;br /&gt;
  time = 0.0;       // Tempo&lt;br /&gt;
  tmax = 0.0001;    // Tempo máximo&lt;br /&gt;
  Lx = 50;          // Quantidade de pontos em x&lt;br /&gt;
  Lv = 100;         // Quantidade de pontos em v&lt;br /&gt;
  dt = 0.000001;    // Passo em t&lt;br /&gt;
  dx = 0.001;       // Passo em x&lt;br /&gt;
  dv = 0.001;       // Passo em v&lt;br /&gt;
  x = 1;            // Posição inicial&lt;br /&gt;
  v = 2;            // Velocidade&lt;br /&gt;
  K = 0.5;          // Constante&lt;br /&gt;
  gamma = 0.5;      // Constante&lt;br /&gt;
  sigma = 0.5;      // Constante&lt;br /&gt;
  epsilon = 10E-4;  // Valor para comparação&lt;br /&gt;
&lt;br /&gt;
  // Inicializa a matriz 3D&lt;br /&gt;
  f = create_3d_double_pointer(Lx, Lv, 2);&lt;br /&gt;
  // Todos os pontos com valores zero&lt;br /&gt;
  for (i=0; i&amp;lt;Lx; i++){&lt;br /&gt;
    for (j=0; j&amp;lt;Lv; j++){&lt;br /&gt;
      for (k=0; k&amp;lt;2; k++){&lt;br /&gt;
        f[i][j][k] = 0.0;&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
  }&lt;br /&gt;
&lt;br /&gt;
  // Condição inicial&lt;br /&gt;
  f[Lx/2][Lv/2][0] = 1.0;&lt;br /&gt;
&lt;br /&gt;
  // Arquivo para output&lt;br /&gt;
  sprintf(output, &amp;quot;caso1.dat&amp;quot;);&lt;br /&gt;
  fp = fopen(output, &amp;quot;w&amp;quot;);&lt;br /&gt;
&lt;br /&gt;
  c = 0;&lt;br /&gt;
  // Loop da &amp;quot;simulação&amp;quot;&lt;br /&gt;
  while (time&amp;lt;tmax){&lt;br /&gt;
    for (i=1; i&amp;lt;(Lx-1); i++){&lt;br /&gt;
      for (j=1; j&amp;lt;(Lv-1); j++){&lt;br /&gt;
        // Atualiza a probabilidade&lt;br /&gt;
        f[i][j][1-c] = f[i][j][c]+dt*(-v*(f[i+1][j][c]-f[i-1][j][c])/(2*dx)+gamma*f[i][j][c]+(gamma*v+K*x)*(f[i][j+1][c]-f[i][j-1][c])/(2*dv)+sigma*(f[i][j+1][c]-2*f[i][j][c]+f[i][j-1][c])/(dv*dv));&lt;br /&gt;
        // Salva o resultado em arquivo&lt;br /&gt;
        if (fabs(f[i][j][1-c]) &amp;gt; epsilon){&lt;br /&gt;
          fprintf(fp, &amp;quot;%f %f %f\n&amp;quot;, (double)(i-Lx/2)*dx+x, (double)(j-Lv/2)*dv+v, f[i][j][1-c]);&lt;br /&gt;
        }&lt;br /&gt;
      }&lt;br /&gt;
      // Adiciona linha em branco (arquivo XYZ - gnuplot)&lt;br /&gt;
      if (fabs(f[i][j][1-c]) &amp;gt; epsilon){&lt;br /&gt;
        fprintf(fp, &amp;quot;\n&amp;quot;);&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
    // Atualiza a posição&lt;br /&gt;
    x = x + v*dt;&lt;br /&gt;
    c = 1 - c;&lt;br /&gt;
    // Adiciona duas linhas em branco (animação - gnuplot)&lt;br /&gt;
    fprintf(fp, &amp;quot;\n\n&amp;quot;);&lt;br /&gt;
    time += dt;&lt;br /&gt;
  }&lt;br /&gt;
&lt;br /&gt;
  fclose(fp); // Fecha arquivo&lt;br /&gt;
  free(f);    // Libera ponteiro&lt;br /&gt;
&lt;br /&gt;
  return 0;&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/source&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Código utilizado no gnuplot para gerar a animação.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;source lang=&#039;gnuplot&#039;&amp;gt;&lt;br /&gt;
# Limpa configurações anteriores&lt;br /&gt;
unset xrange&lt;br /&gt;
unset yrange&lt;br /&gt;
unset zrange&lt;br /&gt;
&lt;br /&gt;
# Gera estatísticas dos dados&lt;br /&gt;
stats &amp;quot;caso1.dat&amp;quot; name &amp;quot;A&amp;quot;&lt;br /&gt;
&lt;br /&gt;
# Estilo para gráfico&lt;br /&gt;
set dgrid3d&lt;br /&gt;
&lt;br /&gt;
# Ponto de vista&lt;br /&gt;
set view 60, 30, 1, 1&lt;br /&gt;
&lt;br /&gt;
# Configura o range do plot&lt;br /&gt;
set xrange [A_min_x:A_max_x]&lt;br /&gt;
set yrange [A_min_y:A_max_y]&lt;br /&gt;
set zrange [0:1]&lt;br /&gt;
&lt;br /&gt;
# Formato de saída&lt;br /&gt;
set term gif animate delay 25 background &amp;quot;#212121&amp;quot; enhanced font &amp;quot;Arial,10&amp;quot; fontscale 1.0 size 800, 550&lt;br /&gt;
&lt;br /&gt;
set title &amp;quot;Partícula em acelerador:\noscilador harmônico amortecido&amp;quot; offset character 0, -3 font &amp;quot;Oswald,28&amp;quot; tc rgb &amp;quot;white&amp;quot;&lt;br /&gt;
set xlabel &amp;quot;Posição (x)&amp;quot; offset character -2, -2 font &amp;quot;,18&amp;quot; tc rgb &amp;quot;white&amp;quot; rotate by -9&lt;br /&gt;
set ylabel &amp;quot;Velocidade (v)&amp;quot; offset character -3, -3 font &amp;quot;,18&amp;quot; tc rgb &amp;quot;white&amp;quot; rotate parallel&lt;br /&gt;
set zlabel &amp;quot;Densidade de probabilidade&amp;quot; offset character -1.5, -1.5 font &amp;quot;,18&amp;quot; tc rgb &amp;quot;white&amp;quot; rotate parallel&lt;br /&gt;
&lt;br /&gt;
set tics tc rgb &amp;quot;white&amp;quot; offset character -1, -1&lt;br /&gt;
set border lc rgb &amp;quot;white&amp;quot;&lt;br /&gt;
&lt;br /&gt;
set output &amp;quot;caso1.gif&amp;quot;&lt;br /&gt;
&lt;br /&gt;
do for [i=0:int(A_blocks-1)] {  &lt;br /&gt;
    splot &#039;caso1.dat&#039; index i with pm3d notitle&lt;br /&gt;
    }&lt;br /&gt;
&amp;lt;/source&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Referências ==&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6993</id>
		<title>Equação de Fokker-Planck</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6993"/>
		<updated>2022-03-06T12:31:45Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: /* Caso 1: oscilador harmônico amortecido */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&#039;&#039;&#039;Grupo: Álison Soares, Rodrigo Avancini Lara e Samuel Huff Dieterich&#039;&#039;&#039;&lt;br /&gt;
&lt;br /&gt;
A equação de Fokker-Planck foi aplicada em primeiro modo em problemas relacionados ao movimento Browniano, como veremos à seguir. Nesse caso, lidando com flutuações originadas de vários pequenos distúrbios, as partículas de interesse se chocavam com as moléculas do meio, provocando uma trajetória imprevisível. Por conta dessas flutuações, é impossível determinar a posição exata dessas partículas. Porém, é possível determinar a probabilidade de encontrá-las em determinada região.&lt;br /&gt;
&lt;br /&gt;
Esta equação pode ser obtida a partir da equação de Langevin e fornece a probabilidade de encontrar determinada partícula em uma posição &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; em certo instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Além disso, no presente trabalho temos como objetivo estudar as soluções analítica e numérica da equação para um dado exemplo, através do método FTCS explícito.&lt;br /&gt;
&lt;br /&gt;
== Introdução ==&lt;br /&gt;
&lt;br /&gt;
=== Movimento browniano ===&lt;br /&gt;
&lt;br /&gt;
O movimento browniano foi descoberto pelo botanista Robert Brown, em 1827. Durante seu estudo sobre vida microscópica, ele percebeu pequenas partículas de pólen de plantas se movendo de maneira aleatória no líquido que ele estava estudando e, notando que se tratava de partículas de sujeira, e não seres vivos, chegou a conclusão que era um fenômeno físico, e não biológico, que causava este movimento. &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Posteriormente, foi provado que este fenômeno se dava pelos efeitos do movimento molecular. Em um meio com uma temperatura qualquer &amp;lt;math&amp;gt; &amp;gt;0K &amp;lt;/math&amp;gt;, há vibração e movimento molecular. Embora haja conservacão de energia, quando a partícula interage com as moléculas do meio, a energia cinética desta partícula se altera (assim como a das moléculas). Contudo, a soma destas energias é a energia interna do fluido, como descreve o Teorema da Equiparação. &amp;lt;ref name=&amp;gt;The Equipartition Theorem, University of Oxford. URL: http://vallance.chem.ox.ac.uk/pdfs/Equipartition.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Em 1905, Albert Einstein propôs uma teoria para descrever tal movimento matematicamente. Primeiramente, ele se propôs a descrever o quão longe uma partícula browniana se desloca em um determinado intervalo de tempo. Como a partícula está sujeita a &amp;lt;math&amp;gt;10^{14}&amp;lt;/math&amp;gt; colisões por segundo (provindas das moléculas do meio), a mecânica clássica é incapaz de resolver este sistema &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Stachel, J., et al.; The Collected Papers of Albert Einstein, 1989, Princeton University Press. URL: http://users.physik.fu-berlin.de/~kleinert/files/eins_brownian.pdf.&amp;lt;/ref&amp;gt;.  Para resolver este problema, ele abordou o problema pela ótica da mecânica estatística. &lt;br /&gt;
&lt;br /&gt;
Inicialmente, ele considerou o incremento da posição da partícula num espaço unidimensional (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;), num determinado intervalo de tempo (&amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;). Considerando que existe uma probabilidade aleatória da partícula se mover dentro do intervalo &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, ele definiu uma função para a densidade de probabilidade (&amp;lt;math&amp;gt;\varphi(\Delta x)&amp;lt;/math&amp;gt;). Sabendo que o número de partículas é constante dentro do meio, ele expandiu a densidade (&amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt;) deste em uma série de Taylor:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \tau \left(\frac{\partial \rho(x,t)}{\partial t}\right) + \dots = \rho(x, t+\tau)&lt;br /&gt;
=\int_{-\infty}^{+\infty} \rho(x+\Delta x, t) \cdot \varphi(\Delta x) d\Delta x &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
que é, por definição, &amp;lt;math&amp;gt;\varphi&amp;lt;/math&amp;gt;. Continuando, &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
=\rho(x,t) \cdot \int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x + \frac{\partial \rho}{\partial x} \cdot \int_{-\infty}^{+\infty} \Delta x \cdot \varphi(\Delta x) d \Delta x + \frac{\partial^2\rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \dots.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Pela definição da probabilidade,&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x=1&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
e as integrais dos termos pares da série são nulos devido à simetria do espaço. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Temos então,&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\rho(x, t+\tau)&lt;br /&gt;
&amp;amp; = \rho(x,t) \cdot 1 + 0 + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots&lt;br /&gt;
\\&lt;br /&gt;
&amp;amp; = \rho(x,t) + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots.&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Esta equação nos leva à igualdade&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} =  \frac{\partial^2\rho}{\partial x^2} \cdot \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \mathcal{O}.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Podemos interpretar a integral como o coeficiente de difusão &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
D = \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
O que nos dá a equação da difusão&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} = D \frac{\partial^2\rho}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Equação de Langevin ===&lt;br /&gt;
&lt;br /&gt;
Em 1908, 3 anos após os estudos de Albert Einstein em processos aleatórios e movimento aleatório, Paul Langevin (1872-1946) apresentou um novo método para o movimento browniano que - segundo Langevin - era &amp;quot;infinitamente mais simples&amp;quot; que a solução proposta por Einstein. &amp;lt;ref name=Langevin_original&amp;gt;P. Langevin, &amp;quot;Sur la théorie de mouvement Brownien&amp;quot; C.R. Acad. Sci. Paris , 146 (1908) pp. 530–533, https://www.physik.uni-augsburg.de/theo1/hanggi/History/Langevin1908.pdf.&amp;lt;/ref&amp;gt;&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;&lt;br /&gt;
Para interpretar o movimento browniano, Einstein derivou e resolveu uma equação diferencial parcial descrevendo a evolução temporal da densidade de probabilidade para a partícula. Já Langevin aplicou a segunda lei de Newton na forma diferencial para essa partícula.&lt;br /&gt;
&lt;br /&gt;
Para uma partícula browniana de massa &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; em um líquido com viscosidade &amp;lt;math&amp;gt;\eta&amp;lt;/math&amp;gt;, existem duas forças que agem sobre o seu movimento&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
1. Arrasto pela viscosidade.&lt;br /&gt;
2. Força de flutuação.&lt;br /&gt;
&lt;br /&gt;
Considerando que a partícula é relativamente grande em comparação com as distâncias médias entre as moléculas do líquido e esta se movimento nesse meio com velocidade &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt;, experimenta uma resistência pela viscosidade. Essa força é descrita pela Lei de Stokes que, para uma partícula esférica com diâmetro &amp;lt;math&amp;gt;a&amp;lt;/math&amp;gt;, corresponde a &amp;lt;math&amp;gt;-6\pi\eta a \ dx/dt&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
A segunda força foi proposta por Langevin para descrever o efeito de constantes impactos das moléculas do líquido sobre as partículas de estudo. Assim, como essa força possui uma origem aleatório, esta deveria ser positiva ou negativa de maneira equiprovável e cuja magnitude fosse suficiente para manter a agitação da partícula. Caso contrário, a viscosidade iria parar o movimento dessa partícula.&lt;br /&gt;
&lt;br /&gt;
Com isso, a equação que descreve o movimento a partir da posição da partícula - em 1D na direção &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; - é dado pela Lei de Newton como:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin representando as flutuações de pressão devido ao movimento térmico das moléculas que compõem o líquido. &amp;lt;ref&amp;gt;Langevin equation. Encyclopedia of Mathematics. URL: http://encyclopediaofmath.org/index.php?title=Langevin_equation&amp;amp;oldid=47575.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Essa equação é conhecida como a equação de Langevin e foi o primeiro exemplo de equação diferencial estocástica, isto é, uma equação diferencial com um termo, &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; nesse caso, cuja solução em algum sentido também é uma função aleatória &amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;. Essa função foi desenvolvida para possuir as seguintes propriedades:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\langle R(t) \rangle = 0&lt;br /&gt;
\qquad&lt;br /&gt;
\langle R(t) R(t&#039;) \rangle = D \cdot \delta(t-t&#039;)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\langle f \rangle&amp;lt;/math&amp;gt; descreve o valor médio ou esperado de uma função &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão e &amp;lt;math&amp;gt;\delta&amp;lt;/math&amp;gt; é a função delta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A primeira propriedade afirma que o movimento é aleatório de forma que não existe nenhuma tendência de sentido para a partícula se locomover. Assim, é dito que &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; se trata de um ruído branco gaussiano. Já a segunda propriedade mostra que a força em um dado tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; é descorrelacionada de uma força para qualquer outro tempo &amp;lt;math&amp;gt;t&#039;&amp;lt;/math&amp;gt; (propriedade de Markov). &amp;lt;ref&amp;gt;Wikipédia: Langevin equation. URL: https://en.wikipedia.org/wiki/Langevin_equation.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Dedução da equação de Fokker-Planck ===&lt;br /&gt;
&lt;br /&gt;
Para a dedução foi utilizado a seguinte referência como base: &#039;&#039;From Langevin to Fokker-Planck equation&#039;&#039;.&amp;lt;ref&amp;gt;From Langevin to Fokker-Planck equation. URL: http://cgl.elte.hu/~racz/Stoch-diff-eq.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Como vimos anteriormente, o movimento browniano pode ser descrito pela equação de Langevin, a qual podemos resolver sem nenhum problema. Contudo, alternativamente, podemos fazer uso da equação de Fokker-Planck e considerar uma densidade de probabilidade em relação a posição e o tempo, levando em conta diferentes perturbações estocásticas. Para isso, iremos agora deduzir essa equação, a partir da analise de Langevin.&lt;br /&gt;
&lt;br /&gt;
A descrição do movimento browniano foi anteriormente tratada em termos da equação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para o nosso propósito, realizaremos uma abordagem mais direta e geral, assumindo a equação de Langevin através de um potencial &amp;lt;math&amp;gt;U(x)&amp;lt;/math&amp;gt;, nos deixando com a seguinte expressão:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{dx}{dt} = -\mu \frac{dU}{dx} + \eta(t),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\mu=\frac{1}{6\pi\eta a}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\eta(t) = \mu R(t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Contudo, para entender as equações diferenciais estocásticas, precisamos discretizar as equações para posteriormente aplicar os métodos numéricos. Temos que o sistema de discretização mais simples possível nos leva ao valor de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt; a partir da interação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) - \mu\frac{dU}{dx}\varepsilon + \eta_\varepsilon(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A tarefa é compreender como o agora ruído gaussiano &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; afeta esse sistema discretizado. Para isso, escreveremos a evolução temporal da distribuição de probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; definida como a probabilidade da partícula estar em &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Então, deve-se olhar para o limite &amp;lt;math&amp;gt;t \rightarrow \infty&amp;lt;/math&amp;gt; de &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
Vamos realizar a tarefa com a equação discretizada de Langevin comentada acima. Por razões de simplificação, discutiremos essa abordagem com a forma &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) + v(x) \varepsilon + \eta_{\varepsilon}(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;v(x) \equiv −\mu \frac{dU}{dx}&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A equação da probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; pode ser derivada usando a equação de Chapman-Kolmogorov, a qual também iremos escrever em uma forma discretizada no tempo, da forma&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t + \varepsilon) = \int_{-\infty}^{+\infty} W(x,y;\varepsilon) \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é a probabilidade de que a partícula se mova para &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt;, desde que tenha começado em &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Lembrando que: para que a condição acima mova a partícula de &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; a &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, o termo de ruído deve ter apenas o valor correspondente que satisfaz a equação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x = y + v(y) \varepsilon + \eta_{\varepsilon}(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A probabilidade de &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; acima é dada a partir da distribuição de probabilidade do incremento estocástico &amp;lt;math&amp;gt;\eta{\varepsilon}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{G} (\eta \varepsilon) = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{-\eta_\varepsilon^2}{4D\varepsilon}}\right),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Assim &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é obtido como&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
W(x,y; \varepsilon) &amp;amp; = \rho_{G} (\eta_{\varepsilon} = x − y − v(y)\varepsilon) \\&lt;br /&gt;
&amp;amp; = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{−[x−y−v(y)\varepsilon]^2}{4Dε}}\right).&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Substituindo o &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; acima na equação de Chapman-Kolmogorov discretizada e expandindo o lado esquerdo para &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \partial_{t}\rho(x,t) \varepsilon = \int_{-\infty}^{+\infty} \frac{\exp\left(\frac{-[x-y-v(y) \varepsilon]^2}{4D\varepsilon}\right)}{\sqrt{4\pi D \varepsilon}} \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Como último passo agora, vamos expandir a integral do lado direito para ordenar &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;. Notamos que quando &amp;lt;math&amp;gt;\varepsilon \rightarrow 0&amp;lt;/math&amp;gt;, a Gaussiana vai para uma função delta e a integral resulta em &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; que irá se cancelar com &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; no lado esquerdo. Ao final, quando reorganizamos os termos, temos a seguinte equação denominada de Equação de Fokker-Planck&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \frac{\partial v(x) \rho(x,t)}{\partial x} + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
ou, se substituirmos &amp;lt;math&amp;gt;v(x)&amp;lt;/math&amp;gt; pelo potencial &amp;lt;math&amp;gt;v(x) = −\mu \partial U(x)/\partial x&amp;lt;/math&amp;gt;, temos que&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = \frac{\partial}{\partial x} \frac{\partial U}{\partial x} \rho(x,t) + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde, em ambos os casos, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão no movimento browniano, com valor &amp;lt;math&amp;gt;D = \mu k_B T = \frac{k_B T}{6 \pi \eta a}&amp;lt;/math&amp;gt;, cujas variáveis foram discutidas anteriormente na equação de Langevin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Esta distribuição pode ainda depender de um conjunto de &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; macrovariáveis &amp;lt;math&amp;gt;x_i&amp;lt;/math&amp;gt;, de tal maneira que o movimento browniano em questão pode ser representado por uma equação de Fokker-Planck da forma &amp;lt;ref&amp;gt;Wikipédia: Fokker-Planck Equation. URL: https://en.wikipedia.org/wiki/Fokker-Planck_equation.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \left[\sum_{i=1}^{N} \frac{\partial}{\partial x_{i}} D_{i}^{1} (x_{1},...,x_{N}) + \sum_{i=1}^{N} \sum_{j=1}^{N} \frac{\partial^2}{\partial x_{i} \partial x_{j}} D_{ij}^{2} (x_{i},...,x_{N})\right]\rho,&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;D^1&amp;lt;/math&amp;gt; é o termo que é dado por um vetor e &amp;lt;math&amp;gt;D^2&amp;lt;/math&amp;gt; é o termo de difusão, dado por uma matriz.&lt;br /&gt;
&lt;br /&gt;
== Exemplos: acelerador de partículas ==&lt;br /&gt;
&lt;br /&gt;
O exemplo e explicações trazidas nessa seção foram retirados do artigo: &#039;&#039;Numerical solution of two dimensional Fokker-Planck equations&#039;&#039; &amp;lt;ref&amp;gt;M.P. Zorzano, H. Mais, L. Vazquez, Numerical solution of two dimensional Fokker—Planck equations, Applied Mathematics and Computation, 1999, https://doi.org/10.1016/S0096-3003(97)10161-8.&amp;lt;/ref&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Uma aplicação amplamente utilizada para a equação de Fokker-Planck como uma Equação Diferencial Estocástica (&#039;&#039;Stochastic Differential Equations&#039;&#039;, SDE) é para a modelagem da dinâmica de partículas únicas em aceleradores sob influência de ruído. As fontes de ruído são, por exemplo, campos aleatórios, movimento aleatório do solo ou flutuações quânticas da radiação.&lt;br /&gt;
&lt;br /&gt;
A partir do cálculo de probabilidade fornecido pela equação de Fokker-Planck, algumas propriedades físicas de interesse são: qual é o comportamento de longo prazo da dinâmica; qual a probabilidade da partícula colidir com a câmara de vácuo e então ser perdida; quais são as flutuações médias da partícula em torno da trajetória do acelerador; e qual é a evolução temporal da densidade de probabilidade?&lt;br /&gt;
&lt;br /&gt;
Para responder essas perguntas, apenas alguns casos mais específicos possuem soluções analíticas, especialmente em problemas com maior dimensionalidade. Por esse motivo, é interessante e prático estudar a equação de Fokker-Planck e os problemas relacionados a partir de métodos numéricos.&lt;br /&gt;
&lt;br /&gt;
Para esse fim, serão abordados dois exemplos: o oscilador harmônico amortecido, o qual possuí solução analítica e poderá ser usado como comparação para verificar a acurácia do método; e o problema de Duffing, oscilador não linear, com amortecimento e ruído multiplicativo e aditivo, que não apresenta solução exata.&lt;br /&gt;
&lt;br /&gt;
=== Equações ===&lt;br /&gt;
&lt;br /&gt;
As equações diferenciais típicas encontradas na física do acelerador de partícula são&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -a_1(x) - a_2(x,v) + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; é o ruído branco gaussiano e &amp;lt;math&amp;gt;\sigma&amp;lt;/math&amp;gt; é uma constante.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para o caso do oscilador harmônico amortecido e com ruído, temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -Kx - \gamma v + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\gamma&amp;lt;/math&amp;gt; também são constantes.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Já para o oscilador estocástico de Duffing, não-linear, com amortecimento, ruído multiplicativo e aditivo temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -\omega^2 \left[ \left( \alpha + \sqrt{2D_{11}}R_1(t) \right) x + \epsilon x^3 \right] - 2\tau \omega \dot{x} + \sqrt{2D_{22}}R_2(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\omega&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\alpha&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\epsilon&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D_{11}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;D_{22}&amp;lt;/math&amp;gt; são constantes dadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Escrevendo esses exemplos em termos da equação de Fokker-Planck obtemos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o primeiro caso e&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} [(a_1(x) + a_2(x,v))\rho] + \frac{1}{2}\frac{\partial^2}{\partial v^2}(2D\rho)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
a_1(x) =\omega^2x(\alpha+\epsilon x^2), \quad a_2(x,v) = 2\tau\omega v, \quad D=D_{11}\omega^4x^2+D_{22}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o segundo exemplo.&lt;br /&gt;
&lt;br /&gt;
=== Método FTCS explícito ===&lt;br /&gt;
&lt;br /&gt;
Para os fins de estudo desses casos, o método numérico mais simples para descrever a função &amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt; é a partir do FTCS (&#039;&#039;Foward Time Central Space&#039;&#039;) explícito. Como ficará mais claro a partir da discretização das equações, o método FTCS calcula o resultado de uma função no tempo seguinte em um dado ponto a partir dos valores dos &amp;quot;vizinhos&amp;quot; desse ponto. Para a técnica explícita, podemos calcular valor da função no tempo &amp;lt;math&amp;gt;n+1&amp;lt;/math&amp;gt; a partir apenas de valores já conhecidos no tempo atual &amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;. Assim, a aplicação do método se torna bem simples, contudo, perdemos precisão/estabilidade em comparação com métodos mais sofisticados.&lt;br /&gt;
&lt;br /&gt;
O primeiro passo para o método é discretizar os termos da função de interesse &amp;lt;math&amp;gt;\rho(x,v,t)&amp;lt;/math&amp;gt; nas derivadas parciais necessárias: &amp;lt;math&amp;gt;\partial/\partial x&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\partial/\partial v&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\partial^2/\partial v^2&amp;lt;/math&amp;gt;. Para isso, usamos a expansão da série de Taylor e, para melhor precisão, a derivada centrada (excluindo a derivada no tempo). Ademais, usaremos a notação dos índices para indicar os valores de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; por &amp;lt;math&amp;gt;i&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;j&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;, respectivamente.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho(x,v,t+\Delta t) - \rho(x,v,t)}{\Delta t}&lt;br /&gt;
+ \mathcal{O}(\Delta t^2)&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial x}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{1}{2}&lt;br /&gt;
\left[ &lt;br /&gt;
    \frac{\rho(x+\Delta x,v,t) - \rho(x,v,t)}{\Delta x} &lt;br /&gt;
    +&lt;br /&gt;
    \frac{\rho(x-\Delta x,v,t) - \rho(x,v,t)}{\Delta x}&lt;br /&gt;
\right]&lt;br /&gt;
+ \mathcal{O}(\Delta x^2)&lt;br /&gt;
\approx&lt;br /&gt;
\frac{\rho(x+\Delta x,v,t)-\rho(x-\Delta x,v,t)}{2 \Delta x}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i+1,j}^n + \rho_{i-1,j}^n}{2\Delta x}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial v}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{1}{2}&lt;br /&gt;
\left[ &lt;br /&gt;
    \frac{\rho(x,v+\Delta v,t) - \rho(x,v,t)}{\Delta v} &lt;br /&gt;
    +&lt;br /&gt;
    \frac{\rho(x,v,t) - \rho(x,v-\Delta v,t)}{\Delta v}&lt;br /&gt;
\right]&lt;br /&gt;
+ \mathcal{O}(\Delta v^2)&lt;br /&gt;
\approx&lt;br /&gt;
\frac{\rho(x,v+\Delta v,t)-\rho(x,v-\Delta v,t)}{2 \Delta v}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j+1}^n + \rho_{i,j-1}^n}{2\Delta v}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial^2 \rho}{\partial v^2}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho(x,v+\Delta v, t)-2\rho(x,v,t)+\rho(x,v-\Delta v,t)}{(\Delta v)^2}&lt;br /&gt;
+\mathcal{O}(\Delta v^3)&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Aplicação ===&lt;br /&gt;
&lt;br /&gt;
Com as derivadas parciais discretizadas, podemos agora reescrever as funções de Fokker-Planck para cada caso de estudo em busca do valor de &amp;lt;math&amp;gt;\rho_{i,j}^{n+1}&amp;lt;/math&amp;gt;, isto é, o valor de cada ponto no espaço &amp;lt;math&amp;gt;xv&amp;lt;/math&amp;gt; para o tempo &amp;lt;math&amp;gt;t+\Delta t&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
==== Caso 1: oscilador harmônico amortecido ====&lt;br /&gt;
&lt;br /&gt;
Primeiramente, reescrevemos a função original expandindo os termos e aplicando a regra da cadeia onde for necessário.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\frac{\partial \rho}{\partial t}&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
-\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- \frac{\partial}{\partial x}(v \rho)&lt;br /&gt;
+ \frac{\partial}{\partial v}(\gamma v + Kx)\rho&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \frac{\partial}{\partial v} (\gamma v \rho) &lt;br /&gt;
+ \frac{\partial}{\partial v} (Kx \rho)&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \gamma \rho&lt;br /&gt;
+ \gamma v \frac{\partial}{\partial v} \rho  &lt;br /&gt;
+ Kx \frac{\partial}{\partial v} \rho&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \gamma \rho&lt;br /&gt;
+ (\gamma v+Kx) \frac{\partial}{\partial v} \rho  &lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Agora, reescrevemos a mesma função substituindo as derivadas parciais e demais variáveis necessárias (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;) pelas versões discretizadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
=&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ \gamma \rho_{i,j}^n&lt;br /&gt;
+ (\gamma v +Kx^n) \left( \frac{\rho_{i,j+1}^n-\rho_{i,j-1}^n}{2\Delta v} \right)&lt;br /&gt;
+ \sigma \left( \frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2} \right)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{i,j}^{n+1}&lt;br /&gt;
=&lt;br /&gt;
\rho_{i,j}^n&lt;br /&gt;
+ \Delta t&lt;br /&gt;
\left[&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ \gamma \rho_{i,j}^n&lt;br /&gt;
+ (\gamma v +Kx^n) \left( \frac{\rho_{i,j+1}^n-\rho_{i,j-1}^n}{2\Delta v} \right)&lt;br /&gt;
+ \sigma \left( \frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2} \right)&lt;br /&gt;
\right]&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para exercício, usaremos um &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; constante de forma que apenas será necessário atualizar a variável &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; para cada passo de tempo.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x^{n+1} = x^n+v\Delta t&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Por fim, é necessário definir uma condição inicial e uma condição de contorno. Uma vez que a função descreve uma densidade de probabilidade, a literatura sugere, até para comparar com a solução analítica quando disponível, uma delta de Kronecker &amp;lt;math&amp;gt;\delta(x-x_0,v-v_0)&amp;lt;/math&amp;gt;. Assim, em uma dada coordenada &amp;lt;math&amp;gt;(x,v)&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t_0&amp;lt;/math&amp;gt; teremos uma probabilidade 1 de encontrar a partícula. Como condição de contorno, dado que a função em um dado ponto precisa dos pontos vizinhos, indicamos que a &amp;quot;borda&amp;quot; da matriz será sempre igual a zero.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Dado essas equações, escrevemos um programa em C para gerar os dados e o gnuplot para criar o gráfico/animação. Os códigos desenvolvidos estarão disponíveis na próxima seção &amp;quot;Código desenvolvido&amp;quot;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&lt;br /&gt;
&amp;lt;li style=&amp;quot;display: inline-block;&amp;quot;&amp;gt;[[Arquivo:caso1.gif|800px|thumb|middle|Animação da evolução da probabilidade de encontrar uma partícula com dada posição &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; a partir da equação de um oscilador harmônico amortecido. Valores da animação: &amp;lt;math&amp;gt;\Delta x = 1\times 10^{-3}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\Delta v = 1\times 10^{-3}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\Delta t = 1\times 10^{-6}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;x_0=1&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;v=2&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;k=0.5&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\gamma=0.5&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\sigma=0.5&amp;lt;/math&amp;gt;.]]&amp;lt;/li&amp;gt;&lt;br /&gt;
&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A partir da referência estudada e da física do problema, é evidente que a animação apresentada está aquém do esperado. Pelos testes pelo grupo responsável por esse documento, o programa desenvolvido se mostrou muito instável e impreciso: alterações mínimas de alguns parâmetros alteravam consideravelmente o resultado observado. Esse comportamento &amp;quot;imprevisível&amp;quot; se tornou ainda evidente ao alterar o tamanho dos passos (&#039;&#039;dt&#039;&#039;, &#039;&#039;dx&#039;&#039;, &#039;&#039;dv&#039;&#039;) de forma que tanto aumentando quanto diminuindo uma ordem de grandeza a função &amp;quot;explodia&amp;quot; - isto é - crescia exponencialmente. Assim, não foi possível aumentar a resolução da &amp;quot;simulação&amp;quot;.&lt;br /&gt;
&lt;br /&gt;
Além disso, em alguns casos, a função retornava valores negativos, o que é inadequado para uma densidade de probabilidade. Ademais, a ordem de grandeza para o tempo usada na simulação desse trabalho está muito abaixo da utilizada na referência base para esse problema, mostrando que a evolução temporal pode ter algum problema. No entanto, o problema que destacamos é a falta de &amp;quot;suavidade&amp;quot; na curva gerada, tanto é que em alguns quadros é possível ver mudanças bruscas no formato da função.&lt;br /&gt;
&lt;br /&gt;
Dessa forma, apesar dos esforços da equipe, não fomos capazes - até o momento dessa edição - de encontrar a causa desses problemas. No entanto, segue algumas hipóteses que podem ser avaliadas para futuras revisões deste material:&lt;br /&gt;
&lt;br /&gt;
- Verificar as equações utilizadas para descrever os problemas e a passagem para a equação de Fokker-Planck. A literatura encontrada não apresenta os passos usados para esse cálculo e nem a referência específica para cada etapa. Assim, o grupo precisou confiar que esse artigo estava correto.&lt;br /&gt;
&lt;br /&gt;
- Verificar a discretização da função para o método FTCS explícito.&lt;br /&gt;
&lt;br /&gt;
- Verificar a estabilidade do método, pois, apesar de não ter ser comentado no material de referência, é possível que o método explícito não seja adequado para os casos estudados.&lt;br /&gt;
&lt;br /&gt;
- Verificar possíveis problemas no código, tanto o código para os dados quanto para a visualização.&lt;br /&gt;
&lt;br /&gt;
- Verificar problemas de truncamento ou erro numérico ou ainda valores inadequados para as constantes utilizadas.&lt;br /&gt;
&lt;br /&gt;
== Código desenvolvido ==&lt;br /&gt;
&lt;br /&gt;
Função auxiliar utilizada do arquivo de cabeçalho &#039;&#039;pointers.h&#039;&#039;:&lt;br /&gt;
&amp;lt;source lang=&#039;c&#039;&amp;gt;&lt;br /&gt;
double ***create_3d_double_pointer(int x, int y, int z){&lt;br /&gt;
  double ***pointer;&lt;br /&gt;
  int i, j;&lt;br /&gt;
&lt;br /&gt;
  assert((x &amp;gt; 0) &amp;amp;&amp;amp; (y &amp;gt; 0) &amp;amp;&amp;amp; (z &amp;gt; 0));&lt;br /&gt;
  pointer = (double ***)malloc(x * y * z * sizeof(double **));&lt;br /&gt;
  if (pointer == NULL){&lt;br /&gt;
    fprintf(stderr, &amp;quot;Error in routine create_3d_double_pointer\n&amp;quot;);&lt;br /&gt;
    exit(8);&lt;br /&gt;
  }&lt;br /&gt;
  else {&lt;br /&gt;
    for (i = 0; i &amp;lt; x; i++){&lt;br /&gt;
      pointer[i] = (double **)malloc(y * z * sizeof(double *));&lt;br /&gt;
      if (pointer[i] == NULL){&lt;br /&gt;
        fprintf(stderr, &amp;quot;Error in routine create_3d_double_pointer\n&amp;quot;);&lt;br /&gt;
        exit(8);&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
    for (i = 0; i &amp;lt; x; i++){&lt;br /&gt;
      for (j = 0; j &amp;lt; y; j++){&lt;br /&gt;
        pointer[i][j] = (double *)malloc(z * sizeof(double));&lt;br /&gt;
        if (pointer[i][j] == NULL){&lt;br /&gt;
          fprintf(stderr, &amp;quot;Error in routine create_3d_double_pointer\n&amp;quot;);&lt;br /&gt;
          exit(8);&lt;br /&gt;
        }&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
  }&lt;br /&gt;
  return (pointer);&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/source&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Código utilizado para gerar os dados para o &amp;quot;caso 1&amp;quot;. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;source lang=&#039;c&#039;&amp;gt;&lt;br /&gt;
#include &amp;lt;stdio.h&amp;gt;&lt;br /&gt;
#include &amp;lt;stdlib.h&amp;gt;&lt;br /&gt;
#include &amp;lt;math.h&amp;gt;&lt;br /&gt;
#include &amp;quot;pointers.h&amp;quot;&lt;br /&gt;
&lt;br /&gt;
int main(){&lt;br /&gt;
&lt;br /&gt;
  // Declara as variáveis&lt;br /&gt;
  FILE *fp;&lt;br /&gt;
  char output[50];&lt;br /&gt;
  double ***f;&lt;br /&gt;
  int i, j, k, c, Lx, Lv;&lt;br /&gt;
  double time, tmax, dt, dx, dv, v, x, K, gamma, sigma, epsilon; &lt;br /&gt;
  &lt;br /&gt;
  // Configura os valores iniciais&lt;br /&gt;
  time = 0.0;       // Tempo&lt;br /&gt;
  tmax = 0.0001;    // Tempo máximo&lt;br /&gt;
  Lx = 50;          // Quantidade de pontos em x&lt;br /&gt;
  Lv = 100;         // Quantidade de pontos em v&lt;br /&gt;
  dt = 0.000001;    // Passo em t&lt;br /&gt;
  dx = 0.001;       // Passo em x&lt;br /&gt;
  dv = 0.001;       // Passo em v&lt;br /&gt;
  x = 1;            // Posição inicial&lt;br /&gt;
  v = 2;            // Velocidade&lt;br /&gt;
  K = 0.5;          // Constante&lt;br /&gt;
  gamma = 0.5;      // Constante&lt;br /&gt;
  sigma = 0.5;      // Constante&lt;br /&gt;
  epsilon = 10E-4;  // Valor para comparação&lt;br /&gt;
&lt;br /&gt;
  // Inicializa a matriz 3D&lt;br /&gt;
  f = create_3d_double_pointer(Lx, Lv, 2);&lt;br /&gt;
  // Todos os pontos com valores zero&lt;br /&gt;
  for (i=0; i&amp;lt;Lx; i++){&lt;br /&gt;
    for (j=0; j&amp;lt;Lv; j++){&lt;br /&gt;
      for (k=0; k&amp;lt;2; k++){&lt;br /&gt;
        f[i][j][k] = 0.0;&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
  }&lt;br /&gt;
&lt;br /&gt;
  // Condição inicial&lt;br /&gt;
  f[Lx/2][Lv/2][0] = 1.0;&lt;br /&gt;
&lt;br /&gt;
  // Arquivo para output&lt;br /&gt;
  sprintf(output, &amp;quot;caso1.dat&amp;quot;);&lt;br /&gt;
  fp = fopen(output, &amp;quot;w&amp;quot;);&lt;br /&gt;
&lt;br /&gt;
  c = 0;&lt;br /&gt;
  // Loop da &amp;quot;simulação&amp;quot;&lt;br /&gt;
  while (time&amp;lt;tmax){&lt;br /&gt;
    for (i=1; i&amp;lt;(Lx-1); i++){&lt;br /&gt;
      for (j=1; j&amp;lt;(Lv-1); j++){&lt;br /&gt;
        // Atualiza a probabilidade&lt;br /&gt;
        f[i][j][1-c] = f[i][j][c]+dt*(-v*(f[i+1][j][c]-f[i-1][j][c])/(2*dx)+gamma*f[i][j][c]+(gamma*v+K*x)*(f[i][j+1][c]-f[i][j-1][c])/(2*dv)+sigma*(f[i][j+1][c]-2*f[i][j][c]+f[i][j-1][c])/(dv*dv));&lt;br /&gt;
        // Salva o resultado em arquivo&lt;br /&gt;
        if (fabs(f[i][j][1-c]) &amp;gt; epsilon){&lt;br /&gt;
          fprintf(fp, &amp;quot;%f %f %f\n&amp;quot;, (double)(i-Lx/2)*dx+x, (double)(j-Lv/2)*dv+v, f[i][j][1-c]);&lt;br /&gt;
        }&lt;br /&gt;
      }&lt;br /&gt;
      // Adiciona linha em branco (arquivo XYZ - gnuplot)&lt;br /&gt;
      if (fabs(f[i][j][1-c]) &amp;gt; epsilon){&lt;br /&gt;
        fprintf(fp, &amp;quot;\n&amp;quot;);&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
    // Atualiza a posição&lt;br /&gt;
    x = x + v*dt;&lt;br /&gt;
    c = 1 - c;&lt;br /&gt;
    // Adiciona duas linhas em branco (animação - gnuplot)&lt;br /&gt;
    fprintf(fp, &amp;quot;\n\n&amp;quot;);&lt;br /&gt;
    time += dt;&lt;br /&gt;
  }&lt;br /&gt;
&lt;br /&gt;
  fclose(fp); // Fecha arquivo&lt;br /&gt;
  free(f);    // Libera ponteiro&lt;br /&gt;
&lt;br /&gt;
  return 0;&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/source&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Código utilizado no gnuplot para gerar a animação.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;source lang=&#039;gnuplot&#039;&amp;gt;&lt;br /&gt;
# Limpa configurações anteriores&lt;br /&gt;
unset xrange&lt;br /&gt;
unset yrange&lt;br /&gt;
unset zrange&lt;br /&gt;
&lt;br /&gt;
# Gera estatísticas dos dados&lt;br /&gt;
stats &amp;quot;caso1.dat&amp;quot; name &amp;quot;A&amp;quot;&lt;br /&gt;
&lt;br /&gt;
# Estilo para gráfico&lt;br /&gt;
set dgrid3d&lt;br /&gt;
&lt;br /&gt;
# Ponto de vista&lt;br /&gt;
set view 60, 30, 1, 1&lt;br /&gt;
&lt;br /&gt;
# Configura o range do plot&lt;br /&gt;
set xrange [A_min_x:A_max_x]&lt;br /&gt;
set yrange [A_min_y:A_max_y]&lt;br /&gt;
set zrange [0:1]&lt;br /&gt;
&lt;br /&gt;
# Formato de saída&lt;br /&gt;
set term gif animate delay 25 background &amp;quot;#212121&amp;quot; enhanced font &amp;quot;Arial,10&amp;quot; fontscale 1.0 size 800, 550&lt;br /&gt;
&lt;br /&gt;
set title &amp;quot;Partícula em acelerador:\noscilador harmônico amortecido&amp;quot; offset character 0, -3 font &amp;quot;Oswald,28&amp;quot; tc rgb &amp;quot;white&amp;quot;&lt;br /&gt;
set xlabel &amp;quot;Posição (x)&amp;quot; offset character -2, -2 font &amp;quot;,18&amp;quot; tc rgb &amp;quot;white&amp;quot; rotate by -9&lt;br /&gt;
set ylabel &amp;quot;Velocidade (v)&amp;quot; offset character -3, -3 font &amp;quot;,18&amp;quot; tc rgb &amp;quot;white&amp;quot; rotate parallel&lt;br /&gt;
set zlabel &amp;quot;Densidade de probabilidade&amp;quot; offset character -1.5, -1.5 font &amp;quot;,18&amp;quot; tc rgb &amp;quot;white&amp;quot; rotate parallel&lt;br /&gt;
&lt;br /&gt;
set tics tc rgb &amp;quot;white&amp;quot; offset character -1, -1&lt;br /&gt;
set border lc rgb &amp;quot;white&amp;quot;&lt;br /&gt;
&lt;br /&gt;
set output &amp;quot;caso1.gif&amp;quot;&lt;br /&gt;
&lt;br /&gt;
do for [i=0:int(A_blocks-1)] {  &lt;br /&gt;
    splot &#039;caso1.dat&#039; index i with pm3d notitle&lt;br /&gt;
    }&lt;br /&gt;
&amp;lt;/source&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Referências ==&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6992</id>
		<title>Equação de Fokker-Planck</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6992"/>
		<updated>2022-03-06T12:30:54Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: /* Caso 1: oscilador harmônico amortecido */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&#039;&#039;&#039;Grupo: Álison Soares, Rodrigo Avancini Lara e Samuel Huff Dieterich&#039;&#039;&#039;&lt;br /&gt;
&lt;br /&gt;
A equação de Fokker-Planck foi aplicada em primeiro modo em problemas relacionados ao movimento Browniano, como veremos à seguir. Nesse caso, lidando com flutuações originadas de vários pequenos distúrbios, as partículas de interesse se chocavam com as moléculas do meio, provocando uma trajetória imprevisível. Por conta dessas flutuações, é impossível determinar a posição exata dessas partículas. Porém, é possível determinar a probabilidade de encontrá-las em determinada região.&lt;br /&gt;
&lt;br /&gt;
Esta equação pode ser obtida a partir da equação de Langevin e fornece a probabilidade de encontrar determinada partícula em uma posição &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; em certo instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Além disso, no presente trabalho temos como objetivo estudar as soluções analítica e numérica da equação para um dado exemplo, através do método FTCS explícito.&lt;br /&gt;
&lt;br /&gt;
== Introdução ==&lt;br /&gt;
&lt;br /&gt;
=== Movimento browniano ===&lt;br /&gt;
&lt;br /&gt;
O movimento browniano foi descoberto pelo botanista Robert Brown, em 1827. Durante seu estudo sobre vida microscópica, ele percebeu pequenas partículas de pólen de plantas se movendo de maneira aleatória no líquido que ele estava estudando e, notando que se tratava de partículas de sujeira, e não seres vivos, chegou a conclusão que era um fenômeno físico, e não biológico, que causava este movimento. &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Posteriormente, foi provado que este fenômeno se dava pelos efeitos do movimento molecular. Em um meio com uma temperatura qualquer &amp;lt;math&amp;gt; &amp;gt;0K &amp;lt;/math&amp;gt;, há vibração e movimento molecular. Embora haja conservacão de energia, quando a partícula interage com as moléculas do meio, a energia cinética desta partícula se altera (assim como a das moléculas). Contudo, a soma destas energias é a energia interna do fluido, como descreve o Teorema da Equiparação. &amp;lt;ref name=&amp;gt;The Equipartition Theorem, University of Oxford. URL: http://vallance.chem.ox.ac.uk/pdfs/Equipartition.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Em 1905, Albert Einstein propôs uma teoria para descrever tal movimento matematicamente. Primeiramente, ele se propôs a descrever o quão longe uma partícula browniana se desloca em um determinado intervalo de tempo. Como a partícula está sujeita a &amp;lt;math&amp;gt;10^{14}&amp;lt;/math&amp;gt; colisões por segundo (provindas das moléculas do meio), a mecânica clássica é incapaz de resolver este sistema &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Stachel, J., et al.; The Collected Papers of Albert Einstein, 1989, Princeton University Press. URL: http://users.physik.fu-berlin.de/~kleinert/files/eins_brownian.pdf.&amp;lt;/ref&amp;gt;.  Para resolver este problema, ele abordou o problema pela ótica da mecânica estatística. &lt;br /&gt;
&lt;br /&gt;
Inicialmente, ele considerou o incremento da posição da partícula num espaço unidimensional (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;), num determinado intervalo de tempo (&amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;). Considerando que existe uma probabilidade aleatória da partícula se mover dentro do intervalo &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, ele definiu uma função para a densidade de probabilidade (&amp;lt;math&amp;gt;\varphi(\Delta x)&amp;lt;/math&amp;gt;). Sabendo que o número de partículas é constante dentro do meio, ele expandiu a densidade (&amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt;) deste em uma série de Taylor:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \tau \left(\frac{\partial \rho(x,t)}{\partial t}\right) + \dots = \rho(x, t+\tau)&lt;br /&gt;
=\int_{-\infty}^{+\infty} \rho(x+\Delta x, t) \cdot \varphi(\Delta x) d\Delta x &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
que é, por definição, &amp;lt;math&amp;gt;\varphi&amp;lt;/math&amp;gt;. Continuando, &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
=\rho(x,t) \cdot \int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x + \frac{\partial \rho}{\partial x} \cdot \int_{-\infty}^{+\infty} \Delta x \cdot \varphi(\Delta x) d \Delta x + \frac{\partial^2\rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \dots.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Pela definição da probabilidade,&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x=1&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
e as integrais dos termos pares da série são nulos devido à simetria do espaço. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Temos então,&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\rho(x, t+\tau)&lt;br /&gt;
&amp;amp; = \rho(x,t) \cdot 1 + 0 + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots&lt;br /&gt;
\\&lt;br /&gt;
&amp;amp; = \rho(x,t) + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots.&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Esta equação nos leva à igualdade&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} =  \frac{\partial^2\rho}{\partial x^2} \cdot \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \mathcal{O}.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Podemos interpretar a integral como o coeficiente de difusão &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
D = \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
O que nos dá a equação da difusão&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} = D \frac{\partial^2\rho}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Equação de Langevin ===&lt;br /&gt;
&lt;br /&gt;
Em 1908, 3 anos após os estudos de Albert Einstein em processos aleatórios e movimento aleatório, Paul Langevin (1872-1946) apresentou um novo método para o movimento browniano que - segundo Langevin - era &amp;quot;infinitamente mais simples&amp;quot; que a solução proposta por Einstein. &amp;lt;ref name=Langevin_original&amp;gt;P. Langevin, &amp;quot;Sur la théorie de mouvement Brownien&amp;quot; C.R. Acad. Sci. Paris , 146 (1908) pp. 530–533, https://www.physik.uni-augsburg.de/theo1/hanggi/History/Langevin1908.pdf.&amp;lt;/ref&amp;gt;&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;&lt;br /&gt;
Para interpretar o movimento browniano, Einstein derivou e resolveu uma equação diferencial parcial descrevendo a evolução temporal da densidade de probabilidade para a partícula. Já Langevin aplicou a segunda lei de Newton na forma diferencial para essa partícula.&lt;br /&gt;
&lt;br /&gt;
Para uma partícula browniana de massa &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; em um líquido com viscosidade &amp;lt;math&amp;gt;\eta&amp;lt;/math&amp;gt;, existem duas forças que agem sobre o seu movimento&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
1. Arrasto pela viscosidade.&lt;br /&gt;
2. Força de flutuação.&lt;br /&gt;
&lt;br /&gt;
Considerando que a partícula é relativamente grande em comparação com as distâncias médias entre as moléculas do líquido e esta se movimento nesse meio com velocidade &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt;, experimenta uma resistência pela viscosidade. Essa força é descrita pela Lei de Stokes que, para uma partícula esférica com diâmetro &amp;lt;math&amp;gt;a&amp;lt;/math&amp;gt;, corresponde a &amp;lt;math&amp;gt;-6\pi\eta a \ dx/dt&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
A segunda força foi proposta por Langevin para descrever o efeito de constantes impactos das moléculas do líquido sobre as partículas de estudo. Assim, como essa força possui uma origem aleatório, esta deveria ser positiva ou negativa de maneira equiprovável e cuja magnitude fosse suficiente para manter a agitação da partícula. Caso contrário, a viscosidade iria parar o movimento dessa partícula.&lt;br /&gt;
&lt;br /&gt;
Com isso, a equação que descreve o movimento a partir da posição da partícula - em 1D na direção &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; - é dado pela Lei de Newton como:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin representando as flutuações de pressão devido ao movimento térmico das moléculas que compõem o líquido. &amp;lt;ref&amp;gt;Langevin equation. Encyclopedia of Mathematics. URL: http://encyclopediaofmath.org/index.php?title=Langevin_equation&amp;amp;oldid=47575.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Essa equação é conhecida como a equação de Langevin e foi o primeiro exemplo de equação diferencial estocástica, isto é, uma equação diferencial com um termo, &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; nesse caso, cuja solução em algum sentido também é uma função aleatória &amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;. Essa função foi desenvolvida para possuir as seguintes propriedades:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\langle R(t) \rangle = 0&lt;br /&gt;
\qquad&lt;br /&gt;
\langle R(t) R(t&#039;) \rangle = D \cdot \delta(t-t&#039;)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\langle f \rangle&amp;lt;/math&amp;gt; descreve o valor médio ou esperado de uma função &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão e &amp;lt;math&amp;gt;\delta&amp;lt;/math&amp;gt; é a função delta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A primeira propriedade afirma que o movimento é aleatório de forma que não existe nenhuma tendência de sentido para a partícula se locomover. Assim, é dito que &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; se trata de um ruído branco gaussiano. Já a segunda propriedade mostra que a força em um dado tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; é descorrelacionada de uma força para qualquer outro tempo &amp;lt;math&amp;gt;t&#039;&amp;lt;/math&amp;gt; (propriedade de Markov). &amp;lt;ref&amp;gt;Wikipédia: Langevin equation. URL: https://en.wikipedia.org/wiki/Langevin_equation.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Dedução da equação de Fokker-Planck ===&lt;br /&gt;
&lt;br /&gt;
Para a dedução foi utilizado a seguinte referência como base: &#039;&#039;From Langevin to Fokker-Planck equation&#039;&#039;.&amp;lt;ref&amp;gt;From Langevin to Fokker-Planck equation. URL: http://cgl.elte.hu/~racz/Stoch-diff-eq.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Como vimos anteriormente, o movimento browniano pode ser descrito pela equação de Langevin, a qual podemos resolver sem nenhum problema. Contudo, alternativamente, podemos fazer uso da equação de Fokker-Planck e considerar uma densidade de probabilidade em relação a posição e o tempo, levando em conta diferentes perturbações estocásticas. Para isso, iremos agora deduzir essa equação, a partir da analise de Langevin.&lt;br /&gt;
&lt;br /&gt;
A descrição do movimento browniano foi anteriormente tratada em termos da equação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para o nosso propósito, realizaremos uma abordagem mais direta e geral, assumindo a equação de Langevin através de um potencial &amp;lt;math&amp;gt;U(x)&amp;lt;/math&amp;gt;, nos deixando com a seguinte expressão:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{dx}{dt} = -\mu \frac{dU}{dx} + \eta(t),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\mu=\frac{1}{6\pi\eta a}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\eta(t) = \mu R(t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Contudo, para entender as equações diferenciais estocásticas, precisamos discretizar as equações para posteriormente aplicar os métodos numéricos. Temos que o sistema de discretização mais simples possível nos leva ao valor de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt; a partir da interação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) - \mu\frac{dU}{dx}\varepsilon + \eta_\varepsilon(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A tarefa é compreender como o agora ruído gaussiano &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; afeta esse sistema discretizado. Para isso, escreveremos a evolução temporal da distribuição de probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; definida como a probabilidade da partícula estar em &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Então, deve-se olhar para o limite &amp;lt;math&amp;gt;t \rightarrow \infty&amp;lt;/math&amp;gt; de &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
Vamos realizar a tarefa com a equação discretizada de Langevin comentada acima. Por razões de simplificação, discutiremos essa abordagem com a forma &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) + v(x) \varepsilon + \eta_{\varepsilon}(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;v(x) \equiv −\mu \frac{dU}{dx}&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A equação da probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; pode ser derivada usando a equação de Chapman-Kolmogorov, a qual também iremos escrever em uma forma discretizada no tempo, da forma&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t + \varepsilon) = \int_{-\infty}^{+\infty} W(x,y;\varepsilon) \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é a probabilidade de que a partícula se mova para &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt;, desde que tenha começado em &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Lembrando que: para que a condição acima mova a partícula de &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; a &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, o termo de ruído deve ter apenas o valor correspondente que satisfaz a equação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x = y + v(y) \varepsilon + \eta_{\varepsilon}(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A probabilidade de &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; acima é dada a partir da distribuição de probabilidade do incremento estocástico &amp;lt;math&amp;gt;\eta{\varepsilon}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{G} (\eta \varepsilon) = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{-\eta_\varepsilon^2}{4D\varepsilon}}\right),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Assim &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é obtido como&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
W(x,y; \varepsilon) &amp;amp; = \rho_{G} (\eta_{\varepsilon} = x − y − v(y)\varepsilon) \\&lt;br /&gt;
&amp;amp; = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{−[x−y−v(y)\varepsilon]^2}{4Dε}}\right).&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Substituindo o &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; acima na equação de Chapman-Kolmogorov discretizada e expandindo o lado esquerdo para &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \partial_{t}\rho(x,t) \varepsilon = \int_{-\infty}^{+\infty} \frac{\exp\left(\frac{-[x-y-v(y) \varepsilon]^2}{4D\varepsilon}\right)}{\sqrt{4\pi D \varepsilon}} \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Como último passo agora, vamos expandir a integral do lado direito para ordenar &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;. Notamos que quando &amp;lt;math&amp;gt;\varepsilon \rightarrow 0&amp;lt;/math&amp;gt;, a Gaussiana vai para uma função delta e a integral resulta em &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; que irá se cancelar com &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; no lado esquerdo. Ao final, quando reorganizamos os termos, temos a seguinte equação denominada de Equação de Fokker-Planck&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \frac{\partial v(x) \rho(x,t)}{\partial x} + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
ou, se substituirmos &amp;lt;math&amp;gt;v(x)&amp;lt;/math&amp;gt; pelo potencial &amp;lt;math&amp;gt;v(x) = −\mu \partial U(x)/\partial x&amp;lt;/math&amp;gt;, temos que&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = \frac{\partial}{\partial x} \frac{\partial U}{\partial x} \rho(x,t) + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde, em ambos os casos, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão no movimento browniano, com valor &amp;lt;math&amp;gt;D = \mu k_B T = \frac{k_B T}{6 \pi \eta a}&amp;lt;/math&amp;gt;, cujas variáveis foram discutidas anteriormente na equação de Langevin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Esta distribuição pode ainda depender de um conjunto de &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; macrovariáveis &amp;lt;math&amp;gt;x_i&amp;lt;/math&amp;gt;, de tal maneira que o movimento browniano em questão pode ser representado por uma equação de Fokker-Planck da forma &amp;lt;ref&amp;gt;Wikipédia: Fokker-Planck Equation. URL: https://en.wikipedia.org/wiki/Fokker-Planck_equation.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \left[\sum_{i=1}^{N} \frac{\partial}{\partial x_{i}} D_{i}^{1} (x_{1},...,x_{N}) + \sum_{i=1}^{N} \sum_{j=1}^{N} \frac{\partial^2}{\partial x_{i} \partial x_{j}} D_{ij}^{2} (x_{i},...,x_{N})\right]\rho,&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;D^1&amp;lt;/math&amp;gt; é o termo que é dado por um vetor e &amp;lt;math&amp;gt;D^2&amp;lt;/math&amp;gt; é o termo de difusão, dado por uma matriz.&lt;br /&gt;
&lt;br /&gt;
== Exemplos: acelerador de partículas ==&lt;br /&gt;
&lt;br /&gt;
O exemplo e explicações trazidas nessa seção foram retirados do artigo: &#039;&#039;Numerical solution of two dimensional Fokker-Planck equations&#039;&#039; &amp;lt;ref&amp;gt;M.P. Zorzano, H. Mais, L. Vazquez, Numerical solution of two dimensional Fokker—Planck equations, Applied Mathematics and Computation, 1999, https://doi.org/10.1016/S0096-3003(97)10161-8.&amp;lt;/ref&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Uma aplicação amplamente utilizada para a equação de Fokker-Planck como uma Equação Diferencial Estocástica (&#039;&#039;Stochastic Differential Equations&#039;&#039;, SDE) é para a modelagem da dinâmica de partículas únicas em aceleradores sob influência de ruído. As fontes de ruído são, por exemplo, campos aleatórios, movimento aleatório do solo ou flutuações quânticas da radiação.&lt;br /&gt;
&lt;br /&gt;
A partir do cálculo de probabilidade fornecido pela equação de Fokker-Planck, algumas propriedades físicas de interesse são: qual é o comportamento de longo prazo da dinâmica; qual a probabilidade da partícula colidir com a câmara de vácuo e então ser perdida; quais são as flutuações médias da partícula em torno da trajetória do acelerador; e qual é a evolução temporal da densidade de probabilidade?&lt;br /&gt;
&lt;br /&gt;
Para responder essas perguntas, apenas alguns casos mais específicos possuem soluções analíticas, especialmente em problemas com maior dimensionalidade. Por esse motivo, é interessante e prático estudar a equação de Fokker-Planck e os problemas relacionados a partir de métodos numéricos.&lt;br /&gt;
&lt;br /&gt;
Para esse fim, serão abordados dois exemplos: o oscilador harmônico amortecido, o qual possuí solução analítica e poderá ser usado como comparação para verificar a acurácia do método; e o problema de Duffing, oscilador não linear, com amortecimento e ruído multiplicativo e aditivo, que não apresenta solução exata.&lt;br /&gt;
&lt;br /&gt;
=== Equações ===&lt;br /&gt;
&lt;br /&gt;
As equações diferenciais típicas encontradas na física do acelerador de partícula são&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -a_1(x) - a_2(x,v) + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; é o ruído branco gaussiano e &amp;lt;math&amp;gt;\sigma&amp;lt;/math&amp;gt; é uma constante.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para o caso do oscilador harmônico amortecido e com ruído, temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -Kx - \gamma v + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\gamma&amp;lt;/math&amp;gt; também são constantes.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Já para o oscilador estocástico de Duffing, não-linear, com amortecimento, ruído multiplicativo e aditivo temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -\omega^2 \left[ \left( \alpha + \sqrt{2D_{11}}R_1(t) \right) x + \epsilon x^3 \right] - 2\tau \omega \dot{x} + \sqrt{2D_{22}}R_2(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\omega&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\alpha&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\epsilon&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D_{11}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;D_{22}&amp;lt;/math&amp;gt; são constantes dadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Escrevendo esses exemplos em termos da equação de Fokker-Planck obtemos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o primeiro caso e&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} [(a_1(x) + a_2(x,v))\rho] + \frac{1}{2}\frac{\partial^2}{\partial v^2}(2D\rho)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
a_1(x) =\omega^2x(\alpha+\epsilon x^2), \quad a_2(x,v) = 2\tau\omega v, \quad D=D_{11}\omega^4x^2+D_{22}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o segundo exemplo.&lt;br /&gt;
&lt;br /&gt;
=== Método FTCS explícito ===&lt;br /&gt;
&lt;br /&gt;
Para os fins de estudo desses casos, o método numérico mais simples para descrever a função &amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt; é a partir do FTCS (&#039;&#039;Foward Time Central Space&#039;&#039;) explícito. Como ficará mais claro a partir da discretização das equações, o método FTCS calcula o resultado de uma função no tempo seguinte em um dado ponto a partir dos valores dos &amp;quot;vizinhos&amp;quot; desse ponto. Para a técnica explícita, podemos calcular valor da função no tempo &amp;lt;math&amp;gt;n+1&amp;lt;/math&amp;gt; a partir apenas de valores já conhecidos no tempo atual &amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;. Assim, a aplicação do método se torna bem simples, contudo, perdemos precisão/estabilidade em comparação com métodos mais sofisticados.&lt;br /&gt;
&lt;br /&gt;
O primeiro passo para o método é discretizar os termos da função de interesse &amp;lt;math&amp;gt;\rho(x,v,t)&amp;lt;/math&amp;gt; nas derivadas parciais necessárias: &amp;lt;math&amp;gt;\partial/\partial x&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\partial/\partial v&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\partial^2/\partial v^2&amp;lt;/math&amp;gt;. Para isso, usamos a expansão da série de Taylor e, para melhor precisão, a derivada centrada (excluindo a derivada no tempo). Ademais, usaremos a notação dos índices para indicar os valores de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; por &amp;lt;math&amp;gt;i&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;j&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;, respectivamente.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho(x,v,t+\Delta t) - \rho(x,v,t)}{\Delta t}&lt;br /&gt;
+ \mathcal{O}(\Delta t^2)&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial x}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{1}{2}&lt;br /&gt;
\left[ &lt;br /&gt;
    \frac{\rho(x+\Delta x,v,t) - \rho(x,v,t)}{\Delta x} &lt;br /&gt;
    +&lt;br /&gt;
    \frac{\rho(x-\Delta x,v,t) - \rho(x,v,t)}{\Delta x}&lt;br /&gt;
\right]&lt;br /&gt;
+ \mathcal{O}(\Delta x^2)&lt;br /&gt;
\approx&lt;br /&gt;
\frac{\rho(x+\Delta x,v,t)-\rho(x-\Delta x,v,t)}{2 \Delta x}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i+1,j}^n + \rho_{i-1,j}^n}{2\Delta x}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial v}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{1}{2}&lt;br /&gt;
\left[ &lt;br /&gt;
    \frac{\rho(x,v+\Delta v,t) - \rho(x,v,t)}{\Delta v} &lt;br /&gt;
    +&lt;br /&gt;
    \frac{\rho(x,v,t) - \rho(x,v-\Delta v,t)}{\Delta v}&lt;br /&gt;
\right]&lt;br /&gt;
+ \mathcal{O}(\Delta v^2)&lt;br /&gt;
\approx&lt;br /&gt;
\frac{\rho(x,v+\Delta v,t)-\rho(x,v-\Delta v,t)}{2 \Delta v}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j+1}^n + \rho_{i,j-1}^n}{2\Delta v}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial^2 \rho}{\partial v^2}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho(x,v+\Delta v, t)-2\rho(x,v,t)+\rho(x,v-\Delta v,t)}{(\Delta v)^2}&lt;br /&gt;
+\mathcal{O}(\Delta v^3)&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Aplicação ===&lt;br /&gt;
&lt;br /&gt;
Com as derivadas parciais discretizadas, podemos agora reescrever as funções de Fokker-Planck para cada caso de estudo em busca do valor de &amp;lt;math&amp;gt;\rho_{i,j}^{n+1}&amp;lt;/math&amp;gt;, isto é, o valor de cada ponto no espaço &amp;lt;math&amp;gt;xv&amp;lt;/math&amp;gt; para o tempo &amp;lt;math&amp;gt;t+\Delta t&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
==== Caso 1: oscilador harmônico amortecido ====&lt;br /&gt;
&lt;br /&gt;
Primeiramente, reescrevemos a função original expandindo os termos e aplicando a regra da cadeia onde for necessário.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\frac{\partial \rho}{\partial t}&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
-\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- \frac{\partial}{\partial x}(v \rho)&lt;br /&gt;
+ \frac{\partial}{\partial v}(\gamma v + Kx)\rho&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \frac{\partial}{\partial v} (\gamma v \rho) &lt;br /&gt;
+ \frac{\partial}{\partial v} (Kx \rho)&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \gamma \rho&lt;br /&gt;
+ \gamma v \frac{\partial}{\partial v} \rho  &lt;br /&gt;
+ Kx \frac{\partial}{\partial v} \rho&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \gamma \rho&lt;br /&gt;
+ (\gamma v+Kx) \frac{\partial}{\partial v} \rho  &lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Agora, reescrevemos a mesma função substituindo as derivadas parciais e demais variáveis necessárias (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;) pelas versões discretizadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
=&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ \gamma \rho_{i,j}^n&lt;br /&gt;
+ (\gamma v +Kx^n) \left( \frac{\rho_{i,j+1}^n-\rho_{i,j-1}^n}{2\Delta v} \right)&lt;br /&gt;
+ \sigma \left( \frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2} \right)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{i,j}^{n+1}&lt;br /&gt;
=&lt;br /&gt;
\rho_{i,j}^n&lt;br /&gt;
+ \Delta t&lt;br /&gt;
\left[&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ \gamma \rho_{i,j}^n&lt;br /&gt;
+ (\gamma v +Kx^n) \left( \frac{\rho_{i,j+1}^n-\rho_{i,j-1}^n}{2\Delta v} \right)&lt;br /&gt;
+ \sigma \left( \frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2} \right)&lt;br /&gt;
\right]&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para exercício, usaremos um &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; constante de forma que apenas será necessário atualizar a variável &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; para cada passo de tempo.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x^{n+1} = x^n+v\Delta t&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Por fim, é necessário definir uma condição inicial e uma condição de contorno. Uma vez que a função descreve uma densidade de probabilidade, a literatura sugere, até para comparar com a solução analítica quando disponível, uma delta de Kronecker &amp;lt;math&amp;gt;\delta(x-x_0,v-v_0)&amp;lt;/math&amp;gt;. Assim, em uma dada coordenada $(x,v)$ no tempo $t_0$ teremos uma probabilidade 1 de encontrar a partícula. Como condição de contorno, dado que a função em um dado ponto precisa dos pontos vizinhos, indicamos que a &amp;quot;borda&amp;quot; da matriz será sempre igual a zero.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Dado essas equações, escrevemos um programa em C para gerar os dados e o gnuplot para criar o gráfico/animação. Os códigos desenvolvidos estarão disponíveis na próxima seção &amp;quot;Código desenvolvido&amp;quot;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&lt;br /&gt;
&amp;lt;li style=&amp;quot;display: inline-block;&amp;quot;&amp;gt;[[Arquivo:caso1.gif|800px|thumb|middle|Animação da evolução da probabilidade de encontrar uma partícula com dada posição &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; a partir da equação de um oscilador harmônico amortecido. Valores da animação: &amp;lt;math&amp;gt;\Delta x = 1\times 10^{-3}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\Delta v = 1\times 10^{-3}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\Delta t = 1\times 10^{-6}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;x_0=1&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;v=2&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;k=0.5&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\gamma=0.5&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\sigma=0.5&amp;lt;/math&amp;gt;.]]&amp;lt;/li&amp;gt;&lt;br /&gt;
&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A partir da referência estudada e da física do problema, é evidente que a animação apresentada está aquém do esperado. Pelos testes pelo grupo responsável por esse documento, o programa desenvolvido se mostrou muito instável e impreciso: alterações mínimas de alguns parâmetros alteravam consideravelmente o resultado observado. Esse comportamento &amp;quot;imprevisível&amp;quot; se tornou ainda evidente ao alterar o tamanho dos passos (&#039;&#039;dt&#039;&#039;, &#039;&#039;dx&#039;&#039;, &#039;&#039;dv&#039;&#039;) de forma que tanto aumentando quanto diminuindo uma ordem de grandeza a função &amp;quot;explodia&amp;quot; - isto é - crescia exponencialmente. Assim, não foi possível aumentar a resolução da &amp;quot;simulação&amp;quot;.&lt;br /&gt;
&lt;br /&gt;
Além disso, em alguns casos, a função retornava valores negativos, o que é inadequado para uma densidade de probabilidade. Ademais, a ordem de grandeza para o tempo usada na simulação desse trabalho está muito abaixo da utilizada na referência base para esse problema, mostrando que a evolução temporal pode ter algum problema. No entanto, o problema que destacamos é a falta de &amp;quot;suavidade&amp;quot; na curva gerada, tanto é que em alguns quadros é possível ver mudanças bruscas no formato da função.&lt;br /&gt;
&lt;br /&gt;
Dessa forma, apesar dos esforços da equipe, não fomos capazes - até o momento dessa edição - de encontrar a causa desses problemas. No entanto, segue algumas hipóteses que podem ser avaliadas para futuras revisões deste material:&lt;br /&gt;
&lt;br /&gt;
- Verificar as equações utilizadas para descrever os problemas e a passagem para a equação de Fokker-Planck. A literatura encontrada não apresenta os passos usados para esse cálculo e nem a referência específica para cada etapa. Assim, o grupo precisou confiar que esse artigo estava correto.&lt;br /&gt;
&lt;br /&gt;
- Verificar a discretização da função para o método FTCS explícito.&lt;br /&gt;
&lt;br /&gt;
- Verificar a estabilidade do método, pois, apesar de não ter ser comentado no material de referência, é possível que o método explícito não seja adequado para os casos estudados.&lt;br /&gt;
&lt;br /&gt;
- Verificar possíveis problemas no código, tanto o código para os dados quanto para a visualização.&lt;br /&gt;
&lt;br /&gt;
- Verificar problemas de truncamento ou erro numérico ou ainda valores inadequados para as constantes utilizadas.&lt;br /&gt;
&lt;br /&gt;
== Código desenvolvido ==&lt;br /&gt;
&lt;br /&gt;
Função auxiliar utilizada do arquivo de cabeçalho &#039;&#039;pointers.h&#039;&#039;:&lt;br /&gt;
&amp;lt;source lang=&#039;c&#039;&amp;gt;&lt;br /&gt;
double ***create_3d_double_pointer(int x, int y, int z){&lt;br /&gt;
  double ***pointer;&lt;br /&gt;
  int i, j;&lt;br /&gt;
&lt;br /&gt;
  assert((x &amp;gt; 0) &amp;amp;&amp;amp; (y &amp;gt; 0) &amp;amp;&amp;amp; (z &amp;gt; 0));&lt;br /&gt;
  pointer = (double ***)malloc(x * y * z * sizeof(double **));&lt;br /&gt;
  if (pointer == NULL){&lt;br /&gt;
    fprintf(stderr, &amp;quot;Error in routine create_3d_double_pointer\n&amp;quot;);&lt;br /&gt;
    exit(8);&lt;br /&gt;
  }&lt;br /&gt;
  else {&lt;br /&gt;
    for (i = 0; i &amp;lt; x; i++){&lt;br /&gt;
      pointer[i] = (double **)malloc(y * z * sizeof(double *));&lt;br /&gt;
      if (pointer[i] == NULL){&lt;br /&gt;
        fprintf(stderr, &amp;quot;Error in routine create_3d_double_pointer\n&amp;quot;);&lt;br /&gt;
        exit(8);&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
    for (i = 0; i &amp;lt; x; i++){&lt;br /&gt;
      for (j = 0; j &amp;lt; y; j++){&lt;br /&gt;
        pointer[i][j] = (double *)malloc(z * sizeof(double));&lt;br /&gt;
        if (pointer[i][j] == NULL){&lt;br /&gt;
          fprintf(stderr, &amp;quot;Error in routine create_3d_double_pointer\n&amp;quot;);&lt;br /&gt;
          exit(8);&lt;br /&gt;
        }&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
  }&lt;br /&gt;
  return (pointer);&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/source&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Código utilizado para gerar os dados para o &amp;quot;caso 1&amp;quot;. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;source lang=&#039;c&#039;&amp;gt;&lt;br /&gt;
#include &amp;lt;stdio.h&amp;gt;&lt;br /&gt;
#include &amp;lt;stdlib.h&amp;gt;&lt;br /&gt;
#include &amp;lt;math.h&amp;gt;&lt;br /&gt;
#include &amp;quot;pointers.h&amp;quot;&lt;br /&gt;
&lt;br /&gt;
int main(){&lt;br /&gt;
&lt;br /&gt;
  // Declara as variáveis&lt;br /&gt;
  FILE *fp;&lt;br /&gt;
  char output[50];&lt;br /&gt;
  double ***f;&lt;br /&gt;
  int i, j, k, c, Lx, Lv;&lt;br /&gt;
  double time, tmax, dt, dx, dv, v, x, K, gamma, sigma, epsilon; &lt;br /&gt;
  &lt;br /&gt;
  // Configura os valores iniciais&lt;br /&gt;
  time = 0.0;       // Tempo&lt;br /&gt;
  tmax = 0.0001;    // Tempo máximo&lt;br /&gt;
  Lx = 50;          // Quantidade de pontos em x&lt;br /&gt;
  Lv = 100;         // Quantidade de pontos em v&lt;br /&gt;
  dt = 0.000001;    // Passo em t&lt;br /&gt;
  dx = 0.001;       // Passo em x&lt;br /&gt;
  dv = 0.001;       // Passo em v&lt;br /&gt;
  x = 1;            // Posição inicial&lt;br /&gt;
  v = 2;            // Velocidade&lt;br /&gt;
  K = 0.5;          // Constante&lt;br /&gt;
  gamma = 0.5;      // Constante&lt;br /&gt;
  sigma = 0.5;      // Constante&lt;br /&gt;
  epsilon = 10E-4;  // Valor para comparação&lt;br /&gt;
&lt;br /&gt;
  // Inicializa a matriz 3D&lt;br /&gt;
  f = create_3d_double_pointer(Lx, Lv, 2);&lt;br /&gt;
  // Todos os pontos com valores zero&lt;br /&gt;
  for (i=0; i&amp;lt;Lx; i++){&lt;br /&gt;
    for (j=0; j&amp;lt;Lv; j++){&lt;br /&gt;
      for (k=0; k&amp;lt;2; k++){&lt;br /&gt;
        f[i][j][k] = 0.0;&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
  }&lt;br /&gt;
&lt;br /&gt;
  // Condição inicial&lt;br /&gt;
  f[Lx/2][Lv/2][0] = 1.0;&lt;br /&gt;
&lt;br /&gt;
  // Arquivo para output&lt;br /&gt;
  sprintf(output, &amp;quot;caso1.dat&amp;quot;);&lt;br /&gt;
  fp = fopen(output, &amp;quot;w&amp;quot;);&lt;br /&gt;
&lt;br /&gt;
  c = 0;&lt;br /&gt;
  // Loop da &amp;quot;simulação&amp;quot;&lt;br /&gt;
  while (time&amp;lt;tmax){&lt;br /&gt;
    for (i=1; i&amp;lt;(Lx-1); i++){&lt;br /&gt;
      for (j=1; j&amp;lt;(Lv-1); j++){&lt;br /&gt;
        // Atualiza a probabilidade&lt;br /&gt;
        f[i][j][1-c] = f[i][j][c]+dt*(-v*(f[i+1][j][c]-f[i-1][j][c])/(2*dx)+gamma*f[i][j][c]+(gamma*v+K*x)*(f[i][j+1][c]-f[i][j-1][c])/(2*dv)+sigma*(f[i][j+1][c]-2*f[i][j][c]+f[i][j-1][c])/(dv*dv));&lt;br /&gt;
        // Salva o resultado em arquivo&lt;br /&gt;
        if (fabs(f[i][j][1-c]) &amp;gt; epsilon){&lt;br /&gt;
          fprintf(fp, &amp;quot;%f %f %f\n&amp;quot;, (double)(i-Lx/2)*dx+x, (double)(j-Lv/2)*dv+v, f[i][j][1-c]);&lt;br /&gt;
        }&lt;br /&gt;
      }&lt;br /&gt;
      // Adiciona linha em branco (arquivo XYZ - gnuplot)&lt;br /&gt;
      if (fabs(f[i][j][1-c]) &amp;gt; epsilon){&lt;br /&gt;
        fprintf(fp, &amp;quot;\n&amp;quot;);&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
    // Atualiza a posição&lt;br /&gt;
    x = x + v*dt;&lt;br /&gt;
    c = 1 - c;&lt;br /&gt;
    // Adiciona duas linhas em branco (animação - gnuplot)&lt;br /&gt;
    fprintf(fp, &amp;quot;\n\n&amp;quot;);&lt;br /&gt;
    time += dt;&lt;br /&gt;
  }&lt;br /&gt;
&lt;br /&gt;
  fclose(fp); // Fecha arquivo&lt;br /&gt;
  free(f);    // Libera ponteiro&lt;br /&gt;
&lt;br /&gt;
  return 0;&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/source&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Código utilizado no gnuplot para gerar a animação.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;source lang=&#039;gnuplot&#039;&amp;gt;&lt;br /&gt;
# Limpa configurações anteriores&lt;br /&gt;
unset xrange&lt;br /&gt;
unset yrange&lt;br /&gt;
unset zrange&lt;br /&gt;
&lt;br /&gt;
# Gera estatísticas dos dados&lt;br /&gt;
stats &amp;quot;caso1.dat&amp;quot; name &amp;quot;A&amp;quot;&lt;br /&gt;
&lt;br /&gt;
# Estilo para gráfico&lt;br /&gt;
set dgrid3d&lt;br /&gt;
&lt;br /&gt;
# Ponto de vista&lt;br /&gt;
set view 60, 30, 1, 1&lt;br /&gt;
&lt;br /&gt;
# Configura o range do plot&lt;br /&gt;
set xrange [A_min_x:A_max_x]&lt;br /&gt;
set yrange [A_min_y:A_max_y]&lt;br /&gt;
set zrange [0:1]&lt;br /&gt;
&lt;br /&gt;
# Formato de saída&lt;br /&gt;
set term gif animate delay 25 background &amp;quot;#212121&amp;quot; enhanced font &amp;quot;Arial,10&amp;quot; fontscale 1.0 size 800, 550&lt;br /&gt;
&lt;br /&gt;
set title &amp;quot;Partícula em acelerador:\noscilador harmônico amortecido&amp;quot; offset character 0, -3 font &amp;quot;Oswald,28&amp;quot; tc rgb &amp;quot;white&amp;quot;&lt;br /&gt;
set xlabel &amp;quot;Posição (x)&amp;quot; offset character -2, -2 font &amp;quot;,18&amp;quot; tc rgb &amp;quot;white&amp;quot; rotate by -9&lt;br /&gt;
set ylabel &amp;quot;Velocidade (v)&amp;quot; offset character -3, -3 font &amp;quot;,18&amp;quot; tc rgb &amp;quot;white&amp;quot; rotate parallel&lt;br /&gt;
set zlabel &amp;quot;Densidade de probabilidade&amp;quot; offset character -1.5, -1.5 font &amp;quot;,18&amp;quot; tc rgb &amp;quot;white&amp;quot; rotate parallel&lt;br /&gt;
&lt;br /&gt;
set tics tc rgb &amp;quot;white&amp;quot; offset character -1, -1&lt;br /&gt;
set border lc rgb &amp;quot;white&amp;quot;&lt;br /&gt;
&lt;br /&gt;
set output &amp;quot;caso1.gif&amp;quot;&lt;br /&gt;
&lt;br /&gt;
do for [i=0:int(A_blocks-1)] {  &lt;br /&gt;
    splot &#039;caso1.dat&#039; index i with pm3d notitle&lt;br /&gt;
    }&lt;br /&gt;
&amp;lt;/source&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Referências ==&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6991</id>
		<title>Equação de Fokker-Planck</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6991"/>
		<updated>2022-03-05T23:31:59Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: /* Caso 1: oscilador harmônico amortecido */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&#039;&#039;&#039;Grupo: Álison Soares, Rodrigo Avancini Lara e Samuel Huff Dieterich&#039;&#039;&#039;&lt;br /&gt;
&lt;br /&gt;
A equação de Fokker-Planck foi aplicada em primeiro modo em problemas relacionados ao movimento Browniano, como veremos à seguir. Nesse caso, lidando com flutuações originadas de vários pequenos distúrbios, as partículas de interesse se chocavam com as moléculas do meio, provocando uma trajetória imprevisível. Por conta dessas flutuações, é impossível determinar a posição exata dessas partículas. Porém, é possível determinar a probabilidade de encontrá-las em determinada região.&lt;br /&gt;
&lt;br /&gt;
Esta equação pode ser obtida a partir da equação de Langevin e fornece a probabilidade de encontrar determinada partícula em uma posição &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; em certo instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Além disso, no presente trabalho temos como objetivo estudar as soluções analítica e numérica da equação para um dado exemplo, através do método FTCS explícito.&lt;br /&gt;
&lt;br /&gt;
== Introdução ==&lt;br /&gt;
&lt;br /&gt;
=== Movimento browniano ===&lt;br /&gt;
&lt;br /&gt;
O movimento browniano foi descoberto pelo botanista Robert Brown, em 1827. Durante seu estudo sobre vida microscópica, ele percebeu pequenas partículas de pólen de plantas se movendo de maneira aleatória no líquido que ele estava estudando e, notando que se tratava de partículas de sujeira, e não seres vivos, chegou a conclusão que era um fenômeno físico, e não biológico, que causava este movimento. &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Posteriormente, foi provado que este fenômeno se dava pelos efeitos do movimento molecular. Em um meio com uma temperatura qualquer &amp;lt;math&amp;gt; &amp;gt;0K &amp;lt;/math&amp;gt;, há vibração e movimento molecular. Embora haja conservacão de energia, quando a partícula interage com as moléculas do meio, a energia cinética desta partícula se altera (assim como a das moléculas). Contudo, a soma destas energias é a energia interna do fluido, como descreve o Teorema da Equiparação. &amp;lt;ref name=&amp;gt;The Equipartition Theorem, University of Oxford. URL: http://vallance.chem.ox.ac.uk/pdfs/Equipartition.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Em 1905, Albert Einstein propôs uma teoria para descrever tal movimento matematicamente. Primeiramente, ele se propôs a descrever o quão longe uma partícula browniana se desloca em um determinado intervalo de tempo. Como a partícula está sujeita a &amp;lt;math&amp;gt;10^{14}&amp;lt;/math&amp;gt; colisões por segundo (provindas das moléculas do meio), a mecânica clássica é incapaz de resolver este sistema &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Stachel, J., et al.; The Collected Papers of Albert Einstein, 1989, Princeton University Press. URL: http://users.physik.fu-berlin.de/~kleinert/files/eins_brownian.pdf.&amp;lt;/ref&amp;gt;.  Para resolver este problema, ele abordou o problema pela ótica da mecânica estatística. &lt;br /&gt;
&lt;br /&gt;
Inicialmente, ele considerou o incremento da posição da partícula num espaço unidimensional (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;), num determinado intervalo de tempo (&amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;). Considerando que existe uma probabilidade aleatória da partícula se mover dentro do intervalo &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, ele definiu uma função para a densidade de probabilidade (&amp;lt;math&amp;gt;\varphi(\Delta x)&amp;lt;/math&amp;gt;). Sabendo que o número de partículas é constante dentro do meio, ele expandiu a densidade (&amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt;) deste em uma série de Taylor:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \tau \left(\frac{\partial \rho(x,t)}{\partial t}\right) + \dots = \rho(x, t+\tau)&lt;br /&gt;
=\int_{-\infty}^{+\infty} \rho(x+\Delta x, t) \cdot \varphi(\Delta x) d\Delta x &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
que é, por definição, &amp;lt;math&amp;gt;\varphi&amp;lt;/math&amp;gt;. Continuando, &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
=\rho(x,t) \cdot \int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x + \frac{\partial \rho}{\partial x} \cdot \int_{-\infty}^{+\infty} \Delta x \cdot \varphi(\Delta x) d \Delta x + \frac{\partial^2\rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \dots.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Pela definição da probabilidade,&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x=1&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
e as integrais dos termos pares da série são nulos devido à simetria do espaço. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Temos então,&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\rho(x, t+\tau)&lt;br /&gt;
&amp;amp; = \rho(x,t) \cdot 1 + 0 + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots&lt;br /&gt;
\\&lt;br /&gt;
&amp;amp; = \rho(x,t) + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots.&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Esta equação nos leva à igualdade&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} =  \frac{\partial^2\rho}{\partial x^2} \cdot \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \mathcal{O}.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Podemos interpretar a integral como o coeficiente de difusão &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
D = \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
O que nos dá a equação da difusão&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} = D \frac{\partial^2\rho}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Equação de Langevin ===&lt;br /&gt;
&lt;br /&gt;
Em 1908, 3 anos após os estudos de Albert Einstein em processos aleatórios e movimento aleatório, Paul Langevin (1872-1946) apresentou um novo método para o movimento browniano que - segundo Langevin - era &amp;quot;infinitamente mais simples&amp;quot; que a solução proposta por Einstein. &amp;lt;ref name=Langevin_original&amp;gt;P. Langevin, &amp;quot;Sur la théorie de mouvement Brownien&amp;quot; C.R. Acad. Sci. Paris , 146 (1908) pp. 530–533, https://www.physik.uni-augsburg.de/theo1/hanggi/History/Langevin1908.pdf.&amp;lt;/ref&amp;gt;&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;&lt;br /&gt;
Para interpretar o movimento browniano, Einstein derivou e resolveu uma equação diferencial parcial descrevendo a evolução temporal da densidade de probabilidade para a partícula. Já Langevin aplicou a segunda lei de Newton na forma diferencial para essa partícula.&lt;br /&gt;
&lt;br /&gt;
Para uma partícula browniana de massa &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; em um líquido com viscosidade &amp;lt;math&amp;gt;\eta&amp;lt;/math&amp;gt;, existem duas forças que agem sobre o seu movimento&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
1. Arrasto pela viscosidade.&lt;br /&gt;
2. Força de flutuação.&lt;br /&gt;
&lt;br /&gt;
Considerando que a partícula é relativamente grande em comparação com as distâncias médias entre as moléculas do líquido e esta se movimento nesse meio com velocidade &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt;, experimenta uma resistência pela viscosidade. Essa força é descrita pela Lei de Stokes que, para uma partícula esférica com diâmetro &amp;lt;math&amp;gt;a&amp;lt;/math&amp;gt;, corresponde a &amp;lt;math&amp;gt;-6\pi\eta a \ dx/dt&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
A segunda força foi proposta por Langevin para descrever o efeito de constantes impactos das moléculas do líquido sobre as partículas de estudo. Assim, como essa força possui uma origem aleatório, esta deveria ser positiva ou negativa de maneira equiprovável e cuja magnitude fosse suficiente para manter a agitação da partícula. Caso contrário, a viscosidade iria parar o movimento dessa partícula.&lt;br /&gt;
&lt;br /&gt;
Com isso, a equação que descreve o movimento a partir da posição da partícula - em 1D na direção &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; - é dado pela Lei de Newton como:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin representando as flutuações de pressão devido ao movimento térmico das moléculas que compõem o líquido. &amp;lt;ref&amp;gt;Langevin equation. Encyclopedia of Mathematics. URL: http://encyclopediaofmath.org/index.php?title=Langevin_equation&amp;amp;oldid=47575.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Essa equação é conhecida como a equação de Langevin e foi o primeiro exemplo de equação diferencial estocástica, isto é, uma equação diferencial com um termo, &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; nesse caso, cuja solução em algum sentido também é uma função aleatória &amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;. Essa função foi desenvolvida para possuir as seguintes propriedades:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\langle R(t) \rangle = 0&lt;br /&gt;
\qquad&lt;br /&gt;
\langle R(t) R(t&#039;) \rangle = D \cdot \delta(t-t&#039;)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\langle f \rangle&amp;lt;/math&amp;gt; descreve o valor médio ou esperado de uma função &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão e &amp;lt;math&amp;gt;\delta&amp;lt;/math&amp;gt; é a função delta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A primeira propriedade afirma que o movimento é aleatório de forma que não existe nenhuma tendência de sentido para a partícula se locomover. Assim, é dito que &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; se trata de um ruído branco gaussiano. Já a segunda propriedade mostra que a força em um dado tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; é descorrelacionada de uma força para qualquer outro tempo &amp;lt;math&amp;gt;t&#039;&amp;lt;/math&amp;gt; (propriedade de Markov). &amp;lt;ref&amp;gt;Wikipédia: Langevin equation. URL: https://en.wikipedia.org/wiki/Langevin_equation.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Dedução da equação de Fokker-Planck ===&lt;br /&gt;
&lt;br /&gt;
Para a dedução foi utilizado a seguinte referência como base: &#039;&#039;From Langevin to Fokker-Planck equation&#039;&#039;.&amp;lt;ref&amp;gt;From Langevin to Fokker-Planck equation. URL: http://cgl.elte.hu/~racz/Stoch-diff-eq.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Como vimos anteriormente, o movimento browniano pode ser descrito pela equação de Langevin, a qual podemos resolver sem nenhum problema. Contudo, alternativamente, podemos fazer uso da equação de Fokker-Planck e considerar uma densidade de probabilidade em relação a posição e o tempo, levando em conta diferentes perturbações estocásticas. Para isso, iremos agora deduzir essa equação, a partir da analise de Langevin.&lt;br /&gt;
&lt;br /&gt;
A descrição do movimento browniano foi anteriormente tratada em termos da equação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para o nosso propósito, realizaremos uma abordagem mais direta e geral, assumindo a equação de Langevin através de um potencial &amp;lt;math&amp;gt;U(x)&amp;lt;/math&amp;gt;, nos deixando com a seguinte expressão:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{dx}{dt} = -\mu \frac{dU}{dx} + \eta(t),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\mu=\frac{1}{6\pi\eta a}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\eta(t) = \mu R(t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Contudo, para entender as equações diferenciais estocásticas, precisamos discretizar as equações para posteriormente aplicar os métodos numéricos. Temos que o sistema de discretização mais simples possível nos leva ao valor de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt; a partir da interação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) - \mu\frac{dU}{dx}\varepsilon + \eta_\varepsilon(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A tarefa é compreender como o agora ruído gaussiano &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; afeta esse sistema discretizado. Para isso, escreveremos a evolução temporal da distribuição de probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; definida como a probabilidade da partícula estar em &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Então, deve-se olhar para o limite &amp;lt;math&amp;gt;t \rightarrow \infty&amp;lt;/math&amp;gt; de &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
Vamos realizar a tarefa com a equação discretizada de Langevin comentada acima. Por razões de simplificação, discutiremos essa abordagem com a forma &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) + v(x) \varepsilon + \eta_{\varepsilon}(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;v(x) \equiv −\mu \frac{dU}{dx}&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A equação da probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; pode ser derivada usando a equação de Chapman-Kolmogorov, a qual também iremos escrever em uma forma discretizada no tempo, da forma&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t + \varepsilon) = \int_{-\infty}^{+\infty} W(x,y;\varepsilon) \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é a probabilidade de que a partícula se mova para &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt;, desde que tenha começado em &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Lembrando que: para que a condição acima mova a partícula de &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; a &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, o termo de ruído deve ter apenas o valor correspondente que satisfaz a equação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x = y + v(y) \varepsilon + \eta_{\varepsilon}(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A probabilidade de &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; acima é dada a partir da distribuição de probabilidade do incremento estocástico &amp;lt;math&amp;gt;\eta{\varepsilon}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{G} (\eta \varepsilon) = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{-\eta_\varepsilon^2}{4D\varepsilon}}\right),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Assim &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é obtido como&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
W(x,y; \varepsilon) &amp;amp; = \rho_{G} (\eta_{\varepsilon} = x − y − v(y)\varepsilon) \\&lt;br /&gt;
&amp;amp; = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{−[x−y−v(y)\varepsilon]^2}{4Dε}}\right).&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Substituindo o &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; acima na equação de Chapman-Kolmogorov discretizada e expandindo o lado esquerdo para &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \partial_{t}\rho(x,t) \varepsilon = \int_{-\infty}^{+\infty} \frac{\exp\left(\frac{-[x-y-v(y) \varepsilon]^2}{4D\varepsilon}\right)}{\sqrt{4\pi D \varepsilon}} \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Como último passo agora, vamos expandir a integral do lado direito para ordenar &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;. Notamos que quando &amp;lt;math&amp;gt;\varepsilon \rightarrow 0&amp;lt;/math&amp;gt;, a Gaussiana vai para uma função delta e a integral resulta em &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; que irá se cancelar com &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; no lado esquerdo. Ao final, quando reorganizamos os termos, temos a seguinte equação denominada de Equação de Fokker-Planck&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \frac{\partial v(x) \rho(x,t)}{\partial x} + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
ou, se substituirmos &amp;lt;math&amp;gt;v(x)&amp;lt;/math&amp;gt; pelo potencial &amp;lt;math&amp;gt;v(x) = −\mu \partial U(x)/\partial x&amp;lt;/math&amp;gt;, temos que&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = \frac{\partial}{\partial x} \frac{\partial U}{\partial x} \rho(x,t) + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde, em ambos os casos, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão no movimento browniano, com valor &amp;lt;math&amp;gt;D = \mu k_B T = \frac{k_B T}{6 \pi \eta a}&amp;lt;/math&amp;gt;, cujas variáveis foram discutidas anteriormente na equação de Langevin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Esta distribuição pode ainda depender de um conjunto de &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; macrovariáveis &amp;lt;math&amp;gt;x_i&amp;lt;/math&amp;gt;, de tal maneira que o movimento browniano em questão pode ser representado por uma equação de Fokker-Planck da forma &amp;lt;ref&amp;gt;Wikipédia: Fokker-Planck Equation. URL: https://en.wikipedia.org/wiki/Fokker-Planck_equation.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \left[\sum_{i=1}^{N} \frac{\partial}{\partial x_{i}} D_{i}^{1} (x_{1},...,x_{N}) + \sum_{i=1}^{N} \sum_{j=1}^{N} \frac{\partial^2}{\partial x_{i} \partial x_{j}} D_{ij}^{2} (x_{i},...,x_{N})\right]\rho,&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;D^1&amp;lt;/math&amp;gt; é o termo que é dado por um vetor e &amp;lt;math&amp;gt;D^2&amp;lt;/math&amp;gt; é o termo de difusão, dado por uma matriz.&lt;br /&gt;
&lt;br /&gt;
== Exemplos: acelerador de partículas ==&lt;br /&gt;
&lt;br /&gt;
O exemplo e explicações trazidas nessa seção foram retirados do artigo: &#039;&#039;Numerical solution of two dimensional Fokker-Planck equations&#039;&#039; &amp;lt;ref&amp;gt;M.P. Zorzano, H. Mais, L. Vazquez, Numerical solution of two dimensional Fokker—Planck equations, Applied Mathematics and Computation, 1999, https://doi.org/10.1016/S0096-3003(97)10161-8.&amp;lt;/ref&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Uma aplicação amplamente utilizada para a equação de Fokker-Planck como uma Equação Diferencial Estocástica (&#039;&#039;Stochastic Differential Equations&#039;&#039;, SDE) é para a modelagem da dinâmica de partículas únicas em aceleradores sob influência de ruído. As fontes de ruído são, por exemplo, campos aleatórios, movimento aleatório do solo ou flutuações quânticas da radiação.&lt;br /&gt;
&lt;br /&gt;
A partir do cálculo de probabilidade fornecido pela equação de Fokker-Planck, algumas propriedades físicas de interesse são: qual é o comportamento de longo prazo da dinâmica; qual a probabilidade da partícula colidir com a câmara de vácuo e então ser perdida; quais são as flutuações médias da partícula em torno da trajetória do acelerador; e qual é a evolução temporal da densidade de probabilidade?&lt;br /&gt;
&lt;br /&gt;
Para responder essas perguntas, apenas alguns casos mais específicos possuem soluções analíticas, especialmente em problemas com maior dimensionalidade. Por esse motivo, é interessante e prático estudar a equação de Fokker-Planck e os problemas relacionados a partir de métodos numéricos.&lt;br /&gt;
&lt;br /&gt;
Para esse fim, serão abordados dois exemplos: o oscilador harmônico amortecido, o qual possuí solução analítica e poderá ser usado como comparação para verificar a acurácia do método; e o problema de Duffing, oscilador não linear, com amortecimento e ruído multiplicativo e aditivo, que não apresenta solução exata.&lt;br /&gt;
&lt;br /&gt;
=== Equações ===&lt;br /&gt;
&lt;br /&gt;
As equações diferenciais típicas encontradas na física do acelerador de partícula são&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -a_1(x) - a_2(x,v) + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; é o ruído branco gaussiano e &amp;lt;math&amp;gt;\sigma&amp;lt;/math&amp;gt; é uma constante.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para o caso do oscilador harmônico amortecido e com ruído, temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -Kx - \gamma v + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\gamma&amp;lt;/math&amp;gt; também são constantes.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Já para o oscilador estocástico de Duffing, não-linear, com amortecimento, ruído multiplicativo e aditivo temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -\omega^2 \left[ \left( \alpha + \sqrt{2D_{11}}R_1(t) \right) x + \epsilon x^3 \right] - 2\tau \omega \dot{x} + \sqrt{2D_{22}}R_2(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\omega&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\alpha&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\epsilon&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D_{11}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;D_{22}&amp;lt;/math&amp;gt; são constantes dadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Escrevendo esses exemplos em termos da equação de Fokker-Planck obtemos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o primeiro caso e&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} [(a_1(x) + a_2(x,v))\rho] + \frac{1}{2}\frac{\partial^2}{\partial v^2}(2D\rho)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
a_1(x) =\omega^2x(\alpha+\epsilon x^2), \quad a_2(x,v) = 2\tau\omega v, \quad D=D_{11}\omega^4x^2+D_{22}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o segundo exemplo.&lt;br /&gt;
&lt;br /&gt;
=== Método FTCS explícito ===&lt;br /&gt;
&lt;br /&gt;
Para os fins de estudo desses casos, o método numérico mais simples para descrever a função &amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt; é a partir do FTCS (&#039;&#039;Foward Time Central Space&#039;&#039;) explícito. Como ficará mais claro a partir da discretização das equações, o método FTCS calcula o resultado de uma função no tempo seguinte em um dado ponto a partir dos valores dos &amp;quot;vizinhos&amp;quot; desse ponto. Para a técnica explícita, podemos calcular valor da função no tempo &amp;lt;math&amp;gt;n+1&amp;lt;/math&amp;gt; a partir apenas de valores já conhecidos no tempo atual &amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;. Assim, a aplicação do método se torna bem simples, contudo, perdemos precisão/estabilidade em comparação com métodos mais sofisticados.&lt;br /&gt;
&lt;br /&gt;
O primeiro passo para o método é discretizar os termos da função de interesse &amp;lt;math&amp;gt;\rho(x,v,t)&amp;lt;/math&amp;gt; nas derivadas parciais necessárias: &amp;lt;math&amp;gt;\partial/\partial x&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\partial/\partial v&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\partial^2/\partial v^2&amp;lt;/math&amp;gt;. Para isso, usamos a expansão da série de Taylor e, para melhor precisão, a derivada centrada (excluindo a derivada no tempo). Ademais, usaremos a notação dos índices para indicar os valores de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; por &amp;lt;math&amp;gt;i&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;j&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;, respectivamente.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho(x,v,t+\Delta t) - \rho(x,v,t)}{\Delta t}&lt;br /&gt;
+ \mathcal{O}(\Delta t^2)&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial x}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{1}{2}&lt;br /&gt;
\left[ &lt;br /&gt;
    \frac{\rho(x+\Delta x,v,t) - \rho(x,v,t)}{\Delta x} &lt;br /&gt;
    +&lt;br /&gt;
    \frac{\rho(x-\Delta x,v,t) - \rho(x,v,t)}{\Delta x}&lt;br /&gt;
\right]&lt;br /&gt;
+ \mathcal{O}(\Delta x^2)&lt;br /&gt;
\approx&lt;br /&gt;
\frac{\rho(x+\Delta x,v,t)-\rho(x-\Delta x,v,t)}{2 \Delta x}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i+1,j}^n + \rho_{i-1,j}^n}{2\Delta x}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial v}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{1}{2}&lt;br /&gt;
\left[ &lt;br /&gt;
    \frac{\rho(x,v+\Delta v,t) - \rho(x,v,t)}{\Delta v} &lt;br /&gt;
    +&lt;br /&gt;
    \frac{\rho(x,v,t) - \rho(x,v-\Delta v,t)}{\Delta v}&lt;br /&gt;
\right]&lt;br /&gt;
+ \mathcal{O}(\Delta v^2)&lt;br /&gt;
\approx&lt;br /&gt;
\frac{\rho(x,v+\Delta v,t)-\rho(x,v-\Delta v,t)}{2 \Delta v}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j+1}^n + \rho_{i,j-1}^n}{2\Delta v}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial^2 \rho}{\partial v^2}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho(x,v+\Delta v, t)-2\rho(x,v,t)+\rho(x,v-\Delta v,t)}{(\Delta v)^2}&lt;br /&gt;
+\mathcal{O}(\Delta v^3)&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Aplicação ===&lt;br /&gt;
&lt;br /&gt;
Com as derivadas parciais discretizadas, podemos agora reescrever as funções de Fokker-Planck para cada caso de estudo em busca do valor de &amp;lt;math&amp;gt;\rho_{i,j}^{n+1}&amp;lt;/math&amp;gt;, isto é, o valor de cada ponto no espaço &amp;lt;math&amp;gt;xv&amp;lt;/math&amp;gt; para o tempo &amp;lt;math&amp;gt;t+\Delta t&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
==== Caso 1: oscilador harmônico amortecido ====&lt;br /&gt;
&lt;br /&gt;
Primeiramente, reescrevemos a função original expandindo os termos e aplicando a regra da cadeia onde for necessário.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\frac{\partial \rho}{\partial t}&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
-\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- \frac{\partial}{\partial x}(v \rho)&lt;br /&gt;
+ \frac{\partial}{\partial v}(\gamma v + Kx)\rho&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \frac{\partial}{\partial v} (\gamma v \rho) &lt;br /&gt;
+ \frac{\partial}{\partial v} (Kx \rho)&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \gamma \rho&lt;br /&gt;
+ \gamma v \frac{\partial}{\partial v} \rho  &lt;br /&gt;
+ Kx \frac{\partial}{\partial v} \rho&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \gamma \rho&lt;br /&gt;
+ (\gamma v+Kx) \frac{\partial}{\partial v} \rho  &lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Agora, reescrevemos a mesma função substituindo as derivadas parciais e demais variáveis necessárias (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;) pelas versões discretizadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
=&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ \gamma \rho_{i,j}^n&lt;br /&gt;
+ (\gamma v +Kx^n) \left( \frac{\rho_{i,j+1}^n-\rho_{i,j-1}^n}{2\Delta v} \right)&lt;br /&gt;
+ \sigma \left( \frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2} \right)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{i,j}^{n+1}&lt;br /&gt;
=&lt;br /&gt;
\rho_{i,j}^n&lt;br /&gt;
+ \Delta t&lt;br /&gt;
\left[&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ \gamma \rho_{i,j}^n&lt;br /&gt;
+ (\gamma v +Kx^n) \left( \frac{\rho_{i,j+1}^n-\rho_{i,j-1}^n}{2\Delta v} \right)&lt;br /&gt;
+ \sigma \left( \frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2} \right)&lt;br /&gt;
\right]&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para exercício, usaremos um &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; constante de forma que apenas será necessário atualizar a variável &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; para cada passo de tempo.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x^{n+1} = x^n+v\Delta t&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Dado essas equações, escrevemos um programa em C para gerar os dados e o gnuplot para criar o gráfico/animação. Os códigos desenvolvidos estarão disponíveis na próxima seção &amp;quot;Código desenvolvido&amp;quot;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&lt;br /&gt;
&amp;lt;li style=&amp;quot;display: inline-block;&amp;quot;&amp;gt;[[Arquivo:caso1.gif|800px|thumb|middle|Animação da evolução da probabilidade de encontrar uma partícula com dada posição &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; a partir da equação de um oscilador harmônico amortecido. Valores da animação: &amp;lt;math&amp;gt;\Delta x = 1\times 10^{-3}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\Delta v = 1\times 10^{-3}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\Delta t = 1\times 10^{-6}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;x_0=1&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;v=2&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;k=0.5&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\gamma=0.5&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\sigma=0.5&amp;lt;/math&amp;gt;.]]&amp;lt;/li&amp;gt;&lt;br /&gt;
&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A partir da referência estudada e da física do problema, é evidente que a animação apresentada está aquém do esperado. Pelos testes do grupo responsável por esse documento, o programa desenvolvido se mostrou muito instável e impreciso: a alteração mínima de alguns parâmetros alterava muito o resultado observado. Esse comportamento imprevisível se tornou evidente ao alterar o tamanho dos passos (&#039;&#039;dt&#039;&#039;, &#039;&#039;dx&#039;&#039;, &#039;&#039;dv&#039;&#039;) de forma que tanto aumentando quanto diminuindo uma ordem de grandeza a função &amp;quot;explodia&amp;quot;. Assim, não foi possível aumentar a resolução da &amp;quot;simulação&amp;quot;. &lt;br /&gt;
&lt;br /&gt;
Além disso, em alguns casos, a função retornava valores negativos, o que é inadequado para uma densidade de probabilidade. Ademais, a ordem de grandeza para o tempo usada na simulação desse trabalho está muito abaixo da utilizada na referência base para esse problema, mostrando que a evolução temporal pode ter algum problema. No entanto, o problema que destacamos é a falta de &amp;quot;suavidade&amp;quot; na curva gerada, tanto é que em alguns quadros é possível ver mudanças bruscas no formato da função.&lt;br /&gt;
&lt;br /&gt;
Dessa forma, apesar dos esforços do grupo, não foi capaz até o momento dessa edição de encontrar a causa desses problemas. No entanto, segue algumas hipóteses que podem ser avaliadas para futuras revisões desse material:&lt;br /&gt;
&lt;br /&gt;
- Verificar as equações utilizadas para descrever os problemas e a passagem para a equação de Fokker-Planck. A literatura encontrada não apresenta os passos usados para esse cálculo e nem a referência específica para cada etapa. Assim, o grupo precisou confiar que esse artigo estava correto.&lt;br /&gt;
&lt;br /&gt;
- Verificar a discretização da função para o método FTCS explícito.&lt;br /&gt;
&lt;br /&gt;
- Verificar a estabilidade do método, pois, apesar de não ter ser comentado no material de referência, é possível que o método explícito não seja adequado para os casos estudados.&lt;br /&gt;
&lt;br /&gt;
- verificar possíveis problemas no código, tanto o código para os dados quanto para a visualização.&lt;br /&gt;
&lt;br /&gt;
== Código desenvolvido ==&lt;br /&gt;
&lt;br /&gt;
Função auxiliar utilizada do arquivo de cabeçalho &#039;&#039;pointers.h&#039;&#039;:&lt;br /&gt;
&amp;lt;source lang=&#039;c&#039;&amp;gt;&lt;br /&gt;
double ***create_3d_double_pointer(int x, int y, int z){&lt;br /&gt;
  double ***pointer;&lt;br /&gt;
  int i, j;&lt;br /&gt;
&lt;br /&gt;
  assert((x &amp;gt; 0) &amp;amp;&amp;amp; (y &amp;gt; 0) &amp;amp;&amp;amp; (z &amp;gt; 0));&lt;br /&gt;
  pointer = (double ***)malloc(x * y * z * sizeof(double **));&lt;br /&gt;
  if (pointer == NULL){&lt;br /&gt;
    fprintf(stderr, &amp;quot;Error in routine create_3d_double_pointer\n&amp;quot;);&lt;br /&gt;
    exit(8);&lt;br /&gt;
  }&lt;br /&gt;
  else {&lt;br /&gt;
    for (i = 0; i &amp;lt; x; i++){&lt;br /&gt;
      pointer[i] = (double **)malloc(y * z * sizeof(double *));&lt;br /&gt;
      if (pointer[i] == NULL){&lt;br /&gt;
        fprintf(stderr, &amp;quot;Error in routine create_3d_double_pointer\n&amp;quot;);&lt;br /&gt;
        exit(8);&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
    for (i = 0; i &amp;lt; x; i++){&lt;br /&gt;
      for (j = 0; j &amp;lt; y; j++){&lt;br /&gt;
        pointer[i][j] = (double *)malloc(z * sizeof(double));&lt;br /&gt;
        if (pointer[i][j] == NULL){&lt;br /&gt;
          fprintf(stderr, &amp;quot;Error in routine create_3d_double_pointer\n&amp;quot;);&lt;br /&gt;
          exit(8);&lt;br /&gt;
        }&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
  }&lt;br /&gt;
  return (pointer);&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/source&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Código utilizado para gerar os dados para o &amp;quot;caso 1&amp;quot;. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;source lang=&#039;c&#039;&amp;gt;&lt;br /&gt;
#include &amp;lt;stdio.h&amp;gt;&lt;br /&gt;
#include &amp;lt;stdlib.h&amp;gt;&lt;br /&gt;
#include &amp;lt;math.h&amp;gt;&lt;br /&gt;
#include &amp;quot;pointers.h&amp;quot;&lt;br /&gt;
&lt;br /&gt;
int main(){&lt;br /&gt;
&lt;br /&gt;
  // Declara as variáveis&lt;br /&gt;
  FILE *fp;&lt;br /&gt;
  char output[50];&lt;br /&gt;
  double ***f;&lt;br /&gt;
  int i, j, k, c, Lx, Lv;&lt;br /&gt;
  double time, tmax, dt, dx, dv, v, x, K, gamma, sigma, epsilon; &lt;br /&gt;
  &lt;br /&gt;
  // Configura os valores iniciais&lt;br /&gt;
  time = 0.0;       // Tempo&lt;br /&gt;
  tmax = 0.0001;    // Tempo máximo&lt;br /&gt;
  Lx = 50;          // Quantidade de pontos em x&lt;br /&gt;
  Lv = 100;         // Quantidade de pontos em v&lt;br /&gt;
  dt = 0.000001;    // Passo em t&lt;br /&gt;
  dx = 0.001;       // Passo em x&lt;br /&gt;
  dv = 0.001;       // Passo em v&lt;br /&gt;
  x = 1;            // Posição inicial&lt;br /&gt;
  v = 2;            // Velocidade&lt;br /&gt;
  K = 0.5;          // Constante&lt;br /&gt;
  gamma = 0.5;      // Constante&lt;br /&gt;
  sigma = 0.5;      // Constante&lt;br /&gt;
  epsilon = 10E-4;  // Valor para comparação&lt;br /&gt;
&lt;br /&gt;
  // Inicializa a matriz 3D&lt;br /&gt;
  f = create_3d_double_pointer(Lx, Lv, 2);&lt;br /&gt;
  // Todos os pontos com valores zero&lt;br /&gt;
  for (i=0; i&amp;lt;Lx; i++){&lt;br /&gt;
    for (j=0; j&amp;lt;Lv; j++){&lt;br /&gt;
      for (k=0; k&amp;lt;2; k++){&lt;br /&gt;
        f[i][j][k] = 0.0;&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
  }&lt;br /&gt;
&lt;br /&gt;
  // Condição inicial&lt;br /&gt;
  f[Lx/2][Lv/2][0] = 1.0;&lt;br /&gt;
&lt;br /&gt;
  // Arquivo para output&lt;br /&gt;
  sprintf(output, &amp;quot;caso1.dat&amp;quot;);&lt;br /&gt;
  fp = fopen(output, &amp;quot;w&amp;quot;);&lt;br /&gt;
&lt;br /&gt;
  c = 0;&lt;br /&gt;
  // Loop da &amp;quot;simulação&amp;quot;&lt;br /&gt;
  while (time&amp;lt;tmax){&lt;br /&gt;
    for (i=1; i&amp;lt;(Lx-1); i++){&lt;br /&gt;
      for (j=1; j&amp;lt;(Lv-1); j++){&lt;br /&gt;
        // Atualiza a probabilidade&lt;br /&gt;
        f[i][j][1-c] = f[i][j][c]+dt*(-v*(f[i+1][j][c]-f[i-1][j][c])/(2*dx)+gamma*f[i][j][c]+(gamma*v+K*x)*(f[i][j+1][c]-f[i][j-1][c])/(2*dv)+sigma*(f[i][j+1][c]-2*f[i][j][c]+f[i][j-1][c])/(dv*dv));&lt;br /&gt;
        // Salva o resultado em arquivo&lt;br /&gt;
        if (fabs(f[i][j][1-c]) &amp;gt; epsilon){&lt;br /&gt;
          fprintf(fp, &amp;quot;%f %f %f\n&amp;quot;, (double)(i-Lx/2)*dx+x, (double)(j-Lv/2)*dv+v, f[i][j][1-c]);&lt;br /&gt;
        }&lt;br /&gt;
      }&lt;br /&gt;
      // Adiciona linha em branco (arquivo XYZ - gnuplot)&lt;br /&gt;
      if (fabs(f[i][j][1-c]) &amp;gt; epsilon){&lt;br /&gt;
        fprintf(fp, &amp;quot;\n&amp;quot;);&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
    // Atualiza a posição&lt;br /&gt;
    x = x + v*dt;&lt;br /&gt;
    c = 1 - c;&lt;br /&gt;
    // Adiciona duas linhas em branco (animação - gnuplot)&lt;br /&gt;
    fprintf(fp, &amp;quot;\n\n&amp;quot;);&lt;br /&gt;
    time += dt;&lt;br /&gt;
  }&lt;br /&gt;
&lt;br /&gt;
  fclose(fp); // Fecha arquivo&lt;br /&gt;
  free(f);    // Libera ponteiro&lt;br /&gt;
&lt;br /&gt;
  return 0;&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/source&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Código utilizado no gnuplot para gerar a animação.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;source lang=&#039;gnuplot&#039;&amp;gt;&lt;br /&gt;
# Limpa configurações anteriores&lt;br /&gt;
unset xrange&lt;br /&gt;
unset yrange&lt;br /&gt;
unset zrange&lt;br /&gt;
&lt;br /&gt;
# Gera estatísticas dos dados&lt;br /&gt;
stats &amp;quot;caso1.dat&amp;quot; name &amp;quot;A&amp;quot;&lt;br /&gt;
&lt;br /&gt;
# Estilo para gráfico&lt;br /&gt;
set dgrid3d&lt;br /&gt;
&lt;br /&gt;
# Ponto de vista&lt;br /&gt;
set view 60, 30, 1, 1&lt;br /&gt;
&lt;br /&gt;
# Configura o range do plot&lt;br /&gt;
set xrange [A_min_x:A_max_x]&lt;br /&gt;
set yrange [A_min_y:A_max_y]&lt;br /&gt;
set zrange [0:1]&lt;br /&gt;
&lt;br /&gt;
# Formato de saída&lt;br /&gt;
set term gif animate delay 25 background &amp;quot;#212121&amp;quot; enhanced font &amp;quot;Arial,10&amp;quot; fontscale 1.0 size 800, 550&lt;br /&gt;
&lt;br /&gt;
set title &amp;quot;Partícula em acelerador:\noscilador harmônico amortecido&amp;quot; offset character 0, -3 font &amp;quot;Oswald,28&amp;quot; tc rgb &amp;quot;white&amp;quot;&lt;br /&gt;
set xlabel &amp;quot;Posição (x)&amp;quot; offset character -2, -2 font &amp;quot;,18&amp;quot; tc rgb &amp;quot;white&amp;quot; rotate by -9&lt;br /&gt;
set ylabel &amp;quot;Velocidade (v)&amp;quot; offset character -3, -3 font &amp;quot;,18&amp;quot; tc rgb &amp;quot;white&amp;quot; rotate parallel&lt;br /&gt;
set zlabel &amp;quot;Densidade de probabilidade&amp;quot; offset character -1.5, -1.5 font &amp;quot;,18&amp;quot; tc rgb &amp;quot;white&amp;quot; rotate parallel&lt;br /&gt;
&lt;br /&gt;
set tics tc rgb &amp;quot;white&amp;quot; offset character -1, -1&lt;br /&gt;
set border lc rgb &amp;quot;white&amp;quot;&lt;br /&gt;
&lt;br /&gt;
set output &amp;quot;caso1.gif&amp;quot;&lt;br /&gt;
&lt;br /&gt;
do for [i=0:int(A_blocks-1)] {  &lt;br /&gt;
    splot &#039;caso1.dat&#039; index i with pm3d notitle&lt;br /&gt;
    }&lt;br /&gt;
&amp;lt;/source&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Referências ==&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6990</id>
		<title>Equação de Fokker-Planck</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6990"/>
		<updated>2022-03-05T23:10:12Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: /* Código desenvolvido */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&#039;&#039;&#039;Grupo: Álison Soares, Rodrigo Avancini Lara e Samuel Huff Dieterich&#039;&#039;&#039;&lt;br /&gt;
&lt;br /&gt;
A equação de Fokker-Planck foi aplicada em primeiro modo em problemas relacionados ao movimento Browniano, como veremos à seguir. Nesse caso, lidando com flutuações originadas de vários pequenos distúrbios, as partículas de interesse se chocavam com as moléculas do meio, provocando uma trajetória imprevisível. Por conta dessas flutuações, é impossível determinar a posição exata dessas partículas. Porém, é possível determinar a probabilidade de encontrá-las em determinada região.&lt;br /&gt;
&lt;br /&gt;
Esta equação pode ser obtida a partir da equação de Langevin e fornece a probabilidade de encontrar determinada partícula em uma posição &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; em certo instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Além disso, no presente trabalho temos como objetivo estudar as soluções analítica e numérica da equação para um dado exemplo, através do método FTCS explícito.&lt;br /&gt;
&lt;br /&gt;
== Introdução ==&lt;br /&gt;
&lt;br /&gt;
=== Movimento browniano ===&lt;br /&gt;
&lt;br /&gt;
O movimento browniano foi descoberto pelo botanista Robert Brown, em 1827. Durante seu estudo sobre vida microscópica, ele percebeu pequenas partículas de pólen de plantas se movendo de maneira aleatória no líquido que ele estava estudando e, notando que se tratava de partículas de sujeira, e não seres vivos, chegou a conclusão que era um fenômeno físico, e não biológico, que causava este movimento. &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Posteriormente, foi provado que este fenômeno se dava pelos efeitos do movimento molecular. Em um meio com uma temperatura qualquer &amp;lt;math&amp;gt; &amp;gt;0K &amp;lt;/math&amp;gt;, há vibração e movimento molecular. Embora haja conservacão de energia, quando a partícula interage com as moléculas do meio, a energia cinética desta partícula se altera (assim como a das moléculas). Contudo, a soma destas energias é a energia interna do fluido, como descreve o Teorema da Equiparação. &amp;lt;ref name=&amp;gt;The Equipartition Theorem, University of Oxford. URL: http://vallance.chem.ox.ac.uk/pdfs/Equipartition.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Em 1905, Albert Einstein propôs uma teoria para descrever tal movimento matematicamente. Primeiramente, ele se propôs a descrever o quão longe uma partícula browniana se desloca em um determinado intervalo de tempo. Como a partícula está sujeita a &amp;lt;math&amp;gt;10^{14}&amp;lt;/math&amp;gt; colisões por segundo (provindas das moléculas do meio), a mecânica clássica é incapaz de resolver este sistema &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Stachel, J., et al.; The Collected Papers of Albert Einstein, 1989, Princeton University Press. URL: http://users.physik.fu-berlin.de/~kleinert/files/eins_brownian.pdf.&amp;lt;/ref&amp;gt;.  Para resolver este problema, ele abordou o problema pela ótica da mecânica estatística. &lt;br /&gt;
&lt;br /&gt;
Inicialmente, ele considerou o incremento da posição da partícula num espaço unidimensional (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;), num determinado intervalo de tempo (&amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;). Considerando que existe uma probabilidade aleatória da partícula se mover dentro do intervalo &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, ele definiu uma função para a densidade de probabilidade (&amp;lt;math&amp;gt;\varphi(\Delta x)&amp;lt;/math&amp;gt;). Sabendo que o número de partículas é constante dentro do meio, ele expandiu a densidade (&amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt;) deste em uma série de Taylor:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \tau \left(\frac{\partial \rho(x,t)}{\partial t}\right) + \dots = \rho(x, t+\tau)&lt;br /&gt;
=\int_{-\infty}^{+\infty} \rho(x+\Delta x, t) \cdot \varphi(\Delta x) d\Delta x &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
que é, por definição, &amp;lt;math&amp;gt;\varphi&amp;lt;/math&amp;gt;. Continuando, &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
=\rho(x,t) \cdot \int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x + \frac{\partial \rho}{\partial x} \cdot \int_{-\infty}^{+\infty} \Delta x \cdot \varphi(\Delta x) d \Delta x + \frac{\partial^2\rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \dots.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Pela definição da probabilidade,&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x=1&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
e as integrais dos termos pares da série são nulos devido à simetria do espaço. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Temos então,&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\rho(x, t+\tau)&lt;br /&gt;
&amp;amp; = \rho(x,t) \cdot 1 + 0 + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots&lt;br /&gt;
\\&lt;br /&gt;
&amp;amp; = \rho(x,t) + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots.&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Esta equação nos leva à igualdade&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} =  \frac{\partial^2\rho}{\partial x^2} \cdot \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \mathcal{O}.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Podemos interpretar a integral como o coeficiente de difusão &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
D = \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
O que nos dá a equação da difusão&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} = D \frac{\partial^2\rho}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Equação de Langevin ===&lt;br /&gt;
&lt;br /&gt;
Em 1908, 3 anos após os estudos de Albert Einstein em processos aleatórios e movimento aleatório, Paul Langevin (1872-1946) apresentou um novo método para o movimento browniano que - segundo Langevin - era &amp;quot;infinitamente mais simples&amp;quot; que a solução proposta por Einstein. &amp;lt;ref name=Langevin_original&amp;gt;P. Langevin, &amp;quot;Sur la théorie de mouvement Brownien&amp;quot; C.R. Acad. Sci. Paris , 146 (1908) pp. 530–533, https://www.physik.uni-augsburg.de/theo1/hanggi/History/Langevin1908.pdf.&amp;lt;/ref&amp;gt;&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;&lt;br /&gt;
Para interpretar o movimento browniano, Einstein derivou e resolveu uma equação diferencial parcial descrevendo a evolução temporal da densidade de probabilidade para a partícula. Já Langevin aplicou a segunda lei de Newton na forma diferencial para essa partícula.&lt;br /&gt;
&lt;br /&gt;
Para uma partícula browniana de massa &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; em um líquido com viscosidade &amp;lt;math&amp;gt;\eta&amp;lt;/math&amp;gt;, existem duas forças que agem sobre o seu movimento&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
1. Arrasto pela viscosidade.&lt;br /&gt;
2. Força de flutuação.&lt;br /&gt;
&lt;br /&gt;
Considerando que a partícula é relativamente grande em comparação com as distâncias médias entre as moléculas do líquido e esta se movimento nesse meio com velocidade &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt;, experimenta uma resistência pela viscosidade. Essa força é descrita pela Lei de Stokes que, para uma partícula esférica com diâmetro &amp;lt;math&amp;gt;a&amp;lt;/math&amp;gt;, corresponde a &amp;lt;math&amp;gt;-6\pi\eta a \ dx/dt&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
A segunda força foi proposta por Langevin para descrever o efeito de constantes impactos das moléculas do líquido sobre as partículas de estudo. Assim, como essa força possui uma origem aleatório, esta deveria ser positiva ou negativa de maneira equiprovável e cuja magnitude fosse suficiente para manter a agitação da partícula. Caso contrário, a viscosidade iria parar o movimento dessa partícula.&lt;br /&gt;
&lt;br /&gt;
Com isso, a equação que descreve o movimento a partir da posição da partícula - em 1D na direção &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; - é dado pela Lei de Newton como:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin representando as flutuações de pressão devido ao movimento térmico das moléculas que compõem o líquido. &amp;lt;ref&amp;gt;Langevin equation. Encyclopedia of Mathematics. URL: http://encyclopediaofmath.org/index.php?title=Langevin_equation&amp;amp;oldid=47575.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Essa equação é conhecida como a equação de Langevin e foi o primeiro exemplo de equação diferencial estocástica, isto é, uma equação diferencial com um termo, &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; nesse caso, cuja solução em algum sentido também é uma função aleatória &amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;. Essa função foi desenvolvida para possuir as seguintes propriedades:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\langle R(t) \rangle = 0&lt;br /&gt;
\qquad&lt;br /&gt;
\langle R(t) R(t&#039;) \rangle = D \cdot \delta(t-t&#039;)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\langle f \rangle&amp;lt;/math&amp;gt; descreve o valor médio ou esperado de uma função &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão e &amp;lt;math&amp;gt;\delta&amp;lt;/math&amp;gt; é a função delta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A primeira propriedade afirma que o movimento é aleatório de forma que não existe nenhuma tendência de sentido para a partícula se locomover. Assim, é dito que &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; se trata de um ruído branco gaussiano. Já a segunda propriedade mostra que a força em um dado tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; é descorrelacionada de uma força para qualquer outro tempo &amp;lt;math&amp;gt;t&#039;&amp;lt;/math&amp;gt; (propriedade de Markov). &amp;lt;ref&amp;gt;Wikipédia: Langevin equation. URL: https://en.wikipedia.org/wiki/Langevin_equation.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Dedução da equação de Fokker-Planck ===&lt;br /&gt;
&lt;br /&gt;
Para a dedução foi utilizado a seguinte referência como base: &#039;&#039;From Langevin to Fokker-Planck equation&#039;&#039;.&amp;lt;ref&amp;gt;From Langevin to Fokker-Planck equation. URL: http://cgl.elte.hu/~racz/Stoch-diff-eq.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Como vimos anteriormente, o movimento browniano pode ser descrito pela equação de Langevin, a qual podemos resolver sem nenhum problema. Contudo, alternativamente, podemos fazer uso da equação de Fokker-Planck e considerar uma densidade de probabilidade em relação a posição e o tempo, levando em conta diferentes perturbações estocásticas. Para isso, iremos agora deduzir essa equação, a partir da analise de Langevin.&lt;br /&gt;
&lt;br /&gt;
A descrição do movimento browniano foi anteriormente tratada em termos da equação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para o nosso propósito, realizaremos uma abordagem mais direta e geral, assumindo a equação de Langevin através de um potencial &amp;lt;math&amp;gt;U(x)&amp;lt;/math&amp;gt;, nos deixando com a seguinte expressão:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{dx}{dt} = -\mu \frac{dU}{dx} + \eta(t),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\mu=\frac{1}{6\pi\eta a}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\eta(t) = \mu R(t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Contudo, para entender as equações diferenciais estocásticas, precisamos discretizar as equações para posteriormente aplicar os métodos numéricos. Temos que o sistema de discretização mais simples possível nos leva ao valor de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt; a partir da interação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) - \mu\frac{dU}{dx}\varepsilon + \eta_\varepsilon(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A tarefa é compreender como o agora ruído gaussiano &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; afeta esse sistema discretizado. Para isso, escreveremos a evolução temporal da distribuição de probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; definida como a probabilidade da partícula estar em &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Então, deve-se olhar para o limite &amp;lt;math&amp;gt;t \rightarrow \infty&amp;lt;/math&amp;gt; de &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
Vamos realizar a tarefa com a equação discretizada de Langevin comentada acima. Por razões de simplificação, discutiremos essa abordagem com a forma &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) + v(x) \varepsilon + \eta_{\varepsilon}(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;v(x) \equiv −\mu \frac{dU}{dx}&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A equação da probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; pode ser derivada usando a equação de Chapman-Kolmogorov, a qual também iremos escrever em uma forma discretizada no tempo, da forma&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t + \varepsilon) = \int_{-\infty}^{+\infty} W(x,y;\varepsilon) \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é a probabilidade de que a partícula se mova para &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt;, desde que tenha começado em &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Lembrando que: para que a condição acima mova a partícula de &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; a &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, o termo de ruído deve ter apenas o valor correspondente que satisfaz a equação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x = y + v(y) \varepsilon + \eta_{\varepsilon}(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A probabilidade de &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; acima é dada a partir da distribuição de probabilidade do incremento estocástico &amp;lt;math&amp;gt;\eta{\varepsilon}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{G} (\eta \varepsilon) = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{-\eta_\varepsilon^2}{4D\varepsilon}}\right),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Assim &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é obtido como&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
W(x,y; \varepsilon) &amp;amp; = \rho_{G} (\eta_{\varepsilon} = x − y − v(y)\varepsilon) \\&lt;br /&gt;
&amp;amp; = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{−[x−y−v(y)\varepsilon]^2}{4Dε}}\right).&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Substituindo o &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; acima na equação de Chapman-Kolmogorov discretizada e expandindo o lado esquerdo para &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \partial_{t}\rho(x,t) \varepsilon = \int_{-\infty}^{+\infty} \frac{\exp\left(\frac{-[x-y-v(y) \varepsilon]^2}{4D\varepsilon}\right)}{\sqrt{4\pi D \varepsilon}} \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Como último passo agora, vamos expandir a integral do lado direito para ordenar &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;. Notamos que quando &amp;lt;math&amp;gt;\varepsilon \rightarrow 0&amp;lt;/math&amp;gt;, a Gaussiana vai para uma função delta e a integral resulta em &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; que irá se cancelar com &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; no lado esquerdo. Ao final, quando reorganizamos os termos, temos a seguinte equação denominada de Equação de Fokker-Planck&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \frac{\partial v(x) \rho(x,t)}{\partial x} + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
ou, se substituirmos &amp;lt;math&amp;gt;v(x)&amp;lt;/math&amp;gt; pelo potencial &amp;lt;math&amp;gt;v(x) = −\mu \partial U(x)/\partial x&amp;lt;/math&amp;gt;, temos que&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = \frac{\partial}{\partial x} \frac{\partial U}{\partial x} \rho(x,t) + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde, em ambos os casos, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão no movimento browniano, com valor &amp;lt;math&amp;gt;D = \mu k_B T = \frac{k_B T}{6 \pi \eta a}&amp;lt;/math&amp;gt;, cujas variáveis foram discutidas anteriormente na equação de Langevin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Esta distribuição pode ainda depender de um conjunto de &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; macrovariáveis &amp;lt;math&amp;gt;x_i&amp;lt;/math&amp;gt;, de tal maneira que o movimento browniano em questão pode ser representado por uma equação de Fokker-Planck da forma &amp;lt;ref&amp;gt;Wikipédia: Fokker-Planck Equation. URL: https://en.wikipedia.org/wiki/Fokker-Planck_equation.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \left[\sum_{i=1}^{N} \frac{\partial}{\partial x_{i}} D_{i}^{1} (x_{1},...,x_{N}) + \sum_{i=1}^{N} \sum_{j=1}^{N} \frac{\partial^2}{\partial x_{i} \partial x_{j}} D_{ij}^{2} (x_{i},...,x_{N})\right]\rho,&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;D^1&amp;lt;/math&amp;gt; é o termo que é dado por um vetor e &amp;lt;math&amp;gt;D^2&amp;lt;/math&amp;gt; é o termo de difusão, dado por uma matriz.&lt;br /&gt;
&lt;br /&gt;
== Exemplos: acelerador de partículas ==&lt;br /&gt;
&lt;br /&gt;
O exemplo e explicações trazidas nessa seção foram retirados do artigo: &#039;&#039;Numerical solution of two dimensional Fokker-Planck equations&#039;&#039; &amp;lt;ref&amp;gt;M.P. Zorzano, H. Mais, L. Vazquez, Numerical solution of two dimensional Fokker—Planck equations, Applied Mathematics and Computation, 1999, https://doi.org/10.1016/S0096-3003(97)10161-8.&amp;lt;/ref&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Uma aplicação amplamente utilizada para a equação de Fokker-Planck como uma Equação Diferencial Estocástica (&#039;&#039;Stochastic Differential Equations&#039;&#039;, SDE) é para a modelagem da dinâmica de partículas únicas em aceleradores sob influência de ruído. As fontes de ruído são, por exemplo, campos aleatórios, movimento aleatório do solo ou flutuações quânticas da radiação.&lt;br /&gt;
&lt;br /&gt;
A partir do cálculo de probabilidade fornecido pela equação de Fokker-Planck, algumas propriedades físicas de interesse são: qual é o comportamento de longo prazo da dinâmica; qual a probabilidade da partícula colidir com a câmara de vácuo e então ser perdida; quais são as flutuações médias da partícula em torno da trajetória do acelerador; e qual é a evolução temporal da densidade de probabilidade?&lt;br /&gt;
&lt;br /&gt;
Para responder essas perguntas, apenas alguns casos mais específicos possuem soluções analíticas, especialmente em problemas com maior dimensionalidade. Por esse motivo, é interessante e prático estudar a equação de Fokker-Planck e os problemas relacionados a partir de métodos numéricos.&lt;br /&gt;
&lt;br /&gt;
Para esse fim, serão abordados dois exemplos: o oscilador harmônico amortecido, o qual possuí solução analítica e poderá ser usado como comparação para verificar a acurácia do método; e o problema de Duffing, oscilador não linear, com amortecimento e ruído multiplicativo e aditivo, que não apresenta solução exata.&lt;br /&gt;
&lt;br /&gt;
=== Equações ===&lt;br /&gt;
&lt;br /&gt;
As equações diferenciais típicas encontradas na física do acelerador de partícula são&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -a_1(x) - a_2(x,v) + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; é o ruído branco gaussiano e &amp;lt;math&amp;gt;\sigma&amp;lt;/math&amp;gt; é uma constante.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para o caso do oscilador harmônico amortecido e com ruído, temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -Kx - \gamma v + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\gamma&amp;lt;/math&amp;gt; também são constantes.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Já para o oscilador estocástico de Duffing, não-linear, com amortecimento, ruído multiplicativo e aditivo temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -\omega^2 \left[ \left( \alpha + \sqrt{2D_{11}}R_1(t) \right) x + \epsilon x^3 \right] - 2\tau \omega \dot{x} + \sqrt{2D_{22}}R_2(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\omega&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\alpha&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\epsilon&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D_{11}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;D_{22}&amp;lt;/math&amp;gt; são constantes dadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Escrevendo esses exemplos em termos da equação de Fokker-Planck obtemos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o primeiro caso e&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} [(a_1(x) + a_2(x,v))\rho] + \frac{1}{2}\frac{\partial^2}{\partial v^2}(2D\rho)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
a_1(x) =\omega^2x(\alpha+\epsilon x^2), \quad a_2(x,v) = 2\tau\omega v, \quad D=D_{11}\omega^4x^2+D_{22}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o segundo exemplo.&lt;br /&gt;
&lt;br /&gt;
=== Método FTCS explícito ===&lt;br /&gt;
&lt;br /&gt;
Para os fins de estudo desses casos, o método numérico mais simples para descrever a função &amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt; é a partir do FTCS (&#039;&#039;Foward Time Central Space&#039;&#039;) explícito. Como ficará mais claro a partir da discretização das equações, o método FTCS calcula o resultado de uma função no tempo seguinte em um dado ponto a partir dos valores dos &amp;quot;vizinhos&amp;quot; desse ponto. Para a técnica explícita, podemos calcular valor da função no tempo &amp;lt;math&amp;gt;n+1&amp;lt;/math&amp;gt; a partir apenas de valores já conhecidos no tempo atual &amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;. Assim, a aplicação do método se torna bem simples, contudo, perdemos precisão/estabilidade em comparação com métodos mais sofisticados.&lt;br /&gt;
&lt;br /&gt;
O primeiro passo para o método é discretizar os termos da função de interesse &amp;lt;math&amp;gt;\rho(x,v,t)&amp;lt;/math&amp;gt; nas derivadas parciais necessárias: &amp;lt;math&amp;gt;\partial/\partial x&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\partial/\partial v&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\partial^2/\partial v^2&amp;lt;/math&amp;gt;. Para isso, usamos a expansão da série de Taylor e, para melhor precisão, a derivada centrada (excluindo a derivada no tempo). Ademais, usaremos a notação dos índices para indicar os valores de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; por &amp;lt;math&amp;gt;i&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;j&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;, respectivamente.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho(x,v,t+\Delta t) - \rho(x,v,t)}{\Delta t}&lt;br /&gt;
+ \mathcal{O}(\Delta t^2)&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial x}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{1}{2}&lt;br /&gt;
\left[ &lt;br /&gt;
    \frac{\rho(x+\Delta x,v,t) - \rho(x,v,t)}{\Delta x} &lt;br /&gt;
    +&lt;br /&gt;
    \frac{\rho(x-\Delta x,v,t) - \rho(x,v,t)}{\Delta x}&lt;br /&gt;
\right]&lt;br /&gt;
+ \mathcal{O}(\Delta x^2)&lt;br /&gt;
\approx&lt;br /&gt;
\frac{\rho(x+\Delta x,v,t)-\rho(x-\Delta x,v,t)}{2 \Delta x}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i+1,j}^n + \rho_{i-1,j}^n}{2\Delta x}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial v}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{1}{2}&lt;br /&gt;
\left[ &lt;br /&gt;
    \frac{\rho(x,v+\Delta v,t) - \rho(x,v,t)}{\Delta v} &lt;br /&gt;
    +&lt;br /&gt;
    \frac{\rho(x,v,t) - \rho(x,v-\Delta v,t)}{\Delta v}&lt;br /&gt;
\right]&lt;br /&gt;
+ \mathcal{O}(\Delta v^2)&lt;br /&gt;
\approx&lt;br /&gt;
\frac{\rho(x,v+\Delta v,t)-\rho(x,v-\Delta v,t)}{2 \Delta v}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j+1}^n + \rho_{i,j-1}^n}{2\Delta v}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial^2 \rho}{\partial v^2}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho(x,v+\Delta v, t)-2\rho(x,v,t)+\rho(x,v-\Delta v,t)}{(\Delta v)^2}&lt;br /&gt;
+\mathcal{O}(\Delta v^3)&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Aplicação ===&lt;br /&gt;
&lt;br /&gt;
Com as derivadas parciais discretizadas, podemos agora reescrever as funções de Fokker-Planck para cada caso de estudo em busca do valor de &amp;lt;math&amp;gt;\rho_{i,j}^{n+1}&amp;lt;/math&amp;gt;, isto é, o valor de cada ponto no espaço &amp;lt;math&amp;gt;xv&amp;lt;/math&amp;gt; para o tempo &amp;lt;math&amp;gt;t+\Delta t&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
==== Caso 1: oscilador harmônico amortecido ====&lt;br /&gt;
&lt;br /&gt;
Primeiramente, reescrevemos a função original expandindo os termos e aplicando a regra da cadeia onde for necessário.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\frac{\partial \rho}{\partial t}&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
-\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- \frac{\partial}{\partial x}(v \rho)&lt;br /&gt;
+ \frac{\partial}{\partial v}(\gamma v + Kx)\rho&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \frac{\partial}{\partial v} (\gamma v \rho) &lt;br /&gt;
+ \frac{\partial}{\partial v} (Kx \rho)&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \gamma \rho&lt;br /&gt;
+ \gamma v \frac{\partial}{\partial v} \rho  &lt;br /&gt;
+ Kx \frac{\partial}{\partial v} \rho&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \gamma \rho&lt;br /&gt;
+ (\gamma v+Kx) \frac{\partial}{\partial v} \rho  &lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Agora, reescrevemos a mesma função substituindo as derivadas parciais e demais variáveis necessárias (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;) pelas versões discretizadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
=&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ \gamma \rho_{i,j}^n&lt;br /&gt;
+ (\gamma v +Kx^n) \left( \frac{\rho_{i,j+1}^n-\rho_{i,j-1}^n}{2\Delta v} \right)&lt;br /&gt;
+ \sigma \left( \frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2} \right)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{i,j}^{n+1}&lt;br /&gt;
=&lt;br /&gt;
\rho_{i,j}^n&lt;br /&gt;
+ \Delta t&lt;br /&gt;
\left[&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ \gamma \rho_{i,j}^n&lt;br /&gt;
+ (\gamma v +Kx^n) \left( \frac{\rho_{i,j+1}^n-\rho_{i,j-1}^n}{2\Delta v} \right)&lt;br /&gt;
+ \sigma \left( \frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2} \right)&lt;br /&gt;
\right]&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para exercício, usaremos um &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; constante de forma que apenas será necessário atualizar a variável &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; para cada passo de tempo.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x^{n+1} = x^n+v\Delta t&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Dado essas equações, escrevemos um programa em C para gerar os dados e o gnuplot para criar o gráfico/animação. Os códigos desenvolvidos estarão disponíveis na próxima seção &amp;quot;Código desenvolvido&amp;quot;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&lt;br /&gt;
&amp;lt;li style=&amp;quot;display: inline-block;&amp;quot;&amp;gt;[[Arquivo:caso1.gif|800px|thumb|middle|Animação da evolução da probabilidade de encontrar uma partícula com dada posição &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; a partir da equação de um oscilador harmônico amortecido. Valores da animação: &amp;lt;math&amp;gt;\Delta x = 1\times 10^{-3}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\Delta v = 1\times 10^{-3}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\Delta t = 1\times 10^{-6}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;x_0=1&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;v=2&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;k=0.5&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\gamma=0.5&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\sigma=0.5&amp;lt;/math&amp;gt;.]]&amp;lt;/li&amp;gt;&lt;br /&gt;
&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Código desenvolvido ==&lt;br /&gt;
&lt;br /&gt;
Função auxiliar utilizada do arquivo de cabeçalho &#039;&#039;pointers.h&#039;&#039;:&lt;br /&gt;
&amp;lt;source lang=&#039;c&#039;&amp;gt;&lt;br /&gt;
double ***create_3d_double_pointer(int x, int y, int z){&lt;br /&gt;
  double ***pointer;&lt;br /&gt;
  int i, j;&lt;br /&gt;
&lt;br /&gt;
  assert((x &amp;gt; 0) &amp;amp;&amp;amp; (y &amp;gt; 0) &amp;amp;&amp;amp; (z &amp;gt; 0));&lt;br /&gt;
  pointer = (double ***)malloc(x * y * z * sizeof(double **));&lt;br /&gt;
  if (pointer == NULL){&lt;br /&gt;
    fprintf(stderr, &amp;quot;Error in routine create_3d_double_pointer\n&amp;quot;);&lt;br /&gt;
    exit(8);&lt;br /&gt;
  }&lt;br /&gt;
  else {&lt;br /&gt;
    for (i = 0; i &amp;lt; x; i++){&lt;br /&gt;
      pointer[i] = (double **)malloc(y * z * sizeof(double *));&lt;br /&gt;
      if (pointer[i] == NULL){&lt;br /&gt;
        fprintf(stderr, &amp;quot;Error in routine create_3d_double_pointer\n&amp;quot;);&lt;br /&gt;
        exit(8);&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
    for (i = 0; i &amp;lt; x; i++){&lt;br /&gt;
      for (j = 0; j &amp;lt; y; j++){&lt;br /&gt;
        pointer[i][j] = (double *)malloc(z * sizeof(double));&lt;br /&gt;
        if (pointer[i][j] == NULL){&lt;br /&gt;
          fprintf(stderr, &amp;quot;Error in routine create_3d_double_pointer\n&amp;quot;);&lt;br /&gt;
          exit(8);&lt;br /&gt;
        }&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
  }&lt;br /&gt;
  return (pointer);&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/source&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Código utilizado para gerar os dados para o &amp;quot;caso 1&amp;quot;. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;source lang=&#039;c&#039;&amp;gt;&lt;br /&gt;
#include &amp;lt;stdio.h&amp;gt;&lt;br /&gt;
#include &amp;lt;stdlib.h&amp;gt;&lt;br /&gt;
#include &amp;lt;math.h&amp;gt;&lt;br /&gt;
#include &amp;quot;pointers.h&amp;quot;&lt;br /&gt;
&lt;br /&gt;
int main(){&lt;br /&gt;
&lt;br /&gt;
  // Declara as variáveis&lt;br /&gt;
  FILE *fp;&lt;br /&gt;
  char output[50];&lt;br /&gt;
  double ***f;&lt;br /&gt;
  int i, j, k, c, Lx, Lv;&lt;br /&gt;
  double time, tmax, dt, dx, dv, v, x, K, gamma, sigma, epsilon; &lt;br /&gt;
  &lt;br /&gt;
  // Configura os valores iniciais&lt;br /&gt;
  time = 0.0;       // Tempo&lt;br /&gt;
  tmax = 0.0001;    // Tempo máximo&lt;br /&gt;
  Lx = 50;          // Quantidade de pontos em x&lt;br /&gt;
  Lv = 100;         // Quantidade de pontos em v&lt;br /&gt;
  dt = 0.000001;    // Passo em t&lt;br /&gt;
  dx = 0.001;       // Passo em x&lt;br /&gt;
  dv = 0.001;       // Passo em v&lt;br /&gt;
  x = 1;            // Posição inicial&lt;br /&gt;
  v = 2;            // Velocidade&lt;br /&gt;
  K = 0.5;          // Constante&lt;br /&gt;
  gamma = 0.5;      // Constante&lt;br /&gt;
  sigma = 0.5;      // Constante&lt;br /&gt;
  epsilon = 10E-4;  // Valor para comparação&lt;br /&gt;
&lt;br /&gt;
  // Inicializa a matriz 3D&lt;br /&gt;
  f = create_3d_double_pointer(Lx, Lv, 2);&lt;br /&gt;
  // Todos os pontos com valores zero&lt;br /&gt;
  for (i=0; i&amp;lt;Lx; i++){&lt;br /&gt;
    for (j=0; j&amp;lt;Lv; j++){&lt;br /&gt;
      for (k=0; k&amp;lt;2; k++){&lt;br /&gt;
        f[i][j][k] = 0.0;&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
  }&lt;br /&gt;
&lt;br /&gt;
  // Condição inicial&lt;br /&gt;
  f[Lx/2][Lv/2][0] = 1.0;&lt;br /&gt;
&lt;br /&gt;
  // Arquivo para output&lt;br /&gt;
  sprintf(output, &amp;quot;caso1.dat&amp;quot;);&lt;br /&gt;
  fp = fopen(output, &amp;quot;w&amp;quot;);&lt;br /&gt;
&lt;br /&gt;
  c = 0;&lt;br /&gt;
  // Loop da &amp;quot;simulação&amp;quot;&lt;br /&gt;
  while (time&amp;lt;tmax){&lt;br /&gt;
    for (i=1; i&amp;lt;(Lx-1); i++){&lt;br /&gt;
      for (j=1; j&amp;lt;(Lv-1); j++){&lt;br /&gt;
        // Atualiza a probabilidade&lt;br /&gt;
        f[i][j][1-c] = f[i][j][c]+dt*(-v*(f[i+1][j][c]-f[i-1][j][c])/(2*dx)+gamma*f[i][j][c]+(gamma*v+K*x)*(f[i][j+1][c]-f[i][j-1][c])/(2*dv)+sigma*(f[i][j+1][c]-2*f[i][j][c]+f[i][j-1][c])/(dv*dv));&lt;br /&gt;
        // Salva o resultado em arquivo&lt;br /&gt;
        if (fabs(f[i][j][1-c]) &amp;gt; epsilon){&lt;br /&gt;
          fprintf(fp, &amp;quot;%f %f %f\n&amp;quot;, (double)(i-Lx/2)*dx+x, (double)(j-Lv/2)*dv+v, f[i][j][1-c]);&lt;br /&gt;
        }&lt;br /&gt;
      }&lt;br /&gt;
      // Adiciona linha em branco (arquivo XYZ - gnuplot)&lt;br /&gt;
      if (fabs(f[i][j][1-c]) &amp;gt; epsilon){&lt;br /&gt;
        fprintf(fp, &amp;quot;\n&amp;quot;);&lt;br /&gt;
      }&lt;br /&gt;
    }&lt;br /&gt;
    // Atualiza a posição&lt;br /&gt;
    x = x + v*dt;&lt;br /&gt;
    c = 1 - c;&lt;br /&gt;
    // Adiciona duas linhas em branco (animação - gnuplot)&lt;br /&gt;
    fprintf(fp, &amp;quot;\n\n&amp;quot;);&lt;br /&gt;
    time += dt;&lt;br /&gt;
  }&lt;br /&gt;
&lt;br /&gt;
  fclose(fp); // Fecha arquivo&lt;br /&gt;
  free(f);    // Libera ponteiro&lt;br /&gt;
&lt;br /&gt;
  return 0;&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/source&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Código utilizado no gnuplot para gerar a animação.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;source lang=&#039;gnuplot&#039;&amp;gt;&lt;br /&gt;
# Limpa configurações anteriores&lt;br /&gt;
unset xrange&lt;br /&gt;
unset yrange&lt;br /&gt;
unset zrange&lt;br /&gt;
&lt;br /&gt;
# Gera estatísticas dos dados&lt;br /&gt;
stats &amp;quot;caso1.dat&amp;quot; name &amp;quot;A&amp;quot;&lt;br /&gt;
&lt;br /&gt;
# Estilo para gráfico&lt;br /&gt;
set dgrid3d&lt;br /&gt;
&lt;br /&gt;
# Ponto de vista&lt;br /&gt;
set view 60, 30, 1, 1&lt;br /&gt;
&lt;br /&gt;
# Configura o range do plot&lt;br /&gt;
set xrange [A_min_x:A_max_x]&lt;br /&gt;
set yrange [A_min_y:A_max_y]&lt;br /&gt;
set zrange [0:1]&lt;br /&gt;
&lt;br /&gt;
# Formato de saída&lt;br /&gt;
set term gif animate delay 25 background &amp;quot;#212121&amp;quot; enhanced font &amp;quot;Arial,10&amp;quot; fontscale 1.0 size 800, 550&lt;br /&gt;
&lt;br /&gt;
set title &amp;quot;Partícula em acelerador:\noscilador harmônico amortecido&amp;quot; offset character 0, -3 font &amp;quot;Oswald,28&amp;quot; tc rgb &amp;quot;white&amp;quot;&lt;br /&gt;
set xlabel &amp;quot;Posição (x)&amp;quot; offset character -2, -2 font &amp;quot;,18&amp;quot; tc rgb &amp;quot;white&amp;quot; rotate by -9&lt;br /&gt;
set ylabel &amp;quot;Velocidade (v)&amp;quot; offset character -3, -3 font &amp;quot;,18&amp;quot; tc rgb &amp;quot;white&amp;quot; rotate parallel&lt;br /&gt;
set zlabel &amp;quot;Densidade de probabilidade&amp;quot; offset character -1.5, -1.5 font &amp;quot;,18&amp;quot; tc rgb &amp;quot;white&amp;quot; rotate parallel&lt;br /&gt;
&lt;br /&gt;
set tics tc rgb &amp;quot;white&amp;quot; offset character -1, -1&lt;br /&gt;
set border lc rgb &amp;quot;white&amp;quot;&lt;br /&gt;
&lt;br /&gt;
set output &amp;quot;caso1.gif&amp;quot;&lt;br /&gt;
&lt;br /&gt;
do for [i=0:int(A_blocks-1)] {  &lt;br /&gt;
    splot &#039;caso1.dat&#039; index i with pm3d notitle&lt;br /&gt;
    }&lt;br /&gt;
&amp;lt;/source&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Referências ==&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6989</id>
		<title>Equação de Fokker-Planck</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6989"/>
		<updated>2022-03-05T23:03:17Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: /* Caso 1: oscilador harmônico amortecido */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&#039;&#039;&#039;Grupo: Álison Soares, Rodrigo Avancini Lara e Samuel Huff Dieterich&#039;&#039;&#039;&lt;br /&gt;
&lt;br /&gt;
A equação de Fokker-Planck foi aplicada em primeiro modo em problemas relacionados ao movimento Browniano, como veremos à seguir. Nesse caso, lidando com flutuações originadas de vários pequenos distúrbios, as partículas de interesse se chocavam com as moléculas do meio, provocando uma trajetória imprevisível. Por conta dessas flutuações, é impossível determinar a posição exata dessas partículas. Porém, é possível determinar a probabilidade de encontrá-las em determinada região.&lt;br /&gt;
&lt;br /&gt;
Esta equação pode ser obtida a partir da equação de Langevin e fornece a probabilidade de encontrar determinada partícula em uma posição &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; em certo instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Além disso, no presente trabalho temos como objetivo estudar as soluções analítica e numérica da equação para um dado exemplo, através do método FTCS explícito.&lt;br /&gt;
&lt;br /&gt;
== Introdução ==&lt;br /&gt;
&lt;br /&gt;
=== Movimento browniano ===&lt;br /&gt;
&lt;br /&gt;
O movimento browniano foi descoberto pelo botanista Robert Brown, em 1827. Durante seu estudo sobre vida microscópica, ele percebeu pequenas partículas de pólen de plantas se movendo de maneira aleatória no líquido que ele estava estudando e, notando que se tratava de partículas de sujeira, e não seres vivos, chegou a conclusão que era um fenômeno físico, e não biológico, que causava este movimento. &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Posteriormente, foi provado que este fenômeno se dava pelos efeitos do movimento molecular. Em um meio com uma temperatura qualquer &amp;lt;math&amp;gt; &amp;gt;0K &amp;lt;/math&amp;gt;, há vibração e movimento molecular. Embora haja conservacão de energia, quando a partícula interage com as moléculas do meio, a energia cinética desta partícula se altera (assim como a das moléculas). Contudo, a soma destas energias é a energia interna do fluido, como descreve o Teorema da Equiparação. &amp;lt;ref name=&amp;gt;The Equipartition Theorem, University of Oxford. URL: http://vallance.chem.ox.ac.uk/pdfs/Equipartition.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Em 1905, Albert Einstein propôs uma teoria para descrever tal movimento matematicamente. Primeiramente, ele se propôs a descrever o quão longe uma partícula browniana se desloca em um determinado intervalo de tempo. Como a partícula está sujeita a &amp;lt;math&amp;gt;10^{14}&amp;lt;/math&amp;gt; colisões por segundo (provindas das moléculas do meio), a mecânica clássica é incapaz de resolver este sistema &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Stachel, J., et al.; The Collected Papers of Albert Einstein, 1989, Princeton University Press. URL: http://users.physik.fu-berlin.de/~kleinert/files/eins_brownian.pdf.&amp;lt;/ref&amp;gt;.  Para resolver este problema, ele abordou o problema pela ótica da mecânica estatística. &lt;br /&gt;
&lt;br /&gt;
Inicialmente, ele considerou o incremento da posição da partícula num espaço unidimensional (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;), num determinado intervalo de tempo (&amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;). Considerando que existe uma probabilidade aleatória da partícula se mover dentro do intervalo &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, ele definiu uma função para a densidade de probabilidade (&amp;lt;math&amp;gt;\varphi(\Delta x)&amp;lt;/math&amp;gt;). Sabendo que o número de partículas é constante dentro do meio, ele expandiu a densidade (&amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt;) deste em uma série de Taylor:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \tau \left(\frac{\partial \rho(x,t)}{\partial t}\right) + \dots = \rho(x, t+\tau)&lt;br /&gt;
=\int_{-\infty}^{+\infty} \rho(x+\Delta x, t) \cdot \varphi(\Delta x) d\Delta x &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
que é, por definição, &amp;lt;math&amp;gt;\varphi&amp;lt;/math&amp;gt;. Continuando, &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
=\rho(x,t) \cdot \int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x + \frac{\partial \rho}{\partial x} \cdot \int_{-\infty}^{+\infty} \Delta x \cdot \varphi(\Delta x) d \Delta x + \frac{\partial^2\rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \dots.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Pela definição da probabilidade,&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x=1&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
e as integrais dos termos pares da série são nulos devido à simetria do espaço. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Temos então,&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\rho(x, t+\tau)&lt;br /&gt;
&amp;amp; = \rho(x,t) \cdot 1 + 0 + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots&lt;br /&gt;
\\&lt;br /&gt;
&amp;amp; = \rho(x,t) + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots.&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Esta equação nos leva à igualdade&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} =  \frac{\partial^2\rho}{\partial x^2} \cdot \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \mathcal{O}.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Podemos interpretar a integral como o coeficiente de difusão &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
D = \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
O que nos dá a equação da difusão&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} = D \frac{\partial^2\rho}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Equação de Langevin ===&lt;br /&gt;
&lt;br /&gt;
Em 1908, 3 anos após os estudos de Albert Einstein em processos aleatórios e movimento aleatório, Paul Langevin (1872-1946) apresentou um novo método para o movimento browniano que - segundo Langevin - era &amp;quot;infinitamente mais simples&amp;quot; que a solução proposta por Einstein. &amp;lt;ref name=Langevin_original&amp;gt;P. Langevin, &amp;quot;Sur la théorie de mouvement Brownien&amp;quot; C.R. Acad. Sci. Paris , 146 (1908) pp. 530–533, https://www.physik.uni-augsburg.de/theo1/hanggi/History/Langevin1908.pdf.&amp;lt;/ref&amp;gt;&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;&lt;br /&gt;
Para interpretar o movimento browniano, Einstein derivou e resolveu uma equação diferencial parcial descrevendo a evolução temporal da densidade de probabilidade para a partícula. Já Langevin aplicou a segunda lei de Newton na forma diferencial para essa partícula.&lt;br /&gt;
&lt;br /&gt;
Para uma partícula browniana de massa &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; em um líquido com viscosidade &amp;lt;math&amp;gt;\eta&amp;lt;/math&amp;gt;, existem duas forças que agem sobre o seu movimento&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
1. Arrasto pela viscosidade.&lt;br /&gt;
2. Força de flutuação.&lt;br /&gt;
&lt;br /&gt;
Considerando que a partícula é relativamente grande em comparação com as distâncias médias entre as moléculas do líquido e esta se movimento nesse meio com velocidade &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt;, experimenta uma resistência pela viscosidade. Essa força é descrita pela Lei de Stokes que, para uma partícula esférica com diâmetro &amp;lt;math&amp;gt;a&amp;lt;/math&amp;gt;, corresponde a &amp;lt;math&amp;gt;-6\pi\eta a \ dx/dt&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
A segunda força foi proposta por Langevin para descrever o efeito de constantes impactos das moléculas do líquido sobre as partículas de estudo. Assim, como essa força possui uma origem aleatório, esta deveria ser positiva ou negativa de maneira equiprovável e cuja magnitude fosse suficiente para manter a agitação da partícula. Caso contrário, a viscosidade iria parar o movimento dessa partícula.&lt;br /&gt;
&lt;br /&gt;
Com isso, a equação que descreve o movimento a partir da posição da partícula - em 1D na direção &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; - é dado pela Lei de Newton como:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin representando as flutuações de pressão devido ao movimento térmico das moléculas que compõem o líquido. &amp;lt;ref&amp;gt;Langevin equation. Encyclopedia of Mathematics. URL: http://encyclopediaofmath.org/index.php?title=Langevin_equation&amp;amp;oldid=47575.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Essa equação é conhecida como a equação de Langevin e foi o primeiro exemplo de equação diferencial estocástica, isto é, uma equação diferencial com um termo, &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; nesse caso, cuja solução em algum sentido também é uma função aleatória &amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;. Essa função foi desenvolvida para possuir as seguintes propriedades:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\langle R(t) \rangle = 0&lt;br /&gt;
\qquad&lt;br /&gt;
\langle R(t) R(t&#039;) \rangle = D \cdot \delta(t-t&#039;)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\langle f \rangle&amp;lt;/math&amp;gt; descreve o valor médio ou esperado de uma função &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão e &amp;lt;math&amp;gt;\delta&amp;lt;/math&amp;gt; é a função delta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A primeira propriedade afirma que o movimento é aleatório de forma que não existe nenhuma tendência de sentido para a partícula se locomover. Assim, é dito que &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; se trata de um ruído branco gaussiano. Já a segunda propriedade mostra que a força em um dado tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; é descorrelacionada de uma força para qualquer outro tempo &amp;lt;math&amp;gt;t&#039;&amp;lt;/math&amp;gt; (propriedade de Markov). &amp;lt;ref&amp;gt;Wikipédia: Langevin equation. URL: https://en.wikipedia.org/wiki/Langevin_equation.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Dedução da equação de Fokker-Planck ===&lt;br /&gt;
&lt;br /&gt;
Para a dedução foi utilizado a seguinte referência como base: &#039;&#039;From Langevin to Fokker-Planck equation&#039;&#039;.&amp;lt;ref&amp;gt;From Langevin to Fokker-Planck equation. URL: http://cgl.elte.hu/~racz/Stoch-diff-eq.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Como vimos anteriormente, o movimento browniano pode ser descrito pela equação de Langevin, a qual podemos resolver sem nenhum problema. Contudo, alternativamente, podemos fazer uso da equação de Fokker-Planck e considerar uma densidade de probabilidade em relação a posição e o tempo, levando em conta diferentes perturbações estocásticas. Para isso, iremos agora deduzir essa equação, a partir da analise de Langevin.&lt;br /&gt;
&lt;br /&gt;
A descrição do movimento browniano foi anteriormente tratada em termos da equação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para o nosso propósito, realizaremos uma abordagem mais direta e geral, assumindo a equação de Langevin através de um potencial &amp;lt;math&amp;gt;U(x)&amp;lt;/math&amp;gt;, nos deixando com a seguinte expressão:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{dx}{dt} = -\mu \frac{dU}{dx} + \eta(t),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\mu=\frac{1}{6\pi\eta a}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\eta(t) = \mu R(t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Contudo, para entender as equações diferenciais estocásticas, precisamos discretizar as equações para posteriormente aplicar os métodos numéricos. Temos que o sistema de discretização mais simples possível nos leva ao valor de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt; a partir da interação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) - \mu\frac{dU}{dx}\varepsilon + \eta_\varepsilon(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A tarefa é compreender como o agora ruído gaussiano &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; afeta esse sistema discretizado. Para isso, escreveremos a evolução temporal da distribuição de probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; definida como a probabilidade da partícula estar em &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Então, deve-se olhar para o limite &amp;lt;math&amp;gt;t \rightarrow \infty&amp;lt;/math&amp;gt; de &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
Vamos realizar a tarefa com a equação discretizada de Langevin comentada acima. Por razões de simplificação, discutiremos essa abordagem com a forma &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) + v(x) \varepsilon + \eta_{\varepsilon}(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;v(x) \equiv −\mu \frac{dU}{dx}&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A equação da probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; pode ser derivada usando a equação de Chapman-Kolmogorov, a qual também iremos escrever em uma forma discretizada no tempo, da forma&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t + \varepsilon) = \int_{-\infty}^{+\infty} W(x,y;\varepsilon) \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é a probabilidade de que a partícula se mova para &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt;, desde que tenha começado em &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Lembrando que: para que a condição acima mova a partícula de &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; a &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, o termo de ruído deve ter apenas o valor correspondente que satisfaz a equação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x = y + v(y) \varepsilon + \eta_{\varepsilon}(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A probabilidade de &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; acima é dada a partir da distribuição de probabilidade do incremento estocástico &amp;lt;math&amp;gt;\eta{\varepsilon}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{G} (\eta \varepsilon) = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{-\eta_\varepsilon^2}{4D\varepsilon}}\right),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Assim &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é obtido como&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
W(x,y; \varepsilon) &amp;amp; = \rho_{G} (\eta_{\varepsilon} = x − y − v(y)\varepsilon) \\&lt;br /&gt;
&amp;amp; = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{−[x−y−v(y)\varepsilon]^2}{4Dε}}\right).&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Substituindo o &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; acima na equação de Chapman-Kolmogorov discretizada e expandindo o lado esquerdo para &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \partial_{t}\rho(x,t) \varepsilon = \int_{-\infty}^{+\infty} \frac{\exp\left(\frac{-[x-y-v(y) \varepsilon]^2}{4D\varepsilon}\right)}{\sqrt{4\pi D \varepsilon}} \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Como último passo agora, vamos expandir a integral do lado direito para ordenar &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;. Notamos que quando &amp;lt;math&amp;gt;\varepsilon \rightarrow 0&amp;lt;/math&amp;gt;, a Gaussiana vai para uma função delta e a integral resulta em &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; que irá se cancelar com &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; no lado esquerdo. Ao final, quando reorganizamos os termos, temos a seguinte equação denominada de Equação de Fokker-Planck&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \frac{\partial v(x) \rho(x,t)}{\partial x} + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
ou, se substituirmos &amp;lt;math&amp;gt;v(x)&amp;lt;/math&amp;gt; pelo potencial &amp;lt;math&amp;gt;v(x) = −\mu \partial U(x)/\partial x&amp;lt;/math&amp;gt;, temos que&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = \frac{\partial}{\partial x} \frac{\partial U}{\partial x} \rho(x,t) + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde, em ambos os casos, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão no movimento browniano, com valor &amp;lt;math&amp;gt;D = \mu k_B T = \frac{k_B T}{6 \pi \eta a}&amp;lt;/math&amp;gt;, cujas variáveis foram discutidas anteriormente na equação de Langevin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Esta distribuição pode ainda depender de um conjunto de &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; macrovariáveis &amp;lt;math&amp;gt;x_i&amp;lt;/math&amp;gt;, de tal maneira que o movimento browniano em questão pode ser representado por uma equação de Fokker-Planck da forma &amp;lt;ref&amp;gt;Wikipédia: Fokker-Planck Equation. URL: https://en.wikipedia.org/wiki/Fokker-Planck_equation.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \left[\sum_{i=1}^{N} \frac{\partial}{\partial x_{i}} D_{i}^{1} (x_{1},...,x_{N}) + \sum_{i=1}^{N} \sum_{j=1}^{N} \frac{\partial^2}{\partial x_{i} \partial x_{j}} D_{ij}^{2} (x_{i},...,x_{N})\right]\rho,&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;D^1&amp;lt;/math&amp;gt; é o termo que é dado por um vetor e &amp;lt;math&amp;gt;D^2&amp;lt;/math&amp;gt; é o termo de difusão, dado por uma matriz.&lt;br /&gt;
&lt;br /&gt;
== Exemplos: acelerador de partículas ==&lt;br /&gt;
&lt;br /&gt;
O exemplo e explicações trazidas nessa seção foram retirados do artigo: &#039;&#039;Numerical solution of two dimensional Fokker-Planck equations&#039;&#039; &amp;lt;ref&amp;gt;M.P. Zorzano, H. Mais, L. Vazquez, Numerical solution of two dimensional Fokker—Planck equations, Applied Mathematics and Computation, 1999, https://doi.org/10.1016/S0096-3003(97)10161-8.&amp;lt;/ref&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Uma aplicação amplamente utilizada para a equação de Fokker-Planck como uma Equação Diferencial Estocástica (&#039;&#039;Stochastic Differential Equations&#039;&#039;, SDE) é para a modelagem da dinâmica de partículas únicas em aceleradores sob influência de ruído. As fontes de ruído são, por exemplo, campos aleatórios, movimento aleatório do solo ou flutuações quânticas da radiação.&lt;br /&gt;
&lt;br /&gt;
A partir do cálculo de probabilidade fornecido pela equação de Fokker-Planck, algumas propriedades físicas de interesse são: qual é o comportamento de longo prazo da dinâmica; qual a probabilidade da partícula colidir com a câmara de vácuo e então ser perdida; quais são as flutuações médias da partícula em torno da trajetória do acelerador; e qual é a evolução temporal da densidade de probabilidade?&lt;br /&gt;
&lt;br /&gt;
Para responder essas perguntas, apenas alguns casos mais específicos possuem soluções analíticas, especialmente em problemas com maior dimensionalidade. Por esse motivo, é interessante e prático estudar a equação de Fokker-Planck e os problemas relacionados a partir de métodos numéricos.&lt;br /&gt;
&lt;br /&gt;
Para esse fim, serão abordados dois exemplos: o oscilador harmônico amortecido, o qual possuí solução analítica e poderá ser usado como comparação para verificar a acurácia do método; e o problema de Duffing, oscilador não linear, com amortecimento e ruído multiplicativo e aditivo, que não apresenta solução exata.&lt;br /&gt;
&lt;br /&gt;
=== Equações ===&lt;br /&gt;
&lt;br /&gt;
As equações diferenciais típicas encontradas na física do acelerador de partícula são&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -a_1(x) - a_2(x,v) + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; é o ruído branco gaussiano e &amp;lt;math&amp;gt;\sigma&amp;lt;/math&amp;gt; é uma constante.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para o caso do oscilador harmônico amortecido e com ruído, temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -Kx - \gamma v + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\gamma&amp;lt;/math&amp;gt; também são constantes.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Já para o oscilador estocástico de Duffing, não-linear, com amortecimento, ruído multiplicativo e aditivo temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -\omega^2 \left[ \left( \alpha + \sqrt{2D_{11}}R_1(t) \right) x + \epsilon x^3 \right] - 2\tau \omega \dot{x} + \sqrt{2D_{22}}R_2(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\omega&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\alpha&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\epsilon&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D_{11}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;D_{22}&amp;lt;/math&amp;gt; são constantes dadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Escrevendo esses exemplos em termos da equação de Fokker-Planck obtemos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o primeiro caso e&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} [(a_1(x) + a_2(x,v))\rho] + \frac{1}{2}\frac{\partial^2}{\partial v^2}(2D\rho)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
a_1(x) =\omega^2x(\alpha+\epsilon x^2), \quad a_2(x,v) = 2\tau\omega v, \quad D=D_{11}\omega^4x^2+D_{22}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o segundo exemplo.&lt;br /&gt;
&lt;br /&gt;
=== Método FTCS explícito ===&lt;br /&gt;
&lt;br /&gt;
Para os fins de estudo desses casos, o método numérico mais simples para descrever a função &amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt; é a partir do FTCS (&#039;&#039;Foward Time Central Space&#039;&#039;) explícito. Como ficará mais claro a partir da discretização das equações, o método FTCS calcula o resultado de uma função no tempo seguinte em um dado ponto a partir dos valores dos &amp;quot;vizinhos&amp;quot; desse ponto. Para a técnica explícita, podemos calcular valor da função no tempo &amp;lt;math&amp;gt;n+1&amp;lt;/math&amp;gt; a partir apenas de valores já conhecidos no tempo atual &amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;. Assim, a aplicação do método se torna bem simples, contudo, perdemos precisão/estabilidade em comparação com métodos mais sofisticados.&lt;br /&gt;
&lt;br /&gt;
O primeiro passo para o método é discretizar os termos da função de interesse &amp;lt;math&amp;gt;\rho(x,v,t)&amp;lt;/math&amp;gt; nas derivadas parciais necessárias: &amp;lt;math&amp;gt;\partial/\partial x&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\partial/\partial v&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\partial^2/\partial v^2&amp;lt;/math&amp;gt;. Para isso, usamos a expansão da série de Taylor e, para melhor precisão, a derivada centrada (excluindo a derivada no tempo). Ademais, usaremos a notação dos índices para indicar os valores de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; por &amp;lt;math&amp;gt;i&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;j&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;, respectivamente.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho(x,v,t+\Delta t) - \rho(x,v,t)}{\Delta t}&lt;br /&gt;
+ \mathcal{O}(\Delta t^2)&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial x}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{1}{2}&lt;br /&gt;
\left[ &lt;br /&gt;
    \frac{\rho(x+\Delta x,v,t) - \rho(x,v,t)}{\Delta x} &lt;br /&gt;
    +&lt;br /&gt;
    \frac{\rho(x-\Delta x,v,t) - \rho(x,v,t)}{\Delta x}&lt;br /&gt;
\right]&lt;br /&gt;
+ \mathcal{O}(\Delta x^2)&lt;br /&gt;
\approx&lt;br /&gt;
\frac{\rho(x+\Delta x,v,t)-\rho(x-\Delta x,v,t)}{2 \Delta x}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i+1,j}^n + \rho_{i-1,j}^n}{2\Delta x}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial v}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{1}{2}&lt;br /&gt;
\left[ &lt;br /&gt;
    \frac{\rho(x,v+\Delta v,t) - \rho(x,v,t)}{\Delta v} &lt;br /&gt;
    +&lt;br /&gt;
    \frac{\rho(x,v,t) - \rho(x,v-\Delta v,t)}{\Delta v}&lt;br /&gt;
\right]&lt;br /&gt;
+ \mathcal{O}(\Delta v^2)&lt;br /&gt;
\approx&lt;br /&gt;
\frac{\rho(x,v+\Delta v,t)-\rho(x,v-\Delta v,t)}{2 \Delta v}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j+1}^n + \rho_{i,j-1}^n}{2\Delta v}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial^2 \rho}{\partial v^2}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho(x,v+\Delta v, t)-2\rho(x,v,t)+\rho(x,v-\Delta v,t)}{(\Delta v)^2}&lt;br /&gt;
+\mathcal{O}(\Delta v^3)&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Aplicação ===&lt;br /&gt;
&lt;br /&gt;
Com as derivadas parciais discretizadas, podemos agora reescrever as funções de Fokker-Planck para cada caso de estudo em busca do valor de &amp;lt;math&amp;gt;\rho_{i,j}^{n+1}&amp;lt;/math&amp;gt;, isto é, o valor de cada ponto no espaço &amp;lt;math&amp;gt;xv&amp;lt;/math&amp;gt; para o tempo &amp;lt;math&amp;gt;t+\Delta t&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
==== Caso 1: oscilador harmônico amortecido ====&lt;br /&gt;
&lt;br /&gt;
Primeiramente, reescrevemos a função original expandindo os termos e aplicando a regra da cadeia onde for necessário.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\frac{\partial \rho}{\partial t}&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
-\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- \frac{\partial}{\partial x}(v \rho)&lt;br /&gt;
+ \frac{\partial}{\partial v}(\gamma v + Kx)\rho&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \frac{\partial}{\partial v} (\gamma v \rho) &lt;br /&gt;
+ \frac{\partial}{\partial v} (Kx \rho)&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \gamma \rho&lt;br /&gt;
+ \gamma v \frac{\partial}{\partial v} \rho  &lt;br /&gt;
+ Kx \frac{\partial}{\partial v} \rho&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \gamma \rho&lt;br /&gt;
+ (\gamma v+Kx) \frac{\partial}{\partial v} \rho  &lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Agora, reescrevemos a mesma função substituindo as derivadas parciais e demais variáveis necessárias (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;) pelas versões discretizadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
=&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ \gamma \rho_{i,j}^n&lt;br /&gt;
+ (\gamma v +Kx^n) \left( \frac{\rho_{i,j+1}^n-\rho_{i,j-1}^n}{2\Delta v} \right)&lt;br /&gt;
+ \sigma \left( \frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2} \right)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{i,j}^{n+1}&lt;br /&gt;
=&lt;br /&gt;
\rho_{i,j}^n&lt;br /&gt;
+ \Delta t&lt;br /&gt;
\left[&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ \gamma \rho_{i,j}^n&lt;br /&gt;
+ (\gamma v +Kx^n) \left( \frac{\rho_{i,j+1}^n-\rho_{i,j-1}^n}{2\Delta v} \right)&lt;br /&gt;
+ \sigma \left( \frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2} \right)&lt;br /&gt;
\right]&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para exercício, usaremos um &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; constante de forma que apenas será necessário atualizar a variável &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; para cada passo de tempo.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x^{n+1} = x^n+v\Delta t&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Dado essas equações, escrevemos um programa em C para gerar os dados e o gnuplot para criar o gráfico/animação. Os códigos desenvolvidos estarão disponíveis na próxima seção &amp;quot;Código desenvolvido&amp;quot;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&lt;br /&gt;
&amp;lt;li style=&amp;quot;display: inline-block;&amp;quot;&amp;gt;[[Arquivo:caso1.gif|800px|thumb|middle|Animação da evolução da probabilidade de encontrar uma partícula com dada posição &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; a partir da equação de um oscilador harmônico amortecido. Valores da animação: &amp;lt;math&amp;gt;\Delta x = 1\times 10^{-3}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\Delta v = 1\times 10^{-3}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\Delta t = 1\times 10^{-6}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;x_0=1&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;v=2&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;k=0.5&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\gamma=0.5&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\sigma=0.5&amp;lt;/math&amp;gt;.]]&amp;lt;/li&amp;gt;&lt;br /&gt;
&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Código desenvolvido ==&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Referências ==&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6988</id>
		<title>Equação de Fokker-Planck</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6988"/>
		<updated>2022-03-05T22:58:57Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: /* Caso 1: oscilador harmônico amortecido */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&#039;&#039;&#039;Grupo: Álison Soares, Rodrigo Avancini Lara e Samuel Huff Dieterich&#039;&#039;&#039;&lt;br /&gt;
&lt;br /&gt;
A equação de Fokker-Planck foi aplicada em primeiro modo em problemas relacionados ao movimento Browniano, como veremos à seguir. Nesse caso, lidando com flutuações originadas de vários pequenos distúrbios, as partículas de interesse se chocavam com as moléculas do meio, provocando uma trajetória imprevisível. Por conta dessas flutuações, é impossível determinar a posição exata dessas partículas. Porém, é possível determinar a probabilidade de encontrá-las em determinada região.&lt;br /&gt;
&lt;br /&gt;
Esta equação pode ser obtida a partir da equação de Langevin e fornece a probabilidade de encontrar determinada partícula em uma posição &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; em certo instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Além disso, no presente trabalho temos como objetivo estudar as soluções analítica e numérica da equação para um dado exemplo, através do método FTCS explícito.&lt;br /&gt;
&lt;br /&gt;
== Introdução ==&lt;br /&gt;
&lt;br /&gt;
=== Movimento browniano ===&lt;br /&gt;
&lt;br /&gt;
O movimento browniano foi descoberto pelo botanista Robert Brown, em 1827. Durante seu estudo sobre vida microscópica, ele percebeu pequenas partículas de pólen de plantas se movendo de maneira aleatória no líquido que ele estava estudando e, notando que se tratava de partículas de sujeira, e não seres vivos, chegou a conclusão que era um fenômeno físico, e não biológico, que causava este movimento. &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Posteriormente, foi provado que este fenômeno se dava pelos efeitos do movimento molecular. Em um meio com uma temperatura qualquer &amp;lt;math&amp;gt; &amp;gt;0K &amp;lt;/math&amp;gt;, há vibração e movimento molecular. Embora haja conservacão de energia, quando a partícula interage com as moléculas do meio, a energia cinética desta partícula se altera (assim como a das moléculas). Contudo, a soma destas energias é a energia interna do fluido, como descreve o Teorema da Equiparação. &amp;lt;ref name=&amp;gt;The Equipartition Theorem, University of Oxford. URL: http://vallance.chem.ox.ac.uk/pdfs/Equipartition.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Em 1905, Albert Einstein propôs uma teoria para descrever tal movimento matematicamente. Primeiramente, ele se propôs a descrever o quão longe uma partícula browniana se desloca em um determinado intervalo de tempo. Como a partícula está sujeita a &amp;lt;math&amp;gt;10^{14}&amp;lt;/math&amp;gt; colisões por segundo (provindas das moléculas do meio), a mecânica clássica é incapaz de resolver este sistema &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Stachel, J., et al.; The Collected Papers of Albert Einstein, 1989, Princeton University Press. URL: http://users.physik.fu-berlin.de/~kleinert/files/eins_brownian.pdf.&amp;lt;/ref&amp;gt;.  Para resolver este problema, ele abordou o problema pela ótica da mecânica estatística. &lt;br /&gt;
&lt;br /&gt;
Inicialmente, ele considerou o incremento da posição da partícula num espaço unidimensional (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;), num determinado intervalo de tempo (&amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;). Considerando que existe uma probabilidade aleatória da partícula se mover dentro do intervalo &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, ele definiu uma função para a densidade de probabilidade (&amp;lt;math&amp;gt;\varphi(\Delta x)&amp;lt;/math&amp;gt;). Sabendo que o número de partículas é constante dentro do meio, ele expandiu a densidade (&amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt;) deste em uma série de Taylor:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \tau \left(\frac{\partial \rho(x,t)}{\partial t}\right) + \dots = \rho(x, t+\tau)&lt;br /&gt;
=\int_{-\infty}^{+\infty} \rho(x+\Delta x, t) \cdot \varphi(\Delta x) d\Delta x &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
que é, por definição, &amp;lt;math&amp;gt;\varphi&amp;lt;/math&amp;gt;. Continuando, &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
=\rho(x,t) \cdot \int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x + \frac{\partial \rho}{\partial x} \cdot \int_{-\infty}^{+\infty} \Delta x \cdot \varphi(\Delta x) d \Delta x + \frac{\partial^2\rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \dots.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Pela definição da probabilidade,&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x=1&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
e as integrais dos termos pares da série são nulos devido à simetria do espaço. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Temos então,&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\rho(x, t+\tau)&lt;br /&gt;
&amp;amp; = \rho(x,t) \cdot 1 + 0 + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots&lt;br /&gt;
\\&lt;br /&gt;
&amp;amp; = \rho(x,t) + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots.&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Esta equação nos leva à igualdade&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} =  \frac{\partial^2\rho}{\partial x^2} \cdot \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \mathcal{O}.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Podemos interpretar a integral como o coeficiente de difusão &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
D = \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
O que nos dá a equação da difusão&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} = D \frac{\partial^2\rho}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Equação de Langevin ===&lt;br /&gt;
&lt;br /&gt;
Em 1908, 3 anos após os estudos de Albert Einstein em processos aleatórios e movimento aleatório, Paul Langevin (1872-1946) apresentou um novo método para o movimento browniano que - segundo Langevin - era &amp;quot;infinitamente mais simples&amp;quot; que a solução proposta por Einstein. &amp;lt;ref name=Langevin_original&amp;gt;P. Langevin, &amp;quot;Sur la théorie de mouvement Brownien&amp;quot; C.R. Acad. Sci. Paris , 146 (1908) pp. 530–533, https://www.physik.uni-augsburg.de/theo1/hanggi/History/Langevin1908.pdf.&amp;lt;/ref&amp;gt;&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;&lt;br /&gt;
Para interpretar o movimento browniano, Einstein derivou e resolveu uma equação diferencial parcial descrevendo a evolução temporal da densidade de probabilidade para a partícula. Já Langevin aplicou a segunda lei de Newton na forma diferencial para essa partícula.&lt;br /&gt;
&lt;br /&gt;
Para uma partícula browniana de massa &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; em um líquido com viscosidade &amp;lt;math&amp;gt;\eta&amp;lt;/math&amp;gt;, existem duas forças que agem sobre o seu movimento&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
1. Arrasto pela viscosidade.&lt;br /&gt;
2. Força de flutuação.&lt;br /&gt;
&lt;br /&gt;
Considerando que a partícula é relativamente grande em comparação com as distâncias médias entre as moléculas do líquido e esta se movimento nesse meio com velocidade &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt;, experimenta uma resistência pela viscosidade. Essa força é descrita pela Lei de Stokes que, para uma partícula esférica com diâmetro &amp;lt;math&amp;gt;a&amp;lt;/math&amp;gt;, corresponde a &amp;lt;math&amp;gt;-6\pi\eta a \ dx/dt&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
A segunda força foi proposta por Langevin para descrever o efeito de constantes impactos das moléculas do líquido sobre as partículas de estudo. Assim, como essa força possui uma origem aleatório, esta deveria ser positiva ou negativa de maneira equiprovável e cuja magnitude fosse suficiente para manter a agitação da partícula. Caso contrário, a viscosidade iria parar o movimento dessa partícula.&lt;br /&gt;
&lt;br /&gt;
Com isso, a equação que descreve o movimento a partir da posição da partícula - em 1D na direção &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; - é dado pela Lei de Newton como:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin representando as flutuações de pressão devido ao movimento térmico das moléculas que compõem o líquido. &amp;lt;ref&amp;gt;Langevin equation. Encyclopedia of Mathematics. URL: http://encyclopediaofmath.org/index.php?title=Langevin_equation&amp;amp;oldid=47575.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Essa equação é conhecida como a equação de Langevin e foi o primeiro exemplo de equação diferencial estocástica, isto é, uma equação diferencial com um termo, &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; nesse caso, cuja solução em algum sentido também é uma função aleatória &amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;. Essa função foi desenvolvida para possuir as seguintes propriedades:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\langle R(t) \rangle = 0&lt;br /&gt;
\qquad&lt;br /&gt;
\langle R(t) R(t&#039;) \rangle = D \cdot \delta(t-t&#039;)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\langle f \rangle&amp;lt;/math&amp;gt; descreve o valor médio ou esperado de uma função &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão e &amp;lt;math&amp;gt;\delta&amp;lt;/math&amp;gt; é a função delta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A primeira propriedade afirma que o movimento é aleatório de forma que não existe nenhuma tendência de sentido para a partícula se locomover. Assim, é dito que &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; se trata de um ruído branco gaussiano. Já a segunda propriedade mostra que a força em um dado tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; é descorrelacionada de uma força para qualquer outro tempo &amp;lt;math&amp;gt;t&#039;&amp;lt;/math&amp;gt; (propriedade de Markov). &amp;lt;ref&amp;gt;Wikipédia: Langevin equation. URL: https://en.wikipedia.org/wiki/Langevin_equation.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Dedução da equação de Fokker-Planck ===&lt;br /&gt;
&lt;br /&gt;
Para a dedução foi utilizado a seguinte referência como base: &#039;&#039;From Langevin to Fokker-Planck equation&#039;&#039;.&amp;lt;ref&amp;gt;From Langevin to Fokker-Planck equation. URL: http://cgl.elte.hu/~racz/Stoch-diff-eq.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Como vimos anteriormente, o movimento browniano pode ser descrito pela equação de Langevin, a qual podemos resolver sem nenhum problema. Contudo, alternativamente, podemos fazer uso da equação de Fokker-Planck e considerar uma densidade de probabilidade em relação a posição e o tempo, levando em conta diferentes perturbações estocásticas. Para isso, iremos agora deduzir essa equação, a partir da analise de Langevin.&lt;br /&gt;
&lt;br /&gt;
A descrição do movimento browniano foi anteriormente tratada em termos da equação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para o nosso propósito, realizaremos uma abordagem mais direta e geral, assumindo a equação de Langevin através de um potencial &amp;lt;math&amp;gt;U(x)&amp;lt;/math&amp;gt;, nos deixando com a seguinte expressão:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{dx}{dt} = -\mu \frac{dU}{dx} + \eta(t),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\mu=\frac{1}{6\pi\eta a}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\eta(t) = \mu R(t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Contudo, para entender as equações diferenciais estocásticas, precisamos discretizar as equações para posteriormente aplicar os métodos numéricos. Temos que o sistema de discretização mais simples possível nos leva ao valor de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt; a partir da interação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) - \mu\frac{dU}{dx}\varepsilon + \eta_\varepsilon(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A tarefa é compreender como o agora ruído gaussiano &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; afeta esse sistema discretizado. Para isso, escreveremos a evolução temporal da distribuição de probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; definida como a probabilidade da partícula estar em &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Então, deve-se olhar para o limite &amp;lt;math&amp;gt;t \rightarrow \infty&amp;lt;/math&amp;gt; de &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
Vamos realizar a tarefa com a equação discretizada de Langevin comentada acima. Por razões de simplificação, discutiremos essa abordagem com a forma &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) + v(x) \varepsilon + \eta_{\varepsilon}(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;v(x) \equiv −\mu \frac{dU}{dx}&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A equação da probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; pode ser derivada usando a equação de Chapman-Kolmogorov, a qual também iremos escrever em uma forma discretizada no tempo, da forma&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t + \varepsilon) = \int_{-\infty}^{+\infty} W(x,y;\varepsilon) \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é a probabilidade de que a partícula se mova para &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt;, desde que tenha começado em &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Lembrando que: para que a condição acima mova a partícula de &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; a &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, o termo de ruído deve ter apenas o valor correspondente que satisfaz a equação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x = y + v(y) \varepsilon + \eta_{\varepsilon}(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A probabilidade de &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; acima é dada a partir da distribuição de probabilidade do incremento estocástico &amp;lt;math&amp;gt;\eta{\varepsilon}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{G} (\eta \varepsilon) = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{-\eta_\varepsilon^2}{4D\varepsilon}}\right),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Assim &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é obtido como&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
W(x,y; \varepsilon) &amp;amp; = \rho_{G} (\eta_{\varepsilon} = x − y − v(y)\varepsilon) \\&lt;br /&gt;
&amp;amp; = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{−[x−y−v(y)\varepsilon]^2}{4Dε}}\right).&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Substituindo o &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; acima na equação de Chapman-Kolmogorov discretizada e expandindo o lado esquerdo para &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \partial_{t}\rho(x,t) \varepsilon = \int_{-\infty}^{+\infty} \frac{\exp\left(\frac{-[x-y-v(y) \varepsilon]^2}{4D\varepsilon}\right)}{\sqrt{4\pi D \varepsilon}} \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Como último passo agora, vamos expandir a integral do lado direito para ordenar &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;. Notamos que quando &amp;lt;math&amp;gt;\varepsilon \rightarrow 0&amp;lt;/math&amp;gt;, a Gaussiana vai para uma função delta e a integral resulta em &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; que irá se cancelar com &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; no lado esquerdo. Ao final, quando reorganizamos os termos, temos a seguinte equação denominada de Equação de Fokker-Planck&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \frac{\partial v(x) \rho(x,t)}{\partial x} + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
ou, se substituirmos &amp;lt;math&amp;gt;v(x)&amp;lt;/math&amp;gt; pelo potencial &amp;lt;math&amp;gt;v(x) = −\mu \partial U(x)/\partial x&amp;lt;/math&amp;gt;, temos que&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = \frac{\partial}{\partial x} \frac{\partial U}{\partial x} \rho(x,t) + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde, em ambos os casos, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão no movimento browniano, com valor &amp;lt;math&amp;gt;D = \mu k_B T = \frac{k_B T}{6 \pi \eta a}&amp;lt;/math&amp;gt;, cujas variáveis foram discutidas anteriormente na equação de Langevin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Esta distribuição pode ainda depender de um conjunto de &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; macrovariáveis &amp;lt;math&amp;gt;x_i&amp;lt;/math&amp;gt;, de tal maneira que o movimento browniano em questão pode ser representado por uma equação de Fokker-Planck da forma &amp;lt;ref&amp;gt;Wikipédia: Fokker-Planck Equation. URL: https://en.wikipedia.org/wiki/Fokker-Planck_equation.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \left[\sum_{i=1}^{N} \frac{\partial}{\partial x_{i}} D_{i}^{1} (x_{1},...,x_{N}) + \sum_{i=1}^{N} \sum_{j=1}^{N} \frac{\partial^2}{\partial x_{i} \partial x_{j}} D_{ij}^{2} (x_{i},...,x_{N})\right]\rho,&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;D^1&amp;lt;/math&amp;gt; é o termo que é dado por um vetor e &amp;lt;math&amp;gt;D^2&amp;lt;/math&amp;gt; é o termo de difusão, dado por uma matriz.&lt;br /&gt;
&lt;br /&gt;
== Exemplos: acelerador de partículas ==&lt;br /&gt;
&lt;br /&gt;
O exemplo e explicações trazidas nessa seção foram retirados do artigo: &#039;&#039;Numerical solution of two dimensional Fokker-Planck equations&#039;&#039; &amp;lt;ref&amp;gt;M.P. Zorzano, H. Mais, L. Vazquez, Numerical solution of two dimensional Fokker—Planck equations, Applied Mathematics and Computation, 1999, https://doi.org/10.1016/S0096-3003(97)10161-8.&amp;lt;/ref&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Uma aplicação amplamente utilizada para a equação de Fokker-Planck como uma Equação Diferencial Estocástica (&#039;&#039;Stochastic Differential Equations&#039;&#039;, SDE) é para a modelagem da dinâmica de partículas únicas em aceleradores sob influência de ruído. As fontes de ruído são, por exemplo, campos aleatórios, movimento aleatório do solo ou flutuações quânticas da radiação.&lt;br /&gt;
&lt;br /&gt;
A partir do cálculo de probabilidade fornecido pela equação de Fokker-Planck, algumas propriedades físicas de interesse são: qual é o comportamento de longo prazo da dinâmica; qual a probabilidade da partícula colidir com a câmara de vácuo e então ser perdida; quais são as flutuações médias da partícula em torno da trajetória do acelerador; e qual é a evolução temporal da densidade de probabilidade?&lt;br /&gt;
&lt;br /&gt;
Para responder essas perguntas, apenas alguns casos mais específicos possuem soluções analíticas, especialmente em problemas com maior dimensionalidade. Por esse motivo, é interessante e prático estudar a equação de Fokker-Planck e os problemas relacionados a partir de métodos numéricos.&lt;br /&gt;
&lt;br /&gt;
Para esse fim, serão abordados dois exemplos: o oscilador harmônico amortecido, o qual possuí solução analítica e poderá ser usado como comparação para verificar a acurácia do método; e o problema de Duffing, oscilador não linear, com amortecimento e ruído multiplicativo e aditivo, que não apresenta solução exata.&lt;br /&gt;
&lt;br /&gt;
=== Equações ===&lt;br /&gt;
&lt;br /&gt;
As equações diferenciais típicas encontradas na física do acelerador de partícula são&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -a_1(x) - a_2(x,v) + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; é o ruído branco gaussiano e &amp;lt;math&amp;gt;\sigma&amp;lt;/math&amp;gt; é uma constante.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para o caso do oscilador harmônico amortecido e com ruído, temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -Kx - \gamma v + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\gamma&amp;lt;/math&amp;gt; também são constantes.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Já para o oscilador estocástico de Duffing, não-linear, com amortecimento, ruído multiplicativo e aditivo temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -\omega^2 \left[ \left( \alpha + \sqrt{2D_{11}}R_1(t) \right) x + \epsilon x^3 \right] - 2\tau \omega \dot{x} + \sqrt{2D_{22}}R_2(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\omega&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\alpha&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\epsilon&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D_{11}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;D_{22}&amp;lt;/math&amp;gt; são constantes dadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Escrevendo esses exemplos em termos da equação de Fokker-Planck obtemos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o primeiro caso e&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} [(a_1(x) + a_2(x,v))\rho] + \frac{1}{2}\frac{\partial^2}{\partial v^2}(2D\rho)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
a_1(x) =\omega^2x(\alpha+\epsilon x^2), \quad a_2(x,v) = 2\tau\omega v, \quad D=D_{11}\omega^4x^2+D_{22}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o segundo exemplo.&lt;br /&gt;
&lt;br /&gt;
=== Método FTCS explícito ===&lt;br /&gt;
&lt;br /&gt;
Para os fins de estudo desses casos, o método numérico mais simples para descrever a função &amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt; é a partir do FTCS (&#039;&#039;Foward Time Central Space&#039;&#039;) explícito. Como ficará mais claro a partir da discretização das equações, o método FTCS calcula o resultado de uma função no tempo seguinte em um dado ponto a partir dos valores dos &amp;quot;vizinhos&amp;quot; desse ponto. Para a técnica explícita, podemos calcular valor da função no tempo &amp;lt;math&amp;gt;n+1&amp;lt;/math&amp;gt; a partir apenas de valores já conhecidos no tempo atual &amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;. Assim, a aplicação do método se torna bem simples, contudo, perdemos precisão/estabilidade em comparação com métodos mais sofisticados.&lt;br /&gt;
&lt;br /&gt;
O primeiro passo para o método é discretizar os termos da função de interesse &amp;lt;math&amp;gt;\rho(x,v,t)&amp;lt;/math&amp;gt; nas derivadas parciais necessárias: &amp;lt;math&amp;gt;\partial/\partial x&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\partial/\partial v&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\partial^2/\partial v^2&amp;lt;/math&amp;gt;. Para isso, usamos a expansão da série de Taylor e, para melhor precisão, a derivada centrada (excluindo a derivada no tempo). Ademais, usaremos a notação dos índices para indicar os valores de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; por &amp;lt;math&amp;gt;i&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;j&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;, respectivamente.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho(x,v,t+\Delta t) - \rho(x,v,t)}{\Delta t}&lt;br /&gt;
+ \mathcal{O}(\Delta t^2)&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial x}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{1}{2}&lt;br /&gt;
\left[ &lt;br /&gt;
    \frac{\rho(x+\Delta x,v,t) - \rho(x,v,t)}{\Delta x} &lt;br /&gt;
    +&lt;br /&gt;
    \frac{\rho(x-\Delta x,v,t) - \rho(x,v,t)}{\Delta x}&lt;br /&gt;
\right]&lt;br /&gt;
+ \mathcal{O}(\Delta x^2)&lt;br /&gt;
\approx&lt;br /&gt;
\frac{\rho(x+\Delta x,v,t)-\rho(x-\Delta x,v,t)}{2 \Delta x}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i+1,j}^n + \rho_{i-1,j}^n}{2\Delta x}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial v}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{1}{2}&lt;br /&gt;
\left[ &lt;br /&gt;
    \frac{\rho(x,v+\Delta v,t) - \rho(x,v,t)}{\Delta v} &lt;br /&gt;
    +&lt;br /&gt;
    \frac{\rho(x,v,t) - \rho(x,v-\Delta v,t)}{\Delta v}&lt;br /&gt;
\right]&lt;br /&gt;
+ \mathcal{O}(\Delta v^2)&lt;br /&gt;
\approx&lt;br /&gt;
\frac{\rho(x,v+\Delta v,t)-\rho(x,v-\Delta v,t)}{2 \Delta v}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j+1}^n + \rho_{i,j-1}^n}{2\Delta v}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial^2 \rho}{\partial v^2}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho(x,v+\Delta v, t)-2\rho(x,v,t)+\rho(x,v-\Delta v,t)}{(\Delta v)^2}&lt;br /&gt;
+\mathcal{O}(\Delta v^3)&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Aplicação ===&lt;br /&gt;
&lt;br /&gt;
Com as derivadas parciais discretizadas, podemos agora reescrever as funções de Fokker-Planck para cada caso de estudo em busca do valor de &amp;lt;math&amp;gt;\rho_{i,j}^{n+1}&amp;lt;/math&amp;gt;, isto é, o valor de cada ponto no espaço &amp;lt;math&amp;gt;xv&amp;lt;/math&amp;gt; para o tempo &amp;lt;math&amp;gt;t+\Delta t&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
==== Caso 1: oscilador harmônico amortecido ====&lt;br /&gt;
&lt;br /&gt;
Primeiramente, reescrevemos a função original expandindo os termos e aplicando a regra da cadeia onde for necessário.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\frac{\partial \rho}{\partial t}&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
-\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- \frac{\partial}{\partial x}(v \rho)&lt;br /&gt;
+ \frac{\partial}{\partial v}(\gamma v + Kx)\rho&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \frac{\partial}{\partial v} (\gamma v \rho) &lt;br /&gt;
+ \frac{\partial}{\partial v} (Kx \rho)&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \gamma \rho&lt;br /&gt;
+ \gamma v \frac{\partial}{\partial v} \rho  &lt;br /&gt;
+ Kx \frac{\partial}{\partial v} \rho&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \gamma \rho&lt;br /&gt;
+ (\gamma v+Kx) \frac{\partial}{\partial v} \rho  &lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Agora, reescrevemos a mesma função substituindo as derivadas parciais e demais variáveis necessárias (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;) pelas versões discretizadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
=&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ \gamma \rho_{i,j}^n&lt;br /&gt;
+ (\gamma v +Kx^n) \left( \frac{\rho_{i,j+1}^n-\rho_{i,j-1}^n}{2\Delta v} \right)&lt;br /&gt;
+ \sigma \left( \frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2} \right)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{i,j}^{n+1}&lt;br /&gt;
=&lt;br /&gt;
\rho_{i,j}^n&lt;br /&gt;
+ \Delta t&lt;br /&gt;
\left[&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ \gamma \rho_{i,j}^n&lt;br /&gt;
+ (\gamma v +Kx^n) \left( \frac{\rho_{i,j+1}^n-\rho_{i,j-1}^n}{2\Delta v} \right)&lt;br /&gt;
+ \sigma \left( \frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2} \right)&lt;br /&gt;
\right]&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para exercício, usaremos um &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; constante de forma que apenas será necessário atualizar a variável &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; para cada passo de tempo.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x^{n+1} = x^n+v\Delta t&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Dado essas equações, escrevemos um programa em C para gerar os dados e o gnuplot para criar o gráfico/animação. Os códigos desenvolvidos estarão disponíveis na próxima seção &amp;quot;Código desenvolvido&amp;quot;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[Arquivo:caso1.gif|middle|Animação da evolução da probabilidade de encontrar uma partícula com dada posição &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; a partir da equação de um oscilador harmônico amortecido. Valores da animação: &amp;lt;math&amp;gt;\Delta x = 1\times 10^{-3}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\Delta v = 1\times 10^{-3}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\Delta t = 1\times 10^{-6}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;x_0=1&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;v=2&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;k=0.5&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\gamma=0.5&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\sigma=0.5&amp;lt;/math&amp;gt;.]]&lt;br /&gt;
&lt;br /&gt;
== Código desenvolvido ==&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Referências ==&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6987</id>
		<title>Equação de Fokker-Planck</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6987"/>
		<updated>2022-03-05T22:58:34Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: /* Caso 1: oscilador harmônico amortecido */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&#039;&#039;&#039;Grupo: Álison Soares, Rodrigo Avancini Lara e Samuel Huff Dieterich&#039;&#039;&#039;&lt;br /&gt;
&lt;br /&gt;
A equação de Fokker-Planck foi aplicada em primeiro modo em problemas relacionados ao movimento Browniano, como veremos à seguir. Nesse caso, lidando com flutuações originadas de vários pequenos distúrbios, as partículas de interesse se chocavam com as moléculas do meio, provocando uma trajetória imprevisível. Por conta dessas flutuações, é impossível determinar a posição exata dessas partículas. Porém, é possível determinar a probabilidade de encontrá-las em determinada região.&lt;br /&gt;
&lt;br /&gt;
Esta equação pode ser obtida a partir da equação de Langevin e fornece a probabilidade de encontrar determinada partícula em uma posição &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; em certo instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Além disso, no presente trabalho temos como objetivo estudar as soluções analítica e numérica da equação para um dado exemplo, através do método FTCS explícito.&lt;br /&gt;
&lt;br /&gt;
== Introdução ==&lt;br /&gt;
&lt;br /&gt;
=== Movimento browniano ===&lt;br /&gt;
&lt;br /&gt;
O movimento browniano foi descoberto pelo botanista Robert Brown, em 1827. Durante seu estudo sobre vida microscópica, ele percebeu pequenas partículas de pólen de plantas se movendo de maneira aleatória no líquido que ele estava estudando e, notando que se tratava de partículas de sujeira, e não seres vivos, chegou a conclusão que era um fenômeno físico, e não biológico, que causava este movimento. &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Posteriormente, foi provado que este fenômeno se dava pelos efeitos do movimento molecular. Em um meio com uma temperatura qualquer &amp;lt;math&amp;gt; &amp;gt;0K &amp;lt;/math&amp;gt;, há vibração e movimento molecular. Embora haja conservacão de energia, quando a partícula interage com as moléculas do meio, a energia cinética desta partícula se altera (assim como a das moléculas). Contudo, a soma destas energias é a energia interna do fluido, como descreve o Teorema da Equiparação. &amp;lt;ref name=&amp;gt;The Equipartition Theorem, University of Oxford. URL: http://vallance.chem.ox.ac.uk/pdfs/Equipartition.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Em 1905, Albert Einstein propôs uma teoria para descrever tal movimento matematicamente. Primeiramente, ele se propôs a descrever o quão longe uma partícula browniana se desloca em um determinado intervalo de tempo. Como a partícula está sujeita a &amp;lt;math&amp;gt;10^{14}&amp;lt;/math&amp;gt; colisões por segundo (provindas das moléculas do meio), a mecânica clássica é incapaz de resolver este sistema &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Stachel, J., et al.; The Collected Papers of Albert Einstein, 1989, Princeton University Press. URL: http://users.physik.fu-berlin.de/~kleinert/files/eins_brownian.pdf.&amp;lt;/ref&amp;gt;.  Para resolver este problema, ele abordou o problema pela ótica da mecânica estatística. &lt;br /&gt;
&lt;br /&gt;
Inicialmente, ele considerou o incremento da posição da partícula num espaço unidimensional (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;), num determinado intervalo de tempo (&amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;). Considerando que existe uma probabilidade aleatória da partícula se mover dentro do intervalo &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, ele definiu uma função para a densidade de probabilidade (&amp;lt;math&amp;gt;\varphi(\Delta x)&amp;lt;/math&amp;gt;). Sabendo que o número de partículas é constante dentro do meio, ele expandiu a densidade (&amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt;) deste em uma série de Taylor:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \tau \left(\frac{\partial \rho(x,t)}{\partial t}\right) + \dots = \rho(x, t+\tau)&lt;br /&gt;
=\int_{-\infty}^{+\infty} \rho(x+\Delta x, t) \cdot \varphi(\Delta x) d\Delta x &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
que é, por definição, &amp;lt;math&amp;gt;\varphi&amp;lt;/math&amp;gt;. Continuando, &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
=\rho(x,t) \cdot \int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x + \frac{\partial \rho}{\partial x} \cdot \int_{-\infty}^{+\infty} \Delta x \cdot \varphi(\Delta x) d \Delta x + \frac{\partial^2\rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \dots.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Pela definição da probabilidade,&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x=1&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
e as integrais dos termos pares da série são nulos devido à simetria do espaço. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Temos então,&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\rho(x, t+\tau)&lt;br /&gt;
&amp;amp; = \rho(x,t) \cdot 1 + 0 + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots&lt;br /&gt;
\\&lt;br /&gt;
&amp;amp; = \rho(x,t) + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots.&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Esta equação nos leva à igualdade&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} =  \frac{\partial^2\rho}{\partial x^2} \cdot \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \mathcal{O}.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Podemos interpretar a integral como o coeficiente de difusão &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
D = \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
O que nos dá a equação da difusão&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} = D \frac{\partial^2\rho}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Equação de Langevin ===&lt;br /&gt;
&lt;br /&gt;
Em 1908, 3 anos após os estudos de Albert Einstein em processos aleatórios e movimento aleatório, Paul Langevin (1872-1946) apresentou um novo método para o movimento browniano que - segundo Langevin - era &amp;quot;infinitamente mais simples&amp;quot; que a solução proposta por Einstein. &amp;lt;ref name=Langevin_original&amp;gt;P. Langevin, &amp;quot;Sur la théorie de mouvement Brownien&amp;quot; C.R. Acad. Sci. Paris , 146 (1908) pp. 530–533, https://www.physik.uni-augsburg.de/theo1/hanggi/History/Langevin1908.pdf.&amp;lt;/ref&amp;gt;&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;&lt;br /&gt;
Para interpretar o movimento browniano, Einstein derivou e resolveu uma equação diferencial parcial descrevendo a evolução temporal da densidade de probabilidade para a partícula. Já Langevin aplicou a segunda lei de Newton na forma diferencial para essa partícula.&lt;br /&gt;
&lt;br /&gt;
Para uma partícula browniana de massa &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; em um líquido com viscosidade &amp;lt;math&amp;gt;\eta&amp;lt;/math&amp;gt;, existem duas forças que agem sobre o seu movimento&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
1. Arrasto pela viscosidade.&lt;br /&gt;
2. Força de flutuação.&lt;br /&gt;
&lt;br /&gt;
Considerando que a partícula é relativamente grande em comparação com as distâncias médias entre as moléculas do líquido e esta se movimento nesse meio com velocidade &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt;, experimenta uma resistência pela viscosidade. Essa força é descrita pela Lei de Stokes que, para uma partícula esférica com diâmetro &amp;lt;math&amp;gt;a&amp;lt;/math&amp;gt;, corresponde a &amp;lt;math&amp;gt;-6\pi\eta a \ dx/dt&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
A segunda força foi proposta por Langevin para descrever o efeito de constantes impactos das moléculas do líquido sobre as partículas de estudo. Assim, como essa força possui uma origem aleatório, esta deveria ser positiva ou negativa de maneira equiprovável e cuja magnitude fosse suficiente para manter a agitação da partícula. Caso contrário, a viscosidade iria parar o movimento dessa partícula.&lt;br /&gt;
&lt;br /&gt;
Com isso, a equação que descreve o movimento a partir da posição da partícula - em 1D na direção &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; - é dado pela Lei de Newton como:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin representando as flutuações de pressão devido ao movimento térmico das moléculas que compõem o líquido. &amp;lt;ref&amp;gt;Langevin equation. Encyclopedia of Mathematics. URL: http://encyclopediaofmath.org/index.php?title=Langevin_equation&amp;amp;oldid=47575.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Essa equação é conhecida como a equação de Langevin e foi o primeiro exemplo de equação diferencial estocástica, isto é, uma equação diferencial com um termo, &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; nesse caso, cuja solução em algum sentido também é uma função aleatória &amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;. Essa função foi desenvolvida para possuir as seguintes propriedades:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\langle R(t) \rangle = 0&lt;br /&gt;
\qquad&lt;br /&gt;
\langle R(t) R(t&#039;) \rangle = D \cdot \delta(t-t&#039;)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\langle f \rangle&amp;lt;/math&amp;gt; descreve o valor médio ou esperado de uma função &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão e &amp;lt;math&amp;gt;\delta&amp;lt;/math&amp;gt; é a função delta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A primeira propriedade afirma que o movimento é aleatório de forma que não existe nenhuma tendência de sentido para a partícula se locomover. Assim, é dito que &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; se trata de um ruído branco gaussiano. Já a segunda propriedade mostra que a força em um dado tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; é descorrelacionada de uma força para qualquer outro tempo &amp;lt;math&amp;gt;t&#039;&amp;lt;/math&amp;gt; (propriedade de Markov). &amp;lt;ref&amp;gt;Wikipédia: Langevin equation. URL: https://en.wikipedia.org/wiki/Langevin_equation.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Dedução da equação de Fokker-Planck ===&lt;br /&gt;
&lt;br /&gt;
Para a dedução foi utilizado a seguinte referência como base: &#039;&#039;From Langevin to Fokker-Planck equation&#039;&#039;.&amp;lt;ref&amp;gt;From Langevin to Fokker-Planck equation. URL: http://cgl.elte.hu/~racz/Stoch-diff-eq.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Como vimos anteriormente, o movimento browniano pode ser descrito pela equação de Langevin, a qual podemos resolver sem nenhum problema. Contudo, alternativamente, podemos fazer uso da equação de Fokker-Planck e considerar uma densidade de probabilidade em relação a posição e o tempo, levando em conta diferentes perturbações estocásticas. Para isso, iremos agora deduzir essa equação, a partir da analise de Langevin.&lt;br /&gt;
&lt;br /&gt;
A descrição do movimento browniano foi anteriormente tratada em termos da equação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para o nosso propósito, realizaremos uma abordagem mais direta e geral, assumindo a equação de Langevin através de um potencial &amp;lt;math&amp;gt;U(x)&amp;lt;/math&amp;gt;, nos deixando com a seguinte expressão:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{dx}{dt} = -\mu \frac{dU}{dx} + \eta(t),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\mu=\frac{1}{6\pi\eta a}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\eta(t) = \mu R(t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Contudo, para entender as equações diferenciais estocásticas, precisamos discretizar as equações para posteriormente aplicar os métodos numéricos. Temos que o sistema de discretização mais simples possível nos leva ao valor de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt; a partir da interação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) - \mu\frac{dU}{dx}\varepsilon + \eta_\varepsilon(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A tarefa é compreender como o agora ruído gaussiano &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; afeta esse sistema discretizado. Para isso, escreveremos a evolução temporal da distribuição de probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; definida como a probabilidade da partícula estar em &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Então, deve-se olhar para o limite &amp;lt;math&amp;gt;t \rightarrow \infty&amp;lt;/math&amp;gt; de &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
Vamos realizar a tarefa com a equação discretizada de Langevin comentada acima. Por razões de simplificação, discutiremos essa abordagem com a forma &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) + v(x) \varepsilon + \eta_{\varepsilon}(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;v(x) \equiv −\mu \frac{dU}{dx}&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A equação da probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; pode ser derivada usando a equação de Chapman-Kolmogorov, a qual também iremos escrever em uma forma discretizada no tempo, da forma&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t + \varepsilon) = \int_{-\infty}^{+\infty} W(x,y;\varepsilon) \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é a probabilidade de que a partícula se mova para &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt;, desde que tenha começado em &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Lembrando que: para que a condição acima mova a partícula de &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; a &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, o termo de ruído deve ter apenas o valor correspondente que satisfaz a equação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x = y + v(y) \varepsilon + \eta_{\varepsilon}(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A probabilidade de &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; acima é dada a partir da distribuição de probabilidade do incremento estocástico &amp;lt;math&amp;gt;\eta{\varepsilon}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{G} (\eta \varepsilon) = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{-\eta_\varepsilon^2}{4D\varepsilon}}\right),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Assim &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é obtido como&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
W(x,y; \varepsilon) &amp;amp; = \rho_{G} (\eta_{\varepsilon} = x − y − v(y)\varepsilon) \\&lt;br /&gt;
&amp;amp; = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{−[x−y−v(y)\varepsilon]^2}{4Dε}}\right).&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Substituindo o &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; acima na equação de Chapman-Kolmogorov discretizada e expandindo o lado esquerdo para &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \partial_{t}\rho(x,t) \varepsilon = \int_{-\infty}^{+\infty} \frac{\exp\left(\frac{-[x-y-v(y) \varepsilon]^2}{4D\varepsilon}\right)}{\sqrt{4\pi D \varepsilon}} \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Como último passo agora, vamos expandir a integral do lado direito para ordenar &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;. Notamos que quando &amp;lt;math&amp;gt;\varepsilon \rightarrow 0&amp;lt;/math&amp;gt;, a Gaussiana vai para uma função delta e a integral resulta em &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; que irá se cancelar com &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; no lado esquerdo. Ao final, quando reorganizamos os termos, temos a seguinte equação denominada de Equação de Fokker-Planck&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \frac{\partial v(x) \rho(x,t)}{\partial x} + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
ou, se substituirmos &amp;lt;math&amp;gt;v(x)&amp;lt;/math&amp;gt; pelo potencial &amp;lt;math&amp;gt;v(x) = −\mu \partial U(x)/\partial x&amp;lt;/math&amp;gt;, temos que&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = \frac{\partial}{\partial x} \frac{\partial U}{\partial x} \rho(x,t) + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde, em ambos os casos, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão no movimento browniano, com valor &amp;lt;math&amp;gt;D = \mu k_B T = \frac{k_B T}{6 \pi \eta a}&amp;lt;/math&amp;gt;, cujas variáveis foram discutidas anteriormente na equação de Langevin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Esta distribuição pode ainda depender de um conjunto de &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; macrovariáveis &amp;lt;math&amp;gt;x_i&amp;lt;/math&amp;gt;, de tal maneira que o movimento browniano em questão pode ser representado por uma equação de Fokker-Planck da forma &amp;lt;ref&amp;gt;Wikipédia: Fokker-Planck Equation. URL: https://en.wikipedia.org/wiki/Fokker-Planck_equation.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \left[\sum_{i=1}^{N} \frac{\partial}{\partial x_{i}} D_{i}^{1} (x_{1},...,x_{N}) + \sum_{i=1}^{N} \sum_{j=1}^{N} \frac{\partial^2}{\partial x_{i} \partial x_{j}} D_{ij}^{2} (x_{i},...,x_{N})\right]\rho,&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;D^1&amp;lt;/math&amp;gt; é o termo que é dado por um vetor e &amp;lt;math&amp;gt;D^2&amp;lt;/math&amp;gt; é o termo de difusão, dado por uma matriz.&lt;br /&gt;
&lt;br /&gt;
== Exemplos: acelerador de partículas ==&lt;br /&gt;
&lt;br /&gt;
O exemplo e explicações trazidas nessa seção foram retirados do artigo: &#039;&#039;Numerical solution of two dimensional Fokker-Planck equations&#039;&#039; &amp;lt;ref&amp;gt;M.P. Zorzano, H. Mais, L. Vazquez, Numerical solution of two dimensional Fokker—Planck equations, Applied Mathematics and Computation, 1999, https://doi.org/10.1016/S0096-3003(97)10161-8.&amp;lt;/ref&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Uma aplicação amplamente utilizada para a equação de Fokker-Planck como uma Equação Diferencial Estocástica (&#039;&#039;Stochastic Differential Equations&#039;&#039;, SDE) é para a modelagem da dinâmica de partículas únicas em aceleradores sob influência de ruído. As fontes de ruído são, por exemplo, campos aleatórios, movimento aleatório do solo ou flutuações quânticas da radiação.&lt;br /&gt;
&lt;br /&gt;
A partir do cálculo de probabilidade fornecido pela equação de Fokker-Planck, algumas propriedades físicas de interesse são: qual é o comportamento de longo prazo da dinâmica; qual a probabilidade da partícula colidir com a câmara de vácuo e então ser perdida; quais são as flutuações médias da partícula em torno da trajetória do acelerador; e qual é a evolução temporal da densidade de probabilidade?&lt;br /&gt;
&lt;br /&gt;
Para responder essas perguntas, apenas alguns casos mais específicos possuem soluções analíticas, especialmente em problemas com maior dimensionalidade. Por esse motivo, é interessante e prático estudar a equação de Fokker-Planck e os problemas relacionados a partir de métodos numéricos.&lt;br /&gt;
&lt;br /&gt;
Para esse fim, serão abordados dois exemplos: o oscilador harmônico amortecido, o qual possuí solução analítica e poderá ser usado como comparação para verificar a acurácia do método; e o problema de Duffing, oscilador não linear, com amortecimento e ruído multiplicativo e aditivo, que não apresenta solução exata.&lt;br /&gt;
&lt;br /&gt;
=== Equações ===&lt;br /&gt;
&lt;br /&gt;
As equações diferenciais típicas encontradas na física do acelerador de partícula são&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -a_1(x) - a_2(x,v) + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; é o ruído branco gaussiano e &amp;lt;math&amp;gt;\sigma&amp;lt;/math&amp;gt; é uma constante.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para o caso do oscilador harmônico amortecido e com ruído, temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -Kx - \gamma v + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\gamma&amp;lt;/math&amp;gt; também são constantes.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Já para o oscilador estocástico de Duffing, não-linear, com amortecimento, ruído multiplicativo e aditivo temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -\omega^2 \left[ \left( \alpha + \sqrt{2D_{11}}R_1(t) \right) x + \epsilon x^3 \right] - 2\tau \omega \dot{x} + \sqrt{2D_{22}}R_2(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\omega&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\alpha&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\epsilon&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D_{11}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;D_{22}&amp;lt;/math&amp;gt; são constantes dadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Escrevendo esses exemplos em termos da equação de Fokker-Planck obtemos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o primeiro caso e&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} [(a_1(x) + a_2(x,v))\rho] + \frac{1}{2}\frac{\partial^2}{\partial v^2}(2D\rho)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
a_1(x) =\omega^2x(\alpha+\epsilon x^2), \quad a_2(x,v) = 2\tau\omega v, \quad D=D_{11}\omega^4x^2+D_{22}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o segundo exemplo.&lt;br /&gt;
&lt;br /&gt;
=== Método FTCS explícito ===&lt;br /&gt;
&lt;br /&gt;
Para os fins de estudo desses casos, o método numérico mais simples para descrever a função &amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt; é a partir do FTCS (&#039;&#039;Foward Time Central Space&#039;&#039;) explícito. Como ficará mais claro a partir da discretização das equações, o método FTCS calcula o resultado de uma função no tempo seguinte em um dado ponto a partir dos valores dos &amp;quot;vizinhos&amp;quot; desse ponto. Para a técnica explícita, podemos calcular valor da função no tempo &amp;lt;math&amp;gt;n+1&amp;lt;/math&amp;gt; a partir apenas de valores já conhecidos no tempo atual &amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;. Assim, a aplicação do método se torna bem simples, contudo, perdemos precisão/estabilidade em comparação com métodos mais sofisticados.&lt;br /&gt;
&lt;br /&gt;
O primeiro passo para o método é discretizar os termos da função de interesse &amp;lt;math&amp;gt;\rho(x,v,t)&amp;lt;/math&amp;gt; nas derivadas parciais necessárias: &amp;lt;math&amp;gt;\partial/\partial x&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\partial/\partial v&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\partial^2/\partial v^2&amp;lt;/math&amp;gt;. Para isso, usamos a expansão da série de Taylor e, para melhor precisão, a derivada centrada (excluindo a derivada no tempo). Ademais, usaremos a notação dos índices para indicar os valores de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; por &amp;lt;math&amp;gt;i&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;j&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;, respectivamente.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho(x,v,t+\Delta t) - \rho(x,v,t)}{\Delta t}&lt;br /&gt;
+ \mathcal{O}(\Delta t^2)&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial x}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{1}{2}&lt;br /&gt;
\left[ &lt;br /&gt;
    \frac{\rho(x+\Delta x,v,t) - \rho(x,v,t)}{\Delta x} &lt;br /&gt;
    +&lt;br /&gt;
    \frac{\rho(x-\Delta x,v,t) - \rho(x,v,t)}{\Delta x}&lt;br /&gt;
\right]&lt;br /&gt;
+ \mathcal{O}(\Delta x^2)&lt;br /&gt;
\approx&lt;br /&gt;
\frac{\rho(x+\Delta x,v,t)-\rho(x-\Delta x,v,t)}{2 \Delta x}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i+1,j}^n + \rho_{i-1,j}^n}{2\Delta x}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial v}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{1}{2}&lt;br /&gt;
\left[ &lt;br /&gt;
    \frac{\rho(x,v+\Delta v,t) - \rho(x,v,t)}{\Delta v} &lt;br /&gt;
    +&lt;br /&gt;
    \frac{\rho(x,v,t) - \rho(x,v-\Delta v,t)}{\Delta v}&lt;br /&gt;
\right]&lt;br /&gt;
+ \mathcal{O}(\Delta v^2)&lt;br /&gt;
\approx&lt;br /&gt;
\frac{\rho(x,v+\Delta v,t)-\rho(x,v-\Delta v,t)}{2 \Delta v}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j+1}^n + \rho_{i,j-1}^n}{2\Delta v}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial^2 \rho}{\partial v^2}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho(x,v+\Delta v, t)-2\rho(x,v,t)+\rho(x,v-\Delta v,t)}{(\Delta v)^2}&lt;br /&gt;
+\mathcal{O}(\Delta v^3)&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Aplicação ===&lt;br /&gt;
&lt;br /&gt;
Com as derivadas parciais discretizadas, podemos agora reescrever as funções de Fokker-Planck para cada caso de estudo em busca do valor de &amp;lt;math&amp;gt;\rho_{i,j}^{n+1}&amp;lt;/math&amp;gt;, isto é, o valor de cada ponto no espaço &amp;lt;math&amp;gt;xv&amp;lt;/math&amp;gt; para o tempo &amp;lt;math&amp;gt;t+\Delta t&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
==== Caso 1: oscilador harmônico amortecido ====&lt;br /&gt;
&lt;br /&gt;
Primeiramente, reescrevemos a função original expandindo os termos e aplicando a regra da cadeia onde for necessário.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\frac{\partial \rho}{\partial t}&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
-\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- \frac{\partial}{\partial x}(v \rho)&lt;br /&gt;
+ \frac{\partial}{\partial v}(\gamma v + Kx)\rho&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \frac{\partial}{\partial v} (\gamma v \rho) &lt;br /&gt;
+ \frac{\partial}{\partial v} (Kx \rho)&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \gamma \rho&lt;br /&gt;
+ \gamma v \frac{\partial}{\partial v} \rho  &lt;br /&gt;
+ Kx \frac{\partial}{\partial v} \rho&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \gamma \rho&lt;br /&gt;
+ (\gamma v+Kx) \frac{\partial}{\partial v} \rho  &lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Agora, reescrevemos a mesma função substituindo as derivadas parciais e demais variáveis necessárias (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;) pelas versões discretizadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
=&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ \gamma \rho_{i,j}^n&lt;br /&gt;
+ (\gamma v +Kx^n) \left( \frac{\rho_{i,j+1}^n-\rho_{i,j-1}^n}{2\Delta v} \right)&lt;br /&gt;
+ \sigma \left( \frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2} \right)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{i,j}^{n+1}&lt;br /&gt;
=&lt;br /&gt;
\rho_{i,j}^n&lt;br /&gt;
+ \Delta t&lt;br /&gt;
\left[&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ \gamma \rho_{i,j}^n&lt;br /&gt;
+ (\gamma v +Kx^n) \left( \frac{\rho_{i,j+1}^n-\rho_{i,j-1}^n}{2\Delta v} \right)&lt;br /&gt;
+ \sigma \left( \frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2} \right)&lt;br /&gt;
\right]&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para exercício, usaremos um &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; constante de forma que apenas será necessário atualizar a variável &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; para cada passo de tempo.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x^{n+1} = x^n+v\Delta t&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Dado essas equações, escrevemos um programa em C para gerar os dados e o gnuplot para criar o gráfico/animação. Os códigos desenvolvidos estarão disponíveis na próxima seção &amp;quot;Código desenvolvido&amp;quot;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[Arquivo:caso1.gif|left|Animação da evolução da probabilidade de encontrar uma partícula com dada posição &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; a partir da equação de um oscilador harmônico amortecido. Valores da animação: &amp;lt;math&amp;gt;\Delta x = 1\times 10^{-3}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\Delta v = 1\times 10^{-3}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\Delta t = 1\times 10^{-6}&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;x_0=1&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;v=2&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;k=0.5&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\gamma=0.5&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\sigma=0.5&amp;lt;/math&amp;gt;.]]&lt;br /&gt;
&lt;br /&gt;
== Código desenvolvido ==&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Referências ==&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Arquivo:Caso1.gif&amp;diff=6986</id>
		<title>Arquivo:Caso1.gif</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Arquivo:Caso1.gif&amp;diff=6986"/>
		<updated>2022-03-05T22:55:11Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6985</id>
		<title>Equação de Fokker-Planck</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6985"/>
		<updated>2022-03-05T22:53:57Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: /* Caso 1: oscilador harmônico amortecido */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&#039;&#039;&#039;Grupo: Álison Soares, Rodrigo Avancini Lara e Samuel Huff Dieterich&#039;&#039;&#039;&lt;br /&gt;
&lt;br /&gt;
A equação de Fokker-Planck foi aplicada em primeiro modo em problemas relacionados ao movimento Browniano, como veremos à seguir. Nesse caso, lidando com flutuações originadas de vários pequenos distúrbios, as partículas de interesse se chocavam com as moléculas do meio, provocando uma trajetória imprevisível. Por conta dessas flutuações, é impossível determinar a posição exata dessas partículas. Porém, é possível determinar a probabilidade de encontrá-las em determinada região.&lt;br /&gt;
&lt;br /&gt;
Esta equação pode ser obtida a partir da equação de Langevin e fornece a probabilidade de encontrar determinada partícula em uma posição &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; em certo instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Além disso, no presente trabalho temos como objetivo estudar as soluções analítica e numérica da equação para um dado exemplo, através do método FTCS explícito.&lt;br /&gt;
&lt;br /&gt;
== Introdução ==&lt;br /&gt;
&lt;br /&gt;
=== Movimento browniano ===&lt;br /&gt;
&lt;br /&gt;
O movimento browniano foi descoberto pelo botanista Robert Brown, em 1827. Durante seu estudo sobre vida microscópica, ele percebeu pequenas partículas de pólen de plantas se movendo de maneira aleatória no líquido que ele estava estudando e, notando que se tratava de partículas de sujeira, e não seres vivos, chegou a conclusão que era um fenômeno físico, e não biológico, que causava este movimento. &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Posteriormente, foi provado que este fenômeno se dava pelos efeitos do movimento molecular. Em um meio com uma temperatura qualquer &amp;lt;math&amp;gt; &amp;gt;0K &amp;lt;/math&amp;gt;, há vibração e movimento molecular. Embora haja conservacão de energia, quando a partícula interage com as moléculas do meio, a energia cinética desta partícula se altera (assim como a das moléculas). Contudo, a soma destas energias é a energia interna do fluido, como descreve o Teorema da Equiparação. &amp;lt;ref name=&amp;gt;The Equipartition Theorem, University of Oxford. URL: http://vallance.chem.ox.ac.uk/pdfs/Equipartition.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Em 1905, Albert Einstein propôs uma teoria para descrever tal movimento matematicamente. Primeiramente, ele se propôs a descrever o quão longe uma partícula browniana se desloca em um determinado intervalo de tempo. Como a partícula está sujeita a &amp;lt;math&amp;gt;10^{14}&amp;lt;/math&amp;gt; colisões por segundo (provindas das moléculas do meio), a mecânica clássica é incapaz de resolver este sistema &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Stachel, J., et al.; The Collected Papers of Albert Einstein, 1989, Princeton University Press. URL: http://users.physik.fu-berlin.de/~kleinert/files/eins_brownian.pdf.&amp;lt;/ref&amp;gt;.  Para resolver este problema, ele abordou o problema pela ótica da mecânica estatística. &lt;br /&gt;
&lt;br /&gt;
Inicialmente, ele considerou o incremento da posição da partícula num espaço unidimensional (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;), num determinado intervalo de tempo (&amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;). Considerando que existe uma probabilidade aleatória da partícula se mover dentro do intervalo &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, ele definiu uma função para a densidade de probabilidade (&amp;lt;math&amp;gt;\varphi(\Delta x)&amp;lt;/math&amp;gt;). Sabendo que o número de partículas é constante dentro do meio, ele expandiu a densidade (&amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt;) deste em uma série de Taylor:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \tau \left(\frac{\partial \rho(x,t)}{\partial t}\right) + \dots = \rho(x, t+\tau)&lt;br /&gt;
=\int_{-\infty}^{+\infty} \rho(x+\Delta x, t) \cdot \varphi(\Delta x) d\Delta x &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
que é, por definição, &amp;lt;math&amp;gt;\varphi&amp;lt;/math&amp;gt;. Continuando, &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
=\rho(x,t) \cdot \int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x + \frac{\partial \rho}{\partial x} \cdot \int_{-\infty}^{+\infty} \Delta x \cdot \varphi(\Delta x) d \Delta x + \frac{\partial^2\rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \dots.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Pela definição da probabilidade,&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x=1&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
e as integrais dos termos pares da série são nulos devido à simetria do espaço. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Temos então,&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\rho(x, t+\tau)&lt;br /&gt;
&amp;amp; = \rho(x,t) \cdot 1 + 0 + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots&lt;br /&gt;
\\&lt;br /&gt;
&amp;amp; = \rho(x,t) + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots.&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Esta equação nos leva à igualdade&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} =  \frac{\partial^2\rho}{\partial x^2} \cdot \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \mathcal{O}.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Podemos interpretar a integral como o coeficiente de difusão &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
D = \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
O que nos dá a equação da difusão&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} = D \frac{\partial^2\rho}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Equação de Langevin ===&lt;br /&gt;
&lt;br /&gt;
Em 1908, 3 anos após os estudos de Albert Einstein em processos aleatórios e movimento aleatório, Paul Langevin (1872-1946) apresentou um novo método para o movimento browniano que - segundo Langevin - era &amp;quot;infinitamente mais simples&amp;quot; que a solução proposta por Einstein. &amp;lt;ref name=Langevin_original&amp;gt;P. Langevin, &amp;quot;Sur la théorie de mouvement Brownien&amp;quot; C.R. Acad. Sci. Paris , 146 (1908) pp. 530–533, https://www.physik.uni-augsburg.de/theo1/hanggi/History/Langevin1908.pdf.&amp;lt;/ref&amp;gt;&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;&lt;br /&gt;
Para interpretar o movimento browniano, Einstein derivou e resolveu uma equação diferencial parcial descrevendo a evolução temporal da densidade de probabilidade para a partícula. Já Langevin aplicou a segunda lei de Newton na forma diferencial para essa partícula.&lt;br /&gt;
&lt;br /&gt;
Para uma partícula browniana de massa &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; em um líquido com viscosidade &amp;lt;math&amp;gt;\eta&amp;lt;/math&amp;gt;, existem duas forças que agem sobre o seu movimento&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
1. Arrasto pela viscosidade.&lt;br /&gt;
2. Força de flutuação.&lt;br /&gt;
&lt;br /&gt;
Considerando que a partícula é relativamente grande em comparação com as distâncias médias entre as moléculas do líquido e esta se movimento nesse meio com velocidade &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt;, experimenta uma resistência pela viscosidade. Essa força é descrita pela Lei de Stokes que, para uma partícula esférica com diâmetro &amp;lt;math&amp;gt;a&amp;lt;/math&amp;gt;, corresponde a &amp;lt;math&amp;gt;-6\pi\eta a \ dx/dt&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
A segunda força foi proposta por Langevin para descrever o efeito de constantes impactos das moléculas do líquido sobre as partículas de estudo. Assim, como essa força possui uma origem aleatório, esta deveria ser positiva ou negativa de maneira equiprovável e cuja magnitude fosse suficiente para manter a agitação da partícula. Caso contrário, a viscosidade iria parar o movimento dessa partícula.&lt;br /&gt;
&lt;br /&gt;
Com isso, a equação que descreve o movimento a partir da posição da partícula - em 1D na direção &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; - é dado pela Lei de Newton como:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin representando as flutuações de pressão devido ao movimento térmico das moléculas que compõem o líquido. &amp;lt;ref&amp;gt;Langevin equation. Encyclopedia of Mathematics. URL: http://encyclopediaofmath.org/index.php?title=Langevin_equation&amp;amp;oldid=47575.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Essa equação é conhecida como a equação de Langevin e foi o primeiro exemplo de equação diferencial estocástica, isto é, uma equação diferencial com um termo, &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; nesse caso, cuja solução em algum sentido também é uma função aleatória &amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;. Essa função foi desenvolvida para possuir as seguintes propriedades:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\langle R(t) \rangle = 0&lt;br /&gt;
\qquad&lt;br /&gt;
\langle R(t) R(t&#039;) \rangle = D \cdot \delta(t-t&#039;)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\langle f \rangle&amp;lt;/math&amp;gt; descreve o valor médio ou esperado de uma função &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão e &amp;lt;math&amp;gt;\delta&amp;lt;/math&amp;gt; é a função delta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A primeira propriedade afirma que o movimento é aleatório de forma que não existe nenhuma tendência de sentido para a partícula se locomover. Assim, é dito que &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; se trata de um ruído branco gaussiano. Já a segunda propriedade mostra que a força em um dado tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; é descorrelacionada de uma força para qualquer outro tempo &amp;lt;math&amp;gt;t&#039;&amp;lt;/math&amp;gt; (propriedade de Markov). &amp;lt;ref&amp;gt;Wikipédia: Langevin equation. URL: https://en.wikipedia.org/wiki/Langevin_equation.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Dedução da equação de Fokker-Planck ===&lt;br /&gt;
&lt;br /&gt;
Para a dedução foi utilizado a seguinte referência como base: &#039;&#039;From Langevin to Fokker-Planck equation&#039;&#039;.&amp;lt;ref&amp;gt;From Langevin to Fokker-Planck equation. URL: http://cgl.elte.hu/~racz/Stoch-diff-eq.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Como vimos anteriormente, o movimento browniano pode ser descrito pela equação de Langevin, a qual podemos resolver sem nenhum problema. Contudo, alternativamente, podemos fazer uso da equação de Fokker-Planck e considerar uma densidade de probabilidade em relação a posição e o tempo, levando em conta diferentes perturbações estocásticas. Para isso, iremos agora deduzir essa equação, a partir da analise de Langevin.&lt;br /&gt;
&lt;br /&gt;
A descrição do movimento browniano foi anteriormente tratada em termos da equação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para o nosso propósito, realizaremos uma abordagem mais direta e geral, assumindo a equação de Langevin através de um potencial &amp;lt;math&amp;gt;U(x)&amp;lt;/math&amp;gt;, nos deixando com a seguinte expressão:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{dx}{dt} = -\mu \frac{dU}{dx} + \eta(t),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\mu=\frac{1}{6\pi\eta a}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\eta(t) = \mu R(t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Contudo, para entender as equações diferenciais estocásticas, precisamos discretizar as equações para posteriormente aplicar os métodos numéricos. Temos que o sistema de discretização mais simples possível nos leva ao valor de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt; a partir da interação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) - \mu\frac{dU}{dx}\varepsilon + \eta_\varepsilon(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A tarefa é compreender como o agora ruído gaussiano &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; afeta esse sistema discretizado. Para isso, escreveremos a evolução temporal da distribuição de probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; definida como a probabilidade da partícula estar em &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Então, deve-se olhar para o limite &amp;lt;math&amp;gt;t \rightarrow \infty&amp;lt;/math&amp;gt; de &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
Vamos realizar a tarefa com a equação discretizada de Langevin comentada acima. Por razões de simplificação, discutiremos essa abordagem com a forma &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) + v(x) \varepsilon + \eta_{\varepsilon}(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;v(x) \equiv −\mu \frac{dU}{dx}&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A equação da probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; pode ser derivada usando a equação de Chapman-Kolmogorov, a qual também iremos escrever em uma forma discretizada no tempo, da forma&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t + \varepsilon) = \int_{-\infty}^{+\infty} W(x,y;\varepsilon) \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é a probabilidade de que a partícula se mova para &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt;, desde que tenha começado em &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Lembrando que: para que a condição acima mova a partícula de &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; a &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, o termo de ruído deve ter apenas o valor correspondente que satisfaz a equação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x = y + v(y) \varepsilon + \eta_{\varepsilon}(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A probabilidade de &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; acima é dada a partir da distribuição de probabilidade do incremento estocástico &amp;lt;math&amp;gt;\eta{\varepsilon}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{G} (\eta \varepsilon) = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{-\eta_\varepsilon^2}{4D\varepsilon}}\right),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Assim &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é obtido como&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
W(x,y; \varepsilon) &amp;amp; = \rho_{G} (\eta_{\varepsilon} = x − y − v(y)\varepsilon) \\&lt;br /&gt;
&amp;amp; = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{−[x−y−v(y)\varepsilon]^2}{4Dε}}\right).&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Substituindo o &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; acima na equação de Chapman-Kolmogorov discretizada e expandindo o lado esquerdo para &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \partial_{t}\rho(x,t) \varepsilon = \int_{-\infty}^{+\infty} \frac{\exp\left(\frac{-[x-y-v(y) \varepsilon]^2}{4D\varepsilon}\right)}{\sqrt{4\pi D \varepsilon}} \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Como último passo agora, vamos expandir a integral do lado direito para ordenar &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;. Notamos que quando &amp;lt;math&amp;gt;\varepsilon \rightarrow 0&amp;lt;/math&amp;gt;, a Gaussiana vai para uma função delta e a integral resulta em &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; que irá se cancelar com &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; no lado esquerdo. Ao final, quando reorganizamos os termos, temos a seguinte equação denominada de Equação de Fokker-Planck&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \frac{\partial v(x) \rho(x,t)}{\partial x} + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
ou, se substituirmos &amp;lt;math&amp;gt;v(x)&amp;lt;/math&amp;gt; pelo potencial &amp;lt;math&amp;gt;v(x) = −\mu \partial U(x)/\partial x&amp;lt;/math&amp;gt;, temos que&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = \frac{\partial}{\partial x} \frac{\partial U}{\partial x} \rho(x,t) + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde, em ambos os casos, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão no movimento browniano, com valor &amp;lt;math&amp;gt;D = \mu k_B T = \frac{k_B T}{6 \pi \eta a}&amp;lt;/math&amp;gt;, cujas variáveis foram discutidas anteriormente na equação de Langevin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Esta distribuição pode ainda depender de um conjunto de &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; macrovariáveis &amp;lt;math&amp;gt;x_i&amp;lt;/math&amp;gt;, de tal maneira que o movimento browniano em questão pode ser representado por uma equação de Fokker-Planck da forma &amp;lt;ref&amp;gt;Wikipédia: Fokker-Planck Equation. URL: https://en.wikipedia.org/wiki/Fokker-Planck_equation.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \left[\sum_{i=1}^{N} \frac{\partial}{\partial x_{i}} D_{i}^{1} (x_{1},...,x_{N}) + \sum_{i=1}^{N} \sum_{j=1}^{N} \frac{\partial^2}{\partial x_{i} \partial x_{j}} D_{ij}^{2} (x_{i},...,x_{N})\right]\rho,&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;D^1&amp;lt;/math&amp;gt; é o termo que é dado por um vetor e &amp;lt;math&amp;gt;D^2&amp;lt;/math&amp;gt; é o termo de difusão, dado por uma matriz.&lt;br /&gt;
&lt;br /&gt;
== Exemplos: acelerador de partículas ==&lt;br /&gt;
&lt;br /&gt;
O exemplo e explicações trazidas nessa seção foram retirados do artigo: &#039;&#039;Numerical solution of two dimensional Fokker-Planck equations&#039;&#039; &amp;lt;ref&amp;gt;M.P. Zorzano, H. Mais, L. Vazquez, Numerical solution of two dimensional Fokker—Planck equations, Applied Mathematics and Computation, 1999, https://doi.org/10.1016/S0096-3003(97)10161-8.&amp;lt;/ref&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Uma aplicação amplamente utilizada para a equação de Fokker-Planck como uma Equação Diferencial Estocástica (&#039;&#039;Stochastic Differential Equations&#039;&#039;, SDE) é para a modelagem da dinâmica de partículas únicas em aceleradores sob influência de ruído. As fontes de ruído são, por exemplo, campos aleatórios, movimento aleatório do solo ou flutuações quânticas da radiação.&lt;br /&gt;
&lt;br /&gt;
A partir do cálculo de probabilidade fornecido pela equação de Fokker-Planck, algumas propriedades físicas de interesse são: qual é o comportamento de longo prazo da dinâmica; qual a probabilidade da partícula colidir com a câmara de vácuo e então ser perdida; quais são as flutuações médias da partícula em torno da trajetória do acelerador; e qual é a evolução temporal da densidade de probabilidade?&lt;br /&gt;
&lt;br /&gt;
Para responder essas perguntas, apenas alguns casos mais específicos possuem soluções analíticas, especialmente em problemas com maior dimensionalidade. Por esse motivo, é interessante e prático estudar a equação de Fokker-Planck e os problemas relacionados a partir de métodos numéricos.&lt;br /&gt;
&lt;br /&gt;
Para esse fim, serão abordados dois exemplos: o oscilador harmônico amortecido, o qual possuí solução analítica e poderá ser usado como comparação para verificar a acurácia do método; e o problema de Duffing, oscilador não linear, com amortecimento e ruído multiplicativo e aditivo, que não apresenta solução exata.&lt;br /&gt;
&lt;br /&gt;
=== Equações ===&lt;br /&gt;
&lt;br /&gt;
As equações diferenciais típicas encontradas na física do acelerador de partícula são&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -a_1(x) - a_2(x,v) + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; é o ruído branco gaussiano e &amp;lt;math&amp;gt;\sigma&amp;lt;/math&amp;gt; é uma constante.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para o caso do oscilador harmônico amortecido e com ruído, temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -Kx - \gamma v + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\gamma&amp;lt;/math&amp;gt; também são constantes.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Já para o oscilador estocástico de Duffing, não-linear, com amortecimento, ruído multiplicativo e aditivo temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -\omega^2 \left[ \left( \alpha + \sqrt{2D_{11}}R_1(t) \right) x + \epsilon x^3 \right] - 2\tau \omega \dot{x} + \sqrt{2D_{22}}R_2(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\omega&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\alpha&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\epsilon&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D_{11}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;D_{22}&amp;lt;/math&amp;gt; são constantes dadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Escrevendo esses exemplos em termos da equação de Fokker-Planck obtemos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o primeiro caso e&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} [(a_1(x) + a_2(x,v))\rho] + \frac{1}{2}\frac{\partial^2}{\partial v^2}(2D\rho)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
a_1(x) =\omega^2x(\alpha+\epsilon x^2), \quad a_2(x,v) = 2\tau\omega v, \quad D=D_{11}\omega^4x^2+D_{22}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o segundo exemplo.&lt;br /&gt;
&lt;br /&gt;
=== Método FTCS explícito ===&lt;br /&gt;
&lt;br /&gt;
Para os fins de estudo desses casos, o método numérico mais simples para descrever a função &amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt; é a partir do FTCS (&#039;&#039;Foward Time Central Space&#039;&#039;) explícito. Como ficará mais claro a partir da discretização das equações, o método FTCS calcula o resultado de uma função no tempo seguinte em um dado ponto a partir dos valores dos &amp;quot;vizinhos&amp;quot; desse ponto. Para a técnica explícita, podemos calcular valor da função no tempo &amp;lt;math&amp;gt;n+1&amp;lt;/math&amp;gt; a partir apenas de valores já conhecidos no tempo atual &amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;. Assim, a aplicação do método se torna bem simples, contudo, perdemos precisão/estabilidade em comparação com métodos mais sofisticados.&lt;br /&gt;
&lt;br /&gt;
O primeiro passo para o método é discretizar os termos da função de interesse &amp;lt;math&amp;gt;\rho(x,v,t)&amp;lt;/math&amp;gt; nas derivadas parciais necessárias: &amp;lt;math&amp;gt;\partial/\partial x&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\partial/\partial v&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\partial^2/\partial v^2&amp;lt;/math&amp;gt;. Para isso, usamos a expansão da série de Taylor e, para melhor precisão, a derivada centrada (excluindo a derivada no tempo). Ademais, usaremos a notação dos índices para indicar os valores de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; por &amp;lt;math&amp;gt;i&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;j&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;, respectivamente.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho(x,v,t+\Delta t) - \rho(x,v,t)}{\Delta t}&lt;br /&gt;
+ \mathcal{O}(\Delta t^2)&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial x}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{1}{2}&lt;br /&gt;
\left[ &lt;br /&gt;
    \frac{\rho(x+\Delta x,v,t) - \rho(x,v,t)}{\Delta x} &lt;br /&gt;
    +&lt;br /&gt;
    \frac{\rho(x-\Delta x,v,t) - \rho(x,v,t)}{\Delta x}&lt;br /&gt;
\right]&lt;br /&gt;
+ \mathcal{O}(\Delta x^2)&lt;br /&gt;
\approx&lt;br /&gt;
\frac{\rho(x+\Delta x,v,t)-\rho(x-\Delta x,v,t)}{2 \Delta x}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i+1,j}^n + \rho_{i-1,j}^n}{2\Delta x}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial v}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{1}{2}&lt;br /&gt;
\left[ &lt;br /&gt;
    \frac{\rho(x,v+\Delta v,t) - \rho(x,v,t)}{\Delta v} &lt;br /&gt;
    +&lt;br /&gt;
    \frac{\rho(x,v,t) - \rho(x,v-\Delta v,t)}{\Delta v}&lt;br /&gt;
\right]&lt;br /&gt;
+ \mathcal{O}(\Delta v^2)&lt;br /&gt;
\approx&lt;br /&gt;
\frac{\rho(x,v+\Delta v,t)-\rho(x,v-\Delta v,t)}{2 \Delta v}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j+1}^n + \rho_{i,j-1}^n}{2\Delta v}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial^2 \rho}{\partial v^2}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho(x,v+\Delta v, t)-2\rho(x,v,t)+\rho(x,v-\Delta v,t)}{(\Delta v)^2}&lt;br /&gt;
+\mathcal{O}(\Delta v^3)&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Aplicação ===&lt;br /&gt;
&lt;br /&gt;
Com as derivadas parciais discretizadas, podemos agora reescrever as funções de Fokker-Planck para cada caso de estudo em busca do valor de &amp;lt;math&amp;gt;\rho_{i,j}^{n+1}&amp;lt;/math&amp;gt;, isto é, o valor de cada ponto no espaço &amp;lt;math&amp;gt;xv&amp;lt;/math&amp;gt; para o tempo &amp;lt;math&amp;gt;t+\Delta t&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
==== Caso 1: oscilador harmônico amortecido ====&lt;br /&gt;
&lt;br /&gt;
Primeiramente, reescrevemos a função original expandindo os termos e aplicando a regra da cadeia onde for necessário.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\frac{\partial \rho}{\partial t}&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
-\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- \frac{\partial}{\partial x}(v \rho)&lt;br /&gt;
+ \frac{\partial}{\partial v}(\gamma v + Kx)\rho&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \frac{\partial}{\partial v} (\gamma v \rho) &lt;br /&gt;
+ \frac{\partial}{\partial v} (Kx \rho)&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \gamma \rho&lt;br /&gt;
+ \gamma v \frac{\partial}{\partial v} \rho  &lt;br /&gt;
+ Kx \frac{\partial}{\partial v} \rho&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \gamma \rho&lt;br /&gt;
+ (\gamma v+Kx) \frac{\partial}{\partial v} \rho  &lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Agora, reescrevemos a mesma função substituindo as derivadas parciais e demais variáveis necessárias (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;) pelas versões discretizadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
=&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ \gamma \rho_{i,j}^n&lt;br /&gt;
+ (\gamma v +Kx^n) \left( \frac{\rho_{i,j+1}^n-\rho_{i,j-1}^n}{2\Delta v} \right)&lt;br /&gt;
+ \sigma \left( \frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2} \right)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{i,j}^{n+1}&lt;br /&gt;
=&lt;br /&gt;
\rho_{i,j}^n&lt;br /&gt;
+ \Delta t&lt;br /&gt;
\left[&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ \gamma \rho_{i,j}^n&lt;br /&gt;
+ (\gamma v +Kx^n) \left( \frac{\rho_{i,j+1}^n-\rho_{i,j-1}^n}{2\Delta v} \right)&lt;br /&gt;
+ \sigma \left( \frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2} \right)&lt;br /&gt;
\right]&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para exercício, usaremos um &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; constante de forma que apenas será necessário atualizar a variável &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; para cada passo de tempo.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x^{n+1} = x^n+v\Delta t&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Dado essas equações, escrevemos um programa em C para gerar os dados e o gnuplot para criar o gráfico/animação. Os códigos desenvolvidos estarão disponíveis na próxima seção &amp;quot;Código desenvolvido&amp;quot;.&lt;br /&gt;
&lt;br /&gt;
== Código desenvolvido ==&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Referências ==&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6984</id>
		<title>Equação de Fokker-Planck</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6984"/>
		<updated>2022-03-05T22:53:16Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&#039;&#039;&#039;Grupo: Álison Soares, Rodrigo Avancini Lara e Samuel Huff Dieterich&#039;&#039;&#039;&lt;br /&gt;
&lt;br /&gt;
A equação de Fokker-Planck foi aplicada em primeiro modo em problemas relacionados ao movimento Browniano, como veremos à seguir. Nesse caso, lidando com flutuações originadas de vários pequenos distúrbios, as partículas de interesse se chocavam com as moléculas do meio, provocando uma trajetória imprevisível. Por conta dessas flutuações, é impossível determinar a posição exata dessas partículas. Porém, é possível determinar a probabilidade de encontrá-las em determinada região.&lt;br /&gt;
&lt;br /&gt;
Esta equação pode ser obtida a partir da equação de Langevin e fornece a probabilidade de encontrar determinada partícula em uma posição &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; em certo instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Além disso, no presente trabalho temos como objetivo estudar as soluções analítica e numérica da equação para um dado exemplo, através do método FTCS explícito.&lt;br /&gt;
&lt;br /&gt;
== Introdução ==&lt;br /&gt;
&lt;br /&gt;
=== Movimento browniano ===&lt;br /&gt;
&lt;br /&gt;
O movimento browniano foi descoberto pelo botanista Robert Brown, em 1827. Durante seu estudo sobre vida microscópica, ele percebeu pequenas partículas de pólen de plantas se movendo de maneira aleatória no líquido que ele estava estudando e, notando que se tratava de partículas de sujeira, e não seres vivos, chegou a conclusão que era um fenômeno físico, e não biológico, que causava este movimento. &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Posteriormente, foi provado que este fenômeno se dava pelos efeitos do movimento molecular. Em um meio com uma temperatura qualquer &amp;lt;math&amp;gt; &amp;gt;0K &amp;lt;/math&amp;gt;, há vibração e movimento molecular. Embora haja conservacão de energia, quando a partícula interage com as moléculas do meio, a energia cinética desta partícula se altera (assim como a das moléculas). Contudo, a soma destas energias é a energia interna do fluido, como descreve o Teorema da Equiparação. &amp;lt;ref name=&amp;gt;The Equipartition Theorem, University of Oxford. URL: http://vallance.chem.ox.ac.uk/pdfs/Equipartition.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Em 1905, Albert Einstein propôs uma teoria para descrever tal movimento matematicamente. Primeiramente, ele se propôs a descrever o quão longe uma partícula browniana se desloca em um determinado intervalo de tempo. Como a partícula está sujeita a &amp;lt;math&amp;gt;10^{14}&amp;lt;/math&amp;gt; colisões por segundo (provindas das moléculas do meio), a mecânica clássica é incapaz de resolver este sistema &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Stachel, J., et al.; The Collected Papers of Albert Einstein, 1989, Princeton University Press. URL: http://users.physik.fu-berlin.de/~kleinert/files/eins_brownian.pdf.&amp;lt;/ref&amp;gt;.  Para resolver este problema, ele abordou o problema pela ótica da mecânica estatística. &lt;br /&gt;
&lt;br /&gt;
Inicialmente, ele considerou o incremento da posição da partícula num espaço unidimensional (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;), num determinado intervalo de tempo (&amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;). Considerando que existe uma probabilidade aleatória da partícula se mover dentro do intervalo &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, ele definiu uma função para a densidade de probabilidade (&amp;lt;math&amp;gt;\varphi(\Delta x)&amp;lt;/math&amp;gt;). Sabendo que o número de partículas é constante dentro do meio, ele expandiu a densidade (&amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt;) deste em uma série de Taylor:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \tau \left(\frac{\partial \rho(x,t)}{\partial t}\right) + \dots = \rho(x, t+\tau)&lt;br /&gt;
=\int_{-\infty}^{+\infty} \rho(x+\Delta x, t) \cdot \varphi(\Delta x) d\Delta x &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
que é, por definição, &amp;lt;math&amp;gt;\varphi&amp;lt;/math&amp;gt;. Continuando, &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
=\rho(x,t) \cdot \int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x + \frac{\partial \rho}{\partial x} \cdot \int_{-\infty}^{+\infty} \Delta x \cdot \varphi(\Delta x) d \Delta x + \frac{\partial^2\rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \dots.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Pela definição da probabilidade,&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x=1&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
e as integrais dos termos pares da série são nulos devido à simetria do espaço. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Temos então,&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\rho(x, t+\tau)&lt;br /&gt;
&amp;amp; = \rho(x,t) \cdot 1 + 0 + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots&lt;br /&gt;
\\&lt;br /&gt;
&amp;amp; = \rho(x,t) + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots.&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Esta equação nos leva à igualdade&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} =  \frac{\partial^2\rho}{\partial x^2} \cdot \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \mathcal{O}.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Podemos interpretar a integral como o coeficiente de difusão &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
D = \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
O que nos dá a equação da difusão&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} = D \frac{\partial^2\rho}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Equação de Langevin ===&lt;br /&gt;
&lt;br /&gt;
Em 1908, 3 anos após os estudos de Albert Einstein em processos aleatórios e movimento aleatório, Paul Langevin (1872-1946) apresentou um novo método para o movimento browniano que - segundo Langevin - era &amp;quot;infinitamente mais simples&amp;quot; que a solução proposta por Einstein. &amp;lt;ref name=Langevin_original&amp;gt;P. Langevin, &amp;quot;Sur la théorie de mouvement Brownien&amp;quot; C.R. Acad. Sci. Paris , 146 (1908) pp. 530–533, https://www.physik.uni-augsburg.de/theo1/hanggi/History/Langevin1908.pdf.&amp;lt;/ref&amp;gt;&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;&lt;br /&gt;
Para interpretar o movimento browniano, Einstein derivou e resolveu uma equação diferencial parcial descrevendo a evolução temporal da densidade de probabilidade para a partícula. Já Langevin aplicou a segunda lei de Newton na forma diferencial para essa partícula.&lt;br /&gt;
&lt;br /&gt;
Para uma partícula browniana de massa &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; em um líquido com viscosidade &amp;lt;math&amp;gt;\eta&amp;lt;/math&amp;gt;, existem duas forças que agem sobre o seu movimento&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
1. Arrasto pela viscosidade.&lt;br /&gt;
2. Força de flutuação.&lt;br /&gt;
&lt;br /&gt;
Considerando que a partícula é relativamente grande em comparação com as distâncias médias entre as moléculas do líquido e esta se movimento nesse meio com velocidade &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt;, experimenta uma resistência pela viscosidade. Essa força é descrita pela Lei de Stokes que, para uma partícula esférica com diâmetro &amp;lt;math&amp;gt;a&amp;lt;/math&amp;gt;, corresponde a &amp;lt;math&amp;gt;-6\pi\eta a \ dx/dt&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
A segunda força foi proposta por Langevin para descrever o efeito de constantes impactos das moléculas do líquido sobre as partículas de estudo. Assim, como essa força possui uma origem aleatório, esta deveria ser positiva ou negativa de maneira equiprovável e cuja magnitude fosse suficiente para manter a agitação da partícula. Caso contrário, a viscosidade iria parar o movimento dessa partícula.&lt;br /&gt;
&lt;br /&gt;
Com isso, a equação que descreve o movimento a partir da posição da partícula - em 1D na direção &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; - é dado pela Lei de Newton como:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin representando as flutuações de pressão devido ao movimento térmico das moléculas que compõem o líquido. &amp;lt;ref&amp;gt;Langevin equation. Encyclopedia of Mathematics. URL: http://encyclopediaofmath.org/index.php?title=Langevin_equation&amp;amp;oldid=47575.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Essa equação é conhecida como a equação de Langevin e foi o primeiro exemplo de equação diferencial estocástica, isto é, uma equação diferencial com um termo, &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; nesse caso, cuja solução em algum sentido também é uma função aleatória &amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;. Essa função foi desenvolvida para possuir as seguintes propriedades:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\langle R(t) \rangle = 0&lt;br /&gt;
\qquad&lt;br /&gt;
\langle R(t) R(t&#039;) \rangle = D \cdot \delta(t-t&#039;)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\langle f \rangle&amp;lt;/math&amp;gt; descreve o valor médio ou esperado de uma função &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão e &amp;lt;math&amp;gt;\delta&amp;lt;/math&amp;gt; é a função delta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A primeira propriedade afirma que o movimento é aleatório de forma que não existe nenhuma tendência de sentido para a partícula se locomover. Assim, é dito que &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; se trata de um ruído branco gaussiano. Já a segunda propriedade mostra que a força em um dado tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; é descorrelacionada de uma força para qualquer outro tempo &amp;lt;math&amp;gt;t&#039;&amp;lt;/math&amp;gt; (propriedade de Markov). &amp;lt;ref&amp;gt;Wikipédia: Langevin equation. URL: https://en.wikipedia.org/wiki/Langevin_equation.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Dedução da equação de Fokker-Planck ===&lt;br /&gt;
&lt;br /&gt;
Para a dedução foi utilizado a seguinte referência como base: &#039;&#039;From Langevin to Fokker-Planck equation&#039;&#039;.&amp;lt;ref&amp;gt;From Langevin to Fokker-Planck equation. URL: http://cgl.elte.hu/~racz/Stoch-diff-eq.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Como vimos anteriormente, o movimento browniano pode ser descrito pela equação de Langevin, a qual podemos resolver sem nenhum problema. Contudo, alternativamente, podemos fazer uso da equação de Fokker-Planck e considerar uma densidade de probabilidade em relação a posição e o tempo, levando em conta diferentes perturbações estocásticas. Para isso, iremos agora deduzir essa equação, a partir da analise de Langevin.&lt;br /&gt;
&lt;br /&gt;
A descrição do movimento browniano foi anteriormente tratada em termos da equação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para o nosso propósito, realizaremos uma abordagem mais direta e geral, assumindo a equação de Langevin através de um potencial &amp;lt;math&amp;gt;U(x)&amp;lt;/math&amp;gt;, nos deixando com a seguinte expressão:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{dx}{dt} = -\mu \frac{dU}{dx} + \eta(t),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\mu=\frac{1}{6\pi\eta a}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\eta(t) = \mu R(t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Contudo, para entender as equações diferenciais estocásticas, precisamos discretizar as equações para posteriormente aplicar os métodos numéricos. Temos que o sistema de discretização mais simples possível nos leva ao valor de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt; a partir da interação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) - \mu\frac{dU}{dx}\varepsilon + \eta_\varepsilon(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A tarefa é compreender como o agora ruído gaussiano &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; afeta esse sistema discretizado. Para isso, escreveremos a evolução temporal da distribuição de probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; definida como a probabilidade da partícula estar em &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Então, deve-se olhar para o limite &amp;lt;math&amp;gt;t \rightarrow \infty&amp;lt;/math&amp;gt; de &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
Vamos realizar a tarefa com a equação discretizada de Langevin comentada acima. Por razões de simplificação, discutiremos essa abordagem com a forma &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) + v(x) \varepsilon + \eta_{\varepsilon}(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;v(x) \equiv −\mu \frac{dU}{dx}&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A equação da probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; pode ser derivada usando a equação de Chapman-Kolmogorov, a qual também iremos escrever em uma forma discretizada no tempo, da forma&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t + \varepsilon) = \int_{-\infty}^{+\infty} W(x,y;\varepsilon) \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é a probabilidade de que a partícula se mova para &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt;, desde que tenha começado em &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Lembrando que: para que a condição acima mova a partícula de &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; a &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, o termo de ruído deve ter apenas o valor correspondente que satisfaz a equação&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x = y + v(y) \varepsilon + \eta_{\varepsilon}(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A probabilidade de &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; acima é dada a partir da distribuição de probabilidade do incremento estocástico &amp;lt;math&amp;gt;\eta{\varepsilon}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{G} (\eta \varepsilon) = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{-\eta_\varepsilon^2}{4D\varepsilon}}\right),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Assim &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é obtido como&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
W(x,y; \varepsilon) &amp;amp; = \rho_{G} (\eta_{\varepsilon} = x − y − v(y)\varepsilon) \\&lt;br /&gt;
&amp;amp; = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{−[x−y−v(y)\varepsilon]^2}{4Dε}}\right).&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Substituindo o &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; acima na equação de Chapman-Kolmogorov discretizada e expandindo o lado esquerdo para &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \partial_{t}\rho(x,t) \varepsilon = \int_{-\infty}^{+\infty} \frac{\exp\left(\frac{-[x-y-v(y) \varepsilon]^2}{4D\varepsilon}\right)}{\sqrt{4\pi D \varepsilon}} \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Como último passo agora, vamos expandir a integral do lado direito para ordenar &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;. Notamos que quando &amp;lt;math&amp;gt;\varepsilon \rightarrow 0&amp;lt;/math&amp;gt;, a Gaussiana vai para uma função delta e a integral resulta em &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; que irá se cancelar com &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; no lado esquerdo. Ao final, quando reorganizamos os termos, temos a seguinte equação denominada de Equação de Fokker-Planck&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \frac{\partial v(x) \rho(x,t)}{\partial x} + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
ou, se substituirmos &amp;lt;math&amp;gt;v(x)&amp;lt;/math&amp;gt; pelo potencial &amp;lt;math&amp;gt;v(x) = −\mu \partial U(x)/\partial x&amp;lt;/math&amp;gt;, temos que&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = \frac{\partial}{\partial x} \frac{\partial U}{\partial x} \rho(x,t) + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde, em ambos os casos, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão no movimento browniano, com valor &amp;lt;math&amp;gt;D = \mu k_B T = \frac{k_B T}{6 \pi \eta a}&amp;lt;/math&amp;gt;, cujas variáveis foram discutidas anteriormente na equação de Langevin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Esta distribuição pode ainda depender de um conjunto de &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; macrovariáveis &amp;lt;math&amp;gt;x_i&amp;lt;/math&amp;gt;, de tal maneira que o movimento browniano em questão pode ser representado por uma equação de Fokker-Planck da forma &amp;lt;ref&amp;gt;Wikipédia: Fokker-Planck Equation. URL: https://en.wikipedia.org/wiki/Fokker-Planck_equation.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \left[\sum_{i=1}^{N} \frac{\partial}{\partial x_{i}} D_{i}^{1} (x_{1},...,x_{N}) + \sum_{i=1}^{N} \sum_{j=1}^{N} \frac{\partial^2}{\partial x_{i} \partial x_{j}} D_{ij}^{2} (x_{i},...,x_{N})\right]\rho,&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;D^1&amp;lt;/math&amp;gt; é o termo que é dado por um vetor e &amp;lt;math&amp;gt;D^2&amp;lt;/math&amp;gt; é o termo de difusão, dado por uma matriz.&lt;br /&gt;
&lt;br /&gt;
== Exemplos: acelerador de partículas ==&lt;br /&gt;
&lt;br /&gt;
O exemplo e explicações trazidas nessa seção foram retirados do artigo: &#039;&#039;Numerical solution of two dimensional Fokker-Planck equations&#039;&#039; &amp;lt;ref&amp;gt;M.P. Zorzano, H. Mais, L. Vazquez, Numerical solution of two dimensional Fokker—Planck equations, Applied Mathematics and Computation, 1999, https://doi.org/10.1016/S0096-3003(97)10161-8.&amp;lt;/ref&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Uma aplicação amplamente utilizada para a equação de Fokker-Planck como uma Equação Diferencial Estocástica (&#039;&#039;Stochastic Differential Equations&#039;&#039;, SDE) é para a modelagem da dinâmica de partículas únicas em aceleradores sob influência de ruído. As fontes de ruído são, por exemplo, campos aleatórios, movimento aleatório do solo ou flutuações quânticas da radiação.&lt;br /&gt;
&lt;br /&gt;
A partir do cálculo de probabilidade fornecido pela equação de Fokker-Planck, algumas propriedades físicas de interesse são: qual é o comportamento de longo prazo da dinâmica; qual a probabilidade da partícula colidir com a câmara de vácuo e então ser perdida; quais são as flutuações médias da partícula em torno da trajetória do acelerador; e qual é a evolução temporal da densidade de probabilidade?&lt;br /&gt;
&lt;br /&gt;
Para responder essas perguntas, apenas alguns casos mais específicos possuem soluções analíticas, especialmente em problemas com maior dimensionalidade. Por esse motivo, é interessante e prático estudar a equação de Fokker-Planck e os problemas relacionados a partir de métodos numéricos.&lt;br /&gt;
&lt;br /&gt;
Para esse fim, serão abordados dois exemplos: o oscilador harmônico amortecido, o qual possuí solução analítica e poderá ser usado como comparação para verificar a acurácia do método; e o problema de Duffing, oscilador não linear, com amortecimento e ruído multiplicativo e aditivo, que não apresenta solução exata.&lt;br /&gt;
&lt;br /&gt;
=== Equações ===&lt;br /&gt;
&lt;br /&gt;
As equações diferenciais típicas encontradas na física do acelerador de partícula são&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -a_1(x) - a_2(x,v) + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; é o ruído branco gaussiano e &amp;lt;math&amp;gt;\sigma&amp;lt;/math&amp;gt; é uma constante.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para o caso do oscilador harmônico amortecido e com ruído, temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -Kx - \gamma v + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\gamma&amp;lt;/math&amp;gt; também são constantes.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Já para o oscilador estocástico de Duffing, não-linear, com amortecimento, ruído multiplicativo e aditivo temos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -\omega^2 \left[ \left( \alpha + \sqrt{2D_{11}}R_1(t) \right) x + \epsilon x^3 \right] - 2\tau \omega \dot{x} + \sqrt{2D_{22}}R_2(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\omega&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\alpha&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\epsilon&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D_{11}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;D_{22}&amp;lt;/math&amp;gt; são constantes dadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Escrevendo esses exemplos em termos da equação de Fokker-Planck obtemos&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o primeiro caso e&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} [(a_1(x) + a_2(x,v))\rho] + \frac{1}{2}\frac{\partial^2}{\partial v^2}(2D\rho)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
a_1(x) =\omega^2x(\alpha+\epsilon x^2), \quad a_2(x,v) = 2\tau\omega v, \quad D=D_{11}\omega^4x^2+D_{22}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o segundo exemplo.&lt;br /&gt;
&lt;br /&gt;
=== Método FTCS explícito ===&lt;br /&gt;
&lt;br /&gt;
Para os fins de estudo desses casos, o método numérico mais simples para descrever a função &amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt; é a partir do FTCS (&#039;&#039;Foward Time Central Space&#039;&#039;) explícito. Como ficará mais claro a partir da discretização das equações, o método FTCS calcula o resultado de uma função no tempo seguinte em um dado ponto a partir dos valores dos &amp;quot;vizinhos&amp;quot; desse ponto. Para a técnica explícita, podemos calcular valor da função no tempo &amp;lt;math&amp;gt;n+1&amp;lt;/math&amp;gt; a partir apenas de valores já conhecidos no tempo atual &amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;. Assim, a aplicação do método se torna bem simples, contudo, perdemos precisão/estabilidade em comparação com métodos mais sofisticados.&lt;br /&gt;
&lt;br /&gt;
O primeiro passo para o método é discretizar os termos da função de interesse &amp;lt;math&amp;gt;\rho(x,v,t)&amp;lt;/math&amp;gt; nas derivadas parciais necessárias: &amp;lt;math&amp;gt;\partial/\partial x&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\partial/\partial v&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\partial^2/\partial v^2&amp;lt;/math&amp;gt;. Para isso, usamos a expansão da série de Taylor e, para melhor precisão, a derivada centrada (excluindo a derivada no tempo). Ademais, usaremos a notação dos índices para indicar os valores de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; por &amp;lt;math&amp;gt;i&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;j&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;, respectivamente.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho(x,v,t+\Delta t) - \rho(x,v,t)}{\Delta t}&lt;br /&gt;
+ \mathcal{O}(\Delta t^2)&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial x}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{1}{2}&lt;br /&gt;
\left[ &lt;br /&gt;
    \frac{\rho(x+\Delta x,v,t) - \rho(x,v,t)}{\Delta x} &lt;br /&gt;
    +&lt;br /&gt;
    \frac{\rho(x-\Delta x,v,t) - \rho(x,v,t)}{\Delta x}&lt;br /&gt;
\right]&lt;br /&gt;
+ \mathcal{O}(\Delta x^2)&lt;br /&gt;
\approx&lt;br /&gt;
\frac{\rho(x+\Delta x,v,t)-\rho(x-\Delta x,v,t)}{2 \Delta x}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i+1,j}^n + \rho_{i-1,j}^n}{2\Delta x}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial v}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{1}{2}&lt;br /&gt;
\left[ &lt;br /&gt;
    \frac{\rho(x,v+\Delta v,t) - \rho(x,v,t)}{\Delta v} &lt;br /&gt;
    +&lt;br /&gt;
    \frac{\rho(x,v,t) - \rho(x,v-\Delta v,t)}{\Delta v}&lt;br /&gt;
\right]&lt;br /&gt;
+ \mathcal{O}(\Delta v^2)&lt;br /&gt;
\approx&lt;br /&gt;
\frac{\rho(x,v+\Delta v,t)-\rho(x,v-\Delta v,t)}{2 \Delta v}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j+1}^n + \rho_{i,j-1}^n}{2\Delta v}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial^2 \rho}{\partial v^2}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho(x,v+\Delta v, t)-2\rho(x,v,t)+\rho(x,v-\Delta v,t)}{(\Delta v)^2}&lt;br /&gt;
+\mathcal{O}(\Delta v^3)&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Aplicação ===&lt;br /&gt;
&lt;br /&gt;
Com as derivadas parciais discretizadas, podemos agora reescrever as funções de Fokker-Planck para cada caso de estudo em busca do valor de &amp;lt;math&amp;gt;\rho_{i,j}^{n+1}&amp;lt;/math&amp;gt;, isto é, o valor de cada ponto no espaço &amp;lt;math&amp;gt;xv&amp;lt;/math&amp;gt; para o tempo &amp;lt;math&amp;gt;t+\Delta t&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
==== Caso 1: oscilador harmônico amortecido ====&lt;br /&gt;
&lt;br /&gt;
Primeiramente, reescrevemos a função original expandindo os termos e aplicando a regra da cadeia onde for necessário.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\frac{\partial \rho}{\partial t}&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
-\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- \frac{\partial}{\partial x}(v \rho)&lt;br /&gt;
+ \frac{\partial}{\partial v}(\gamma v + Kx)\rho&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \frac{\partial}{\partial v} (\gamma v \rho) &lt;br /&gt;
+ \frac{\partial}{\partial v} (Kx \rho)&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \gamma \rho&lt;br /&gt;
+ \gamma v \frac{\partial}{\partial v} \rho  &lt;br /&gt;
+ Kx \frac{\partial}{\partial v} \rho&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \gamma \rho&lt;br /&gt;
+ (\gamma v+Kx) \frac{\partial}{\partial v} \rho  &lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Agora, reescrevemos a mesma função substituindo as derivadas parciais e demais variáveis necessárias (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;) pelas versões discretizadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
=&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ \gamma \rho_{i,j}^n&lt;br /&gt;
+ (\gamma v +Kx^n) \left( \frac{\rho_{i,j+1}^n-\rho_{i,j-1}^n}{2\Delta v} \right)&lt;br /&gt;
+ \sigma \left( \frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2} \right)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{i,j}^{n+1}&lt;br /&gt;
=&lt;br /&gt;
\rho_{i,j}^n&lt;br /&gt;
+ \Delta t&lt;br /&gt;
\left[&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ \gamma \rho_{i,j}^n&lt;br /&gt;
+ (\gamma v +Kx^n) \left( \frac{\rho_{i,j+1}^n-\rho_{i,j-1}^n}{2\Delta v} \right)&lt;br /&gt;
+ \sigma \left( \frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2} \right)&lt;br /&gt;
\right]&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para exercício, usaremos um &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; constante de forma que apenas será necessário atualizar a variável &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; para cada passo de tempo.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x^{n+1} = x^n+v\Delta t&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Dado essas equações, escrevemos um programa em C para gerar os dados e o gnuplot para criar o gráfico/animação. Os códigos desenvolvidos estarão disponíveis na próxima seção &amp;quot;Códigos desenvolvidos&amp;quot;.&lt;br /&gt;
&lt;br /&gt;
== Código desenvolvido ==&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Referências ==&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6983</id>
		<title>Equação de Fokker-Planck</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6983"/>
		<updated>2022-03-05T22:51:41Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: /* Equação de Langevin */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&#039;&#039;&#039;Grupo: Álison Soares, Rodrigo Avancini Lara e Samuel Huff Dieterich&#039;&#039;&#039;&lt;br /&gt;
&lt;br /&gt;
A equação de Fokker-Planck foi aplicada em primeiro modo em problemas relacionados ao movimento Browniano, como veremos à seguir. Nesse caso, lidando com flutuações originadas de vários pequenos distúrbios, as partículas de interesse se chocavam com as moléculas do meio, provocando uma trajetória imprevisível. Por conta dessas flutuações, é impossível determinar a posição exata dessas partículas. Porém, é possível determinar a probabilidade de encontrá-las em determinada região.&lt;br /&gt;
&lt;br /&gt;
Esta equação pode ser obtida a partir da equação de Langevin e fornece a probabilidade de encontrar determinada partícula em uma posição &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; em certo instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Além disso, no presente trabalho temos como objetivo estudar as soluções analítica e numérica da equação para um dado exemplo, através do método FTCS explícito.&lt;br /&gt;
&lt;br /&gt;
== Introdução ==&lt;br /&gt;
&lt;br /&gt;
=== Movimento browniano ===&lt;br /&gt;
&lt;br /&gt;
O movimento browniano foi descoberto pelo botanista Robert Brown, em 1827. Durante seu estudo sobre vida microscópica, ele percebeu pequenas partículas de pólen de plantas se movendo de maneira aleatória no líquido que ele estava estudando e, notando que se tratava de partículas de sujeira, e não seres vivos, chegou a conclusão que era um fenômeno físico, e não biológico, que causava este movimento. &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Posteriormente, foi provado que este fenômeno se dava pelos efeitos do movimento molecular. Em um meio com uma temperatura qualquer &amp;lt;math&amp;gt; &amp;gt;0K &amp;lt;/math&amp;gt;, há vibração e movimento molecular. Embora haja conservacão de energia, quando a partícula interage com as moléculas do meio, a energia cinética desta partícula se altera (assim como a das moléculas). Contudo, a soma destas energias é a energia interna do fluido, como descreve o Teorema da Equiparação. &amp;lt;ref name=&amp;gt;The Equipartition Theorem, University of Oxford. URL: http://vallance.chem.ox.ac.uk/pdfs/Equipartition.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Em 1905, Albert Einstein propôs uma teoria para descrever tal movimento matematicamente. Primeiramente, ele se propôs a descrever o quão longe uma partícula browniana se desloca em um determinado intervalo de tempo. Como a partícula está sujeita a &amp;lt;math&amp;gt;10^{14}&amp;lt;/math&amp;gt; colisões por segundo (provindas das moléculas do meio), a mecânica clássica é incapaz de resolver este sistema &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Stachel, J., et al.; The Collected Papers of Albert Einstein, 1989, Princeton University Press. URL: http://users.physik.fu-berlin.de/~kleinert/files/eins_brownian.pdf.&amp;lt;/ref&amp;gt;.  Para resolver este problema, ele abordou o problema pela ótica da mecânica estatística. &lt;br /&gt;
&lt;br /&gt;
Inicialmente, ele considerou o incremento da posição da partícula num espaço unidimensional (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;), num determinado intervalo de tempo (&amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;). Considerando que existe uma probabilidade aleatória da partícula se mover dentro do intervalo &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, ele definiu uma função para a densidade de probabilidade (&amp;lt;math&amp;gt;\varphi(\Delta x)&amp;lt;/math&amp;gt;). Sabendo que o número de partículas é constante dentro do meio, ele expandiu a densidade (&amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt;) deste em uma série de Taylor:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \tau \left(\frac{\partial \rho(x,t)}{\partial t}\right) + \dots = \rho(x, t+\tau)&lt;br /&gt;
=\int_{-\infty}^{+\infty} \rho(x+\Delta x, t) \cdot \varphi(\Delta x) d\Delta x &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
que é, por definição, &amp;lt;math&amp;gt;\varphi&amp;lt;/math&amp;gt;. Continuando, &lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
=\rho(x,t) \cdot \int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x + \frac{\partial \rho}{\partial x} \cdot \int_{-\infty}^{+\infty} \Delta x \cdot \varphi(\Delta x) d \Delta x + \frac{\partial^2\rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \dots.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Pela definição da probabilidade,&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x=1&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
e as integrais dos termos pares da série são nulos devido à simetria do espaço. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Temos então,&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\rho(x, t+\tau)&lt;br /&gt;
&amp;amp; = \rho(x,t) \cdot 1 + 0 + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots&lt;br /&gt;
\\&lt;br /&gt;
&amp;amp; = \rho(x,t) + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots.&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Esta equação nos leva à igualdade&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} =  \frac{\partial^2\rho}{\partial x^2} \cdot \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \mathcal{O}.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Podemos interpretar a integral como o coeficiente de difusão &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
D = \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
O que nos dá a equação da difusão&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} = D \frac{\partial^2\rho}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Equação de Langevin ===&lt;br /&gt;
&lt;br /&gt;
Em 1908, 3 anos após os estudos de Albert Einstein em processos aleatórios e movimento aleatório, Paul Langevin (1872-1946) apresentou um novo método para o movimento browniano que - segundo Langevin - era &amp;quot;infinitamente mais simples&amp;quot; que a solução proposta por Einstein. &amp;lt;ref name=Langevin_original&amp;gt;P. Langevin, &amp;quot;Sur la théorie de mouvement Brownien&amp;quot; C.R. Acad. Sci. Paris , 146 (1908) pp. 530–533, https://www.physik.uni-augsburg.de/theo1/hanggi/History/Langevin1908.pdf.&amp;lt;/ref&amp;gt;&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;&lt;br /&gt;
Para interpretar o movimento browniano, Einstein derivou e resolveu uma equação diferencial parcial descrevendo a evolução temporal da densidade de probabilidade para a partícula. Já Langevin aplicou a segunda lei de Newton na forma diferencial para essa partícula.&lt;br /&gt;
&lt;br /&gt;
Para uma partícula browniana de massa &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; em um líquido com viscosidade &amp;lt;math&amp;gt;\eta&amp;lt;/math&amp;gt;, existem duas forças que agem sobre o seu movimento&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
1. Arrasto pela viscosidade.&lt;br /&gt;
2. Força de flutuação.&lt;br /&gt;
&lt;br /&gt;
Considerando que a partícula é relativamente grande em comparação com as distâncias médias entre as moléculas do líquido e esta se movimento nesse meio com velocidade &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt;, experimenta uma resistência pela viscosidade. Essa força é descrita pela Lei de Stokes que, para uma partícula esférica com diâmetro &amp;lt;math&amp;gt;a&amp;lt;/math&amp;gt;, corresponde a &amp;lt;math&amp;gt;-6\pi\eta a \ dx/dt&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
A segunda força foi proposta por Langevin para descrever o efeito de constantes impactos das moléculas do líquido sobre as partículas de estudo. Assim, como essa força possui uma origem aleatório, esta deveria ser positiva ou negativa de maneira equiprovável e cuja magnitude fosse suficiente para manter a agitação da partícula. Caso contrário, a viscosidade iria parar o movimento dessa partícula.&lt;br /&gt;
&lt;br /&gt;
Com isso, a equação que descreve o movimento a partir da posição da partícula - em 1D na direção &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; - é dado pela Lei de Newton como:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin representando as flutuações de pressão devido ao movimento térmico das moléculas que compõem o líquido. &amp;lt;ref&amp;gt;Langevin equation. Encyclopedia of Mathematics. URL: http://encyclopediaofmath.org/index.php?title=Langevin_equation&amp;amp;oldid=47575.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Essa equação é conhecida como a equação de Langevin e foi o primeiro exemplo de equação diferencial estocástica, isto é, uma equação diferencial com um termo, &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; nesse caso, cuja solução em algum sentido também é uma função aleatória &amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;. Essa função foi desenvolvida para possuir as seguintes propriedades:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\langle R(t) \rangle = 0&lt;br /&gt;
\qquad&lt;br /&gt;
\langle R(t) R(t&#039;) \rangle = D \cdot \delta(t-t&#039;)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\langle f \rangle&amp;lt;/math&amp;gt; descreve o valor médio ou esperado de uma função &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão e &amp;lt;math&amp;gt;\delta&amp;lt;/math&amp;gt; é a função delta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A primeira propriedade afirma que o movimento é aleatório de forma que não existe nenhuma tendência de sentido para a partícula se locomover. Assim, é dito que &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; se trata de um ruído branco gaussiano. Já a segunda propriedade mostra que a força em um dado tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; é descorrelacionada de uma força para qualquer outro tempo &amp;lt;math&amp;gt;t&#039;&amp;lt;/math&amp;gt; (propriedade de Markov). &amp;lt;ref&amp;gt;Wikipédia: Langevin equation. URL: https://en.wikipedia.org/wiki/Langevin_equation.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Dedução da equação de Fokker-Planck ===&lt;br /&gt;
&lt;br /&gt;
Para a dedução foi utilizado a seguinte referência como base: &#039;&#039;From Langevin to Fokker-Planck equation&#039;&#039;.&amp;lt;ref&amp;gt;From Langevin to Fokker-Planck equation. URL: http://cgl.elte.hu/~racz/Stoch-diff-eq.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Como vimos anteriormente, o movimento browniano pode ser descrito pela equação de Langevin, a qual podemos resolver sem nenhum problema. Contudo, alternativamente, podemos fazer uso da equação de Fokker-Planck e considerar uma densidade de probabilidade em relação a posição e o tempo, levando em conta diferentes perturbações estocásticas. Para isso, iremos agora deduzir essa equação, a partir da analise de Langevin.&lt;br /&gt;
&lt;br /&gt;
A descrição do movimento browniano foi anteriormente tratada em termos da equação&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para o nosso propósito, realizaremos uma abordagem mais direta e geral, assumindo a equação de Langevin através de um potencial &amp;lt;math&amp;gt;U(x)&amp;lt;/math&amp;gt;, nos deixando com a seguinte expressão:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{dx}{dt} = -\mu \frac{dU}{dx} + \eta(t),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\mu=\frac{1}{6\pi\eta a}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\eta(t) = \mu R(t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Contudo, para entender as equações diferenciais estocásticas, precisamos discretizar as equações para posteriormente aplicar os métodos numéricos. Temos que o sistema de discretização mais simples possível nos leva ao valor de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt; a partir da interação&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) - \mu\frac{dU}{dx}\varepsilon + \eta_\varepsilon(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A tarefa é compreender como o agora ruído gaussiano &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; afeta esse sistema discretizado. Para isso, escreveremos a evolução temporal da distribuição de probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; definida como a probabilidade da partícula estar em &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Então, deve-se olhar para o limite &amp;lt;math&amp;gt;t \rightarrow \infty&amp;lt;/math&amp;gt; de &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
Vamos realizar a tarefa com a equação discretizada de Langevin comentada acima. Por razões de simplificação, discutiremos essa abordagem com a forma &lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) + v(x) \varepsilon + \eta_{\varepsilon}(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;v(x) \equiv −\mu \frac{dU}{dx}&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A equação da probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; pode ser derivada usando a equação de Chapman-Kolmogorov, a qual também iremos escrever em uma forma discretizada no tempo, da forma&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t + \varepsilon) = \int_{-\infty}^{+\infty} W(x,y;\varepsilon) \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é a probabilidade de que a partícula se mova para &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt;, desde que tenha começado em &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Lembrando que: para que a condição acima mova a partícula de &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; a &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, o termo de ruído deve ter apenas o valor correspondente que satisfaz a equação&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x = y + v(y) \varepsilon + \eta_{\varepsilon}(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A probabilidade de &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; acima é dada a partir da distribuição de probabilidade do incremento estocástico &amp;lt;math&amp;gt;\eta{\varepsilon}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{G} (\eta \varepsilon) = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{-\eta_\varepsilon^2}{4D\varepsilon}}\right),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Assim &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é obtido como&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
W(x,y; \varepsilon) &amp;amp; = \rho_{G} (\eta_{\varepsilon} = x − y − v(y)\varepsilon) \\&lt;br /&gt;
&amp;amp; = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{−[x−y−v(y)\varepsilon]^2}{4Dε}}\right).&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Substituindo o &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; acima na equação de Chapman-Kolmogorov discretizada e expandindo o lado esquerdo para &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, temos&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \partial_{t}\rho(x,t) \varepsilon = \int_{-\infty}^{+\infty} \frac{\exp\left(\frac{-[x-y-v(y) \varepsilon]^2}{4D\varepsilon}\right)}{\sqrt{4\pi D \varepsilon}} \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Como último passo agora, vamos expandir a integral do lado direito para ordenar &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;. Notamos que quando &amp;lt;math&amp;gt;\varepsilon \rightarrow 0&amp;lt;/math&amp;gt;, a Gaussiana vai para uma função delta e a integral resulta em &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; que irá se cancelar com &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; no lado esquerdo. Ao final, quando reorganizamos os termos, temos a seguinte equação denominada de Equação de Fokker-Planck&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \frac{\partial v(x) \rho(x,t)}{\partial x} + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
ou, se substituirmos &amp;lt;math&amp;gt;v(x)&amp;lt;/math&amp;gt; pelo potencial &amp;lt;math&amp;gt;v(x) = −\mu \partial U(x)/\partial x&amp;lt;/math&amp;gt;, temos que&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = \frac{\partial}{\partial x} \frac{\partial U}{\partial x} \rho(x,t) + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde, em ambos os casos, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão no movimento browniano, com valor &amp;lt;math&amp;gt;D = \mu k_B T = \frac{k_B T}{6 \pi \eta a}&amp;lt;/math&amp;gt;, cujas variáveis foram discutidas anteriormente na equação de Langevin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Esta distribuição pode ainda depender de um conjunto de &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; macrovariáveis &amp;lt;math&amp;gt;x_i&amp;lt;/math&amp;gt;, de tal maneira que o movimento browniano em questão pode ser representado por uma equação de Fokker-Planck da forma &amp;lt;ref&amp;gt;Wikipédia: Fokker-Planck Equation. URL: https://en.wikipedia.org/wiki/Fokker-Planck_equation.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \left[\sum_{i=1}^{N} \frac{\partial}{\partial x_{i}} D_{i}^{1} (x_{1},...,x_{N}) + \sum_{i=1}^{N} \sum_{j=1}^{N} \frac{\partial^2}{\partial x_{i} \partial x_{j}} D_{ij}^{2} (x_{i},...,x_{N})\right]\rho,&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;D^1&amp;lt;/math&amp;gt; é o termo que é dado por um vetor e &amp;lt;math&amp;gt;D^2&amp;lt;/math&amp;gt; é o termo de difusão, dado por uma matriz.&lt;br /&gt;
&lt;br /&gt;
== Exemplos: acelerador de partículas ==&lt;br /&gt;
&lt;br /&gt;
O exemplo e explicações trazidas nessa seção foram retirados do artigo: &#039;&#039;Numerical solution of two dimensional Fokker-Planck equations&#039;&#039; &amp;lt;ref&amp;gt;M.P. Zorzano, H. Mais, L. Vazquez, Numerical solution of two dimensional Fokker—Planck equations, Applied Mathematics and Computation, 1999, https://doi.org/10.1016/S0096-3003(97)10161-8.&amp;lt;/ref&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Uma aplicação amplamente utilizada para a equação de Fokker-Planck como uma Equação Diferencial Estocástica (&#039;&#039;Stochastic Differential Equations&#039;&#039;, SDE) é para a modelagem da dinâmica de partículas únicas em aceleradores sob influência de ruído. As fontes de ruído são, por exemplo, campos aleatórios, movimento aleatório do solo ou flutuações quânticas da radiação.&lt;br /&gt;
&lt;br /&gt;
A partir do cálculo de probabilidade fornecido pela equação de Fokker-Planck, algumas propriedades físicas de interesse são: qual é o comportamento de longo prazo da dinâmica; qual a probabilidade da partícula colidir com a câmara de vácuo e então ser perdida; quais são as flutuações médias da partícula em torno da trajetória do acelerador; e qual é a evolução temporal da densidade de probabilidade?&lt;br /&gt;
&lt;br /&gt;
Para responder essas perguntas, apenas alguns casos mais específicos possuem soluções analíticas, especialmente em problemas com maior dimensionalidade. Por esse motivo, é interessante e prático estudar a equação de Fokker-Planck e os problemas relacionados a partir de métodos numéricos.&lt;br /&gt;
&lt;br /&gt;
Para esse fim, serão abordados dois exemplos: o oscilador harmônico amortecido, o qual possuí solução analítica e poderá ser usado como comparação para verificar a acurácia do método; e o problema de Duffing, oscilador não linear, com amortecimento e ruído multiplicativo e aditivo, que não apresenta solução exata.&lt;br /&gt;
&lt;br /&gt;
=== Equações ===&lt;br /&gt;
&lt;br /&gt;
As equações diferenciais típicas encontradas na física do acelerador de partícula são&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -a_1(x) - a_2(x,v) + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; é o ruído branco gaussiano e &amp;lt;math&amp;gt;\sigma&amp;lt;/math&amp;gt; é uma constante.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para o caso do oscilador harmônico amortecido e com ruído, temos&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -Kx - \gamma v + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\gamma&amp;lt;/math&amp;gt; também são constantes.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Já para o oscilador estocástico de Duffing, não-linear, com amortecimento, ruído multiplicativo e aditivo temos&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -\omega^2 \left[ \left( \alpha + \sqrt{2D_{11}}R_1(t) \right) x + \epsilon x^3 \right] - 2\tau \omega \dot{x} + \sqrt{2D_{22}}R_2(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\omega&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\alpha&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\epsilon&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D_{11}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;D_{22}&amp;lt;/math&amp;gt; são constantes dadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Escrevendo esses exemplos em termos da equação de Fokker-Planck obtemos&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o primeiro caso e&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} [(a_1(x) + a_2(x,v))\rho] + \frac{1}{2}\frac{\partial^2}{\partial v^2}(2D\rho)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
a_1(x) =\omega^2x(\alpha+\epsilon x^2), \quad a_2(x,v) = 2\tau\omega v, \quad D=D_{11}\omega^4x^2+D_{22}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o segundo exemplo.&lt;br /&gt;
&lt;br /&gt;
=== Método FTCS explícito ===&lt;br /&gt;
&lt;br /&gt;
Para os fins de estudo desses casos, o método numérico mais simples para descrever a função &amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt; é a partir do FTCS (&#039;&#039;Foward Time Central Space&#039;&#039;) explícito. Como ficará mais claro a partir da discretização das equações, o método FTCS calcula o resultado de uma função no tempo seguinte em um dado ponto a partir dos valores dos &amp;quot;vizinhos&amp;quot; desse ponto. Para a técnica explícita, podemos calcular valor da função no tempo &amp;lt;math&amp;gt;n+1&amp;lt;/math&amp;gt; a partir apenas de valores já conhecidos no tempo atual &amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;. Assim, a aplicação do método se torna bem simples, contudo, perdemos precisão/estabilidade em comparação com métodos mais sofisticados.&lt;br /&gt;
&lt;br /&gt;
O primeiro passo para o método é discretizar os termos da função de interesse &amp;lt;math&amp;gt;\rho(x,v,t)&amp;lt;/math&amp;gt; nas derivadas parciais necessárias: &amp;lt;math&amp;gt;\partial/\partial x&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\partial/\partial v&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\partial^2/\partial v^2&amp;lt;/math&amp;gt;. Para isso, usamos a expansão da série de Taylor e, para melhor precisão, a derivada centrada (excluindo a derivada no tempo). Ademais, usaremos a notação dos índices para indicar os valores de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; por &amp;lt;math&amp;gt;i&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;j&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;, respectivamente.&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho(x,v,t+\Delta t) - \rho(x,v,t)}{\Delta t}&lt;br /&gt;
+ \mathcal{O}(\Delta t^2)&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial x}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{1}{2}&lt;br /&gt;
\left[ &lt;br /&gt;
    \frac{\rho(x+\Delta x,v,t) - \rho(x,v,t)}{\Delta x} &lt;br /&gt;
    +&lt;br /&gt;
    \frac{\rho(x-\Delta x,v,t) - \rho(x,v,t)}{\Delta x}&lt;br /&gt;
\right]&lt;br /&gt;
+ \mathcal{O}(\Delta x^2)&lt;br /&gt;
\approx&lt;br /&gt;
\frac{\rho(x+\Delta x,v,t)-\rho(x-\Delta x,v,t)}{2 \Delta x}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i+1,j}^n + \rho_{i-1,j}^n}{2\Delta x}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial v}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{1}{2}&lt;br /&gt;
\left[ &lt;br /&gt;
    \frac{\rho(x,v+\Delta v,t) - \rho(x,v,t)}{\Delta v} &lt;br /&gt;
    +&lt;br /&gt;
    \frac{\rho(x,v,t) - \rho(x,v-\Delta v,t)}{\Delta v}&lt;br /&gt;
\right]&lt;br /&gt;
+ \mathcal{O}(\Delta v^2)&lt;br /&gt;
\approx&lt;br /&gt;
\frac{\rho(x,v+\Delta v,t)-\rho(x,v-\Delta v,t)}{2 \Delta v}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j+1}^n + \rho_{i,j-1}^n}{2\Delta v}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial^2 \rho}{\partial v^2}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho(x,v+\Delta v, t)-2\rho(x,v,t)+\rho(x,v-\Delta v,t)}{(\Delta v)^2}&lt;br /&gt;
+\mathcal{O}(\Delta v^3)&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Aplicação ===&lt;br /&gt;
&lt;br /&gt;
Com as derivadas parciais discretizadas, podemos agora reescrever as funções de Fokker-Planck para cada caso de estudo em busca do valor de &amp;lt;math&amp;gt;\rho_{i,j}^{n+1}&amp;lt;/math&amp;gt;, isto é, o valor de cada ponto no espaço &amp;lt;math&amp;gt;xv&amp;lt;/math&amp;gt; para o tempo &amp;lt;math&amp;gt;t+\Delta t&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
==== Caso 1: oscilador harmônico amortecido ====&lt;br /&gt;
&lt;br /&gt;
Primeiramente, reescrevemos a função original expandindo os termos e aplicando a regra da cadeia onde for necessário.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\frac{\partial \rho}{\partial t}&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
-\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- \frac{\partial}{\partial x}(v \rho)&lt;br /&gt;
+ \frac{\partial}{\partial v}(\gamma v + Kx)\rho&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \frac{\partial}{\partial v} (\gamma v \rho) &lt;br /&gt;
+ \frac{\partial}{\partial v} (Kx \rho)&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \gamma \rho&lt;br /&gt;
+ \gamma v \frac{\partial}{\partial v} \rho  &lt;br /&gt;
+ Kx \frac{\partial}{\partial v} \rho&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \gamma \rho&lt;br /&gt;
+ (\gamma v+Kx) \frac{\partial}{\partial v} \rho  &lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Agora, reescrevemos a mesma função substituindo as derivadas parciais e demais variáveis necessárias (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;) pelas versões discretizadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
=&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ \gamma \rho_{i,j}^n&lt;br /&gt;
+ (\gamma v +Kx^n) \left( \frac{\rho_{i,j+1}^n-\rho_{i,j-1}^n}{2\Delta v} \right)&lt;br /&gt;
+ \sigma \left( \frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2} \right)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{i,j}^{n+1}&lt;br /&gt;
=&lt;br /&gt;
\rho_{i,j}^n&lt;br /&gt;
+ \Delta t&lt;br /&gt;
\left[&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ \gamma \rho_{i,j}^n&lt;br /&gt;
+ (\gamma v +Kx^n) \left( \frac{\rho_{i,j+1}^n-\rho_{i,j-1}^n}{2\Delta v} \right)&lt;br /&gt;
+ \sigma \left( \frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2} \right)&lt;br /&gt;
\right]&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para exercício, usaremos um &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; constante de forma que apenas será necessário atualizar a variável &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; para cada passo de tempo.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x^{n+1} = x^n+v\Delta t&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Dado essas equações, escrevemos um programa em C para gerar os dados e o gnuplot para criar o gráfico/animação. Os códigos desenvolvidos estarão disponíveis na próxima seção &amp;quot;Códigos desenvolvidos&amp;quot;.&lt;br /&gt;
&lt;br /&gt;
== Código desenvolvido ==&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Referências ==&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6982</id>
		<title>Equação de Fokker-Planck</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6982"/>
		<updated>2022-03-05T22:50:44Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: /* Aplicação */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&#039;&#039;&#039;Grupo: Álison Soares, Rodrigo Avancini Lara e Samuel Huff Dieterich&#039;&#039;&#039;&lt;br /&gt;
&lt;br /&gt;
A equação de Fokker-Planck foi aplicada em primeiro modo em problemas relacionados ao movimento Browniano, como veremos à seguir. Nesse caso, lidando com flutuações originadas de vários pequenos distúrbios, as partículas de interesse se chocavam com as moléculas do meio, provocando uma trajetória imprevisível. Por conta dessas flutuações, é impossível determinar a posição exata dessas partículas. Porém, é possível determinar a probabilidade de encontrá-las em determinada região.&lt;br /&gt;
&lt;br /&gt;
Esta equação pode ser obtida a partir da equação de Langevin e fornece a probabilidade de encontrar determinada partícula em uma posição &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; em certo instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Além disso, no presente trabalho temos como objetivo estudar as soluções analítica e numérica da equação para um dado exemplo, através do método FTCS explícito.&lt;br /&gt;
&lt;br /&gt;
== Introdução ==&lt;br /&gt;
&lt;br /&gt;
=== Movimento browniano ===&lt;br /&gt;
&lt;br /&gt;
O movimento browniano foi descoberto pelo botanista Robert Brown, em 1827. Durante seu estudo sobre vida microscópica, ele percebeu pequenas partículas de pólen de plantas se movendo de maneira aleatória no líquido que ele estava estudando e, notando que se tratava de partículas de sujeira, e não seres vivos, chegou a conclusão que era um fenômeno físico, e não biológico, que causava este movimento. &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Posteriormente, foi provado que este fenômeno se dava pelos efeitos do movimento molecular. Em um meio com uma temperatura qualquer &amp;lt;math&amp;gt; &amp;gt;0K &amp;lt;/math&amp;gt;, há vibração e movimento molecular. Embora haja conservacão de energia, quando a partícula interage com as moléculas do meio, a energia cinética desta partícula se altera (assim como a das moléculas). Contudo, a soma destas energias é a energia interna do fluido, como descreve o Teorema da Equiparação. &amp;lt;ref name=&amp;gt;The Equipartition Theorem, University of Oxford. URL: http://vallance.chem.ox.ac.uk/pdfs/Equipartition.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Em 1905, Albert Einstein propôs uma teoria para descrever tal movimento matematicamente. Primeiramente, ele se propôs a descrever o quão longe uma partícula browniana se desloca em um determinado intervalo de tempo. Como a partícula está sujeita a &amp;lt;math&amp;gt;10^{14}&amp;lt;/math&amp;gt; colisões por segundo (provindas das moléculas do meio), a mecânica clássica é incapaz de resolver este sistema &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Stachel, J., et al.; The Collected Papers of Albert Einstein, 1989, Princeton University Press. URL: http://users.physik.fu-berlin.de/~kleinert/files/eins_brownian.pdf.&amp;lt;/ref&amp;gt;.  Para resolver este problema, ele abordou o problema pela ótica da mecânica estatística. &lt;br /&gt;
&lt;br /&gt;
Inicialmente, ele considerou o incremento da posição da partícula num espaço unidimensional (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;), num determinado intervalo de tempo (&amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;). Considerando que existe uma probabilidade aleatória da partícula se mover dentro do intervalo &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, ele definiu uma função para a densidade de probabilidade (&amp;lt;math&amp;gt;\varphi(\Delta x)&amp;lt;/math&amp;gt;). Sabendo que o número de partículas é constante dentro do meio, ele expandiu a densidade (&amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt;) deste em uma série de Taylor:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \tau \left(\frac{\partial \rho(x,t)}{\partial t}\right) + \dots = \rho(x, t+\tau)&lt;br /&gt;
=\int_{-\infty}^{+\infty} \rho(x+\Delta x, t) \cdot \varphi(\Delta x) d\Delta x &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
que é, por definição, &amp;lt;math&amp;gt;\varphi&amp;lt;/math&amp;gt;. Continuando, &lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
=\rho(x,t) \cdot \int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x + \frac{\partial \rho}{\partial x} \cdot \int_{-\infty}^{+\infty} \Delta x \cdot \varphi(\Delta x) d \Delta x + \frac{\partial^2\rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \dots.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Pela definição da probabilidade,&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x=1&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
e as integrais dos termos pares da série são nulos devido à simetria do espaço. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Temos então,&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\rho(x, t+\tau)&lt;br /&gt;
&amp;amp; = \rho(x,t) \cdot 1 + 0 + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots&lt;br /&gt;
\\&lt;br /&gt;
&amp;amp; = \rho(x,t) + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots.&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Esta equação nos leva à igualdade&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} =  \frac{\partial^2\rho}{\partial x^2} \cdot \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \mathcal{O}.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Podemos interpretar a integral como o coeficiente de difusão &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
D = \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
O que nos dá a equação da difusão&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} = D \frac{\partial^2\rho}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Equação de Langevin ===&lt;br /&gt;
&lt;br /&gt;
Em 1908, 3 anos após os estudos de Albert Einstein em processos aleatórios e movimento aleatório, Paul Langevin (1872-1946) apresentou um novo método para o movimento browniano que - segundo Langevin - era &amp;quot;infinitamente mais simples&amp;quot; que a solução proposta por Einstein. &amp;lt;ref name=Langevin_original&amp;gt;P. Langevin, &amp;quot;Sur la théorie de mouvement Brownien&amp;quot; C.R. Acad. Sci. Paris , 146 (1908) pp. 530–533, https://www.physik.uni-augsburg.de/theo1/hanggi/History/Langevin1908.pdf.&amp;lt;/ref&amp;gt;&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;&lt;br /&gt;
Para interpretar o movimento browniano, Einstein derivou e resolveu uma equação diferencial parcial descrevendo a evolução temporal da densidade de probabilidade para a partícula. Já Langevin aplicou a segunda lei de Newton na forma diferencial para essa partícula.&lt;br /&gt;
&lt;br /&gt;
Para uma partícula browniana de massa &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; em um líquido com viscosidade &amp;lt;math&amp;gt;\eta&amp;lt;/math&amp;gt;, existem duas forças que agem sobre o seu movimento&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
1. Arrasto pela viscosidade.&lt;br /&gt;
2. Força de flutuação.&lt;br /&gt;
&lt;br /&gt;
Considerando que a partícula é relativamente grande em comparação com as distâncias médias entre as moléculas do líquido e esta se movimento nesse meio com velocidade &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt;, experimenta uma resistência pela viscosidade. Essa força é descrita pela Lei de Stokes que, para uma partícula esférica com diâmetro &amp;lt;math&amp;gt;a&amp;lt;/math&amp;gt;, corresponde a &amp;lt;math&amp;gt;-6\pi\eta a \ dx/dt&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
A segunda força foi proposta por Langevin para descrever o efeito de constantes impactos das moléculas do líquido sobre as partículas de estudo. Assim, como essa força possui uma origem aleatório, esta deveria ser positiva ou negativa de maneira equiprovável e cuja magnitude fosse suficiente para manter a agitação da partícula. Caso contrário, a viscosidade iria parar o movimento dessa partícula.&lt;br /&gt;
&lt;br /&gt;
Com isso, a equação que descreve o movimento a partir da posição da partícula - em 1D na direção &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; - é dado pela Lei de Newton como:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin representando as flutuações de pressão devido ao movimento térmico das moléculas que compõem o líquido. &amp;lt;ref&amp;gt;Langevin equation. Encyclopedia of Mathematics. URL: http://encyclopediaofmath.org/index.php?title=Langevin_equation&amp;amp;oldid=47575.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Essa equação é conhecida como a equação de Langevin e foi o primeiro exemplo de equação diferencial estocástica, isto é, uma equação diferencial com um termo, &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; nesse caso, cuja solução em algum sentido também é uma função aleatória &amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;:. Essa função foi desenvolvida para possuir as seguintes propriedades:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\langle R(t) \rangle = 0&lt;br /&gt;
\qquad&lt;br /&gt;
\langle R(t) R(t&#039;) \rangle = D \cdot \delta(t-t&#039;)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\langle f \rangle&amp;lt;/math&amp;gt; descreve o valor médio ou esperado de uma função &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão e &amp;lt;math&amp;gt;\delta&amp;lt;/math&amp;gt; é a função delta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A primeira propriedade afirma que o movimento é aleatório de forma que não existe nenhuma tendência de sentido para a partícula se locomover. Assim, é dito que &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; se trata de um ruído branco gaussiano. Já a segunda propriedade mostra que a força em um dado tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; é descorrelacionada de uma força para qualquer outro tempo &amp;lt;math&amp;gt;t&#039;&amp;lt;/math&amp;gt; (propriedade de Markov). &amp;lt;ref&amp;gt;Wikipédia: Langevin equation. URL: https://en.wikipedia.org/wiki/Langevin_equation.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Dedução da equação de Fokker-Planck ===&lt;br /&gt;
&lt;br /&gt;
Para a dedução foi utilizado a seguinte referência como base: &#039;&#039;From Langevin to Fokker-Planck equation&#039;&#039;.&amp;lt;ref&amp;gt;From Langevin to Fokker-Planck equation. URL: http://cgl.elte.hu/~racz/Stoch-diff-eq.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Como vimos anteriormente, o movimento browniano pode ser descrito pela equação de Langevin, a qual podemos resolver sem nenhum problema. Contudo, alternativamente, podemos fazer uso da equação de Fokker-Planck e considerar uma densidade de probabilidade em relação a posição e o tempo, levando em conta diferentes perturbações estocásticas. Para isso, iremos agora deduzir essa equação, a partir da analise de Langevin.&lt;br /&gt;
&lt;br /&gt;
A descrição do movimento browniano foi anteriormente tratada em termos da equação&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para o nosso propósito, realizaremos uma abordagem mais direta e geral, assumindo a equação de Langevin através de um potencial &amp;lt;math&amp;gt;U(x)&amp;lt;/math&amp;gt;, nos deixando com a seguinte expressão:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{dx}{dt} = -\mu \frac{dU}{dx} + \eta(t),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\mu=\frac{1}{6\pi\eta a}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\eta(t) = \mu R(t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Contudo, para entender as equações diferenciais estocásticas, precisamos discretizar as equações para posteriormente aplicar os métodos numéricos. Temos que o sistema de discretização mais simples possível nos leva ao valor de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt; a partir da interação&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) - \mu\frac{dU}{dx}\varepsilon + \eta_\varepsilon(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A tarefa é compreender como o agora ruído gaussiano &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; afeta esse sistema discretizado. Para isso, escreveremos a evolução temporal da distribuição de probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; definida como a probabilidade da partícula estar em &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Então, deve-se olhar para o limite &amp;lt;math&amp;gt;t \rightarrow \infty&amp;lt;/math&amp;gt; de &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
Vamos realizar a tarefa com a equação discretizada de Langevin comentada acima. Por razões de simplificação, discutiremos essa abordagem com a forma &lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) + v(x) \varepsilon + \eta_{\varepsilon}(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;v(x) \equiv −\mu \frac{dU}{dx}&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A equação da probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; pode ser derivada usando a equação de Chapman-Kolmogorov, a qual também iremos escrever em uma forma discretizada no tempo, da forma&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t + \varepsilon) = \int_{-\infty}^{+\infty} W(x,y;\varepsilon) \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é a probabilidade de que a partícula se mova para &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt;, desde que tenha começado em &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Lembrando que: para que a condição acima mova a partícula de &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; a &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, o termo de ruído deve ter apenas o valor correspondente que satisfaz a equação&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x = y + v(y) \varepsilon + \eta_{\varepsilon}(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A probabilidade de &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; acima é dada a partir da distribuição de probabilidade do incremento estocástico &amp;lt;math&amp;gt;\eta{\varepsilon}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{G} (\eta \varepsilon) = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{-\eta_\varepsilon^2}{4D\varepsilon}}\right),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Assim &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é obtido como&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
W(x,y; \varepsilon) &amp;amp; = \rho_{G} (\eta_{\varepsilon} = x − y − v(y)\varepsilon) \\&lt;br /&gt;
&amp;amp; = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{−[x−y−v(y)\varepsilon]^2}{4Dε}}\right).&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Substituindo o &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; acima na equação de Chapman-Kolmogorov discretizada e expandindo o lado esquerdo para &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, temos&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \partial_{t}\rho(x,t) \varepsilon = \int_{-\infty}^{+\infty} \frac{\exp\left(\frac{-[x-y-v(y) \varepsilon]^2}{4D\varepsilon}\right)}{\sqrt{4\pi D \varepsilon}} \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Como último passo agora, vamos expandir a integral do lado direito para ordenar &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;. Notamos que quando &amp;lt;math&amp;gt;\varepsilon \rightarrow 0&amp;lt;/math&amp;gt;, a Gaussiana vai para uma função delta e a integral resulta em &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; que irá se cancelar com &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; no lado esquerdo. Ao final, quando reorganizamos os termos, temos a seguinte equação denominada de Equação de Fokker-Planck&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \frac{\partial v(x) \rho(x,t)}{\partial x} + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
ou, se substituirmos &amp;lt;math&amp;gt;v(x)&amp;lt;/math&amp;gt; pelo potencial &amp;lt;math&amp;gt;v(x) = −\mu \partial U(x)/\partial x&amp;lt;/math&amp;gt;, temos que&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = \frac{\partial}{\partial x} \frac{\partial U}{\partial x} \rho(x,t) + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde, em ambos os casos, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão no movimento browniano, com valor &amp;lt;math&amp;gt;D = \mu k_B T = \frac{k_B T}{6 \pi \eta a}&amp;lt;/math&amp;gt;, cujas variáveis foram discutidas anteriormente na equação de Langevin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Esta distribuição pode ainda depender de um conjunto de &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; macrovariáveis &amp;lt;math&amp;gt;x_i&amp;lt;/math&amp;gt;, de tal maneira que o movimento browniano em questão pode ser representado por uma equação de Fokker-Planck da forma &amp;lt;ref&amp;gt;Wikipédia: Fokker-Planck Equation. URL: https://en.wikipedia.org/wiki/Fokker-Planck_equation.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \left[\sum_{i=1}^{N} \frac{\partial}{\partial x_{i}} D_{i}^{1} (x_{1},...,x_{N}) + \sum_{i=1}^{N} \sum_{j=1}^{N} \frac{\partial^2}{\partial x_{i} \partial x_{j}} D_{ij}^{2} (x_{i},...,x_{N})\right]\rho,&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;D^1&amp;lt;/math&amp;gt; é o termo que é dado por um vetor e &amp;lt;math&amp;gt;D^2&amp;lt;/math&amp;gt; é o termo de difusão, dado por uma matriz.&lt;br /&gt;
&lt;br /&gt;
== Exemplos: acelerador de partículas ==&lt;br /&gt;
&lt;br /&gt;
O exemplo e explicações trazidas nessa seção foram retirados do artigo: &#039;&#039;Numerical solution of two dimensional Fokker-Planck equations&#039;&#039; &amp;lt;ref&amp;gt;M.P. Zorzano, H. Mais, L. Vazquez, Numerical solution of two dimensional Fokker—Planck equations, Applied Mathematics and Computation, 1999, https://doi.org/10.1016/S0096-3003(97)10161-8.&amp;lt;/ref&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Uma aplicação amplamente utilizada para a equação de Fokker-Planck como uma Equação Diferencial Estocástica (&#039;&#039;Stochastic Differential Equations&#039;&#039;, SDE) é para a modelagem da dinâmica de partículas únicas em aceleradores sob influência de ruído. As fontes de ruído são, por exemplo, campos aleatórios, movimento aleatório do solo ou flutuações quânticas da radiação.&lt;br /&gt;
&lt;br /&gt;
A partir do cálculo de probabilidade fornecido pela equação de Fokker-Planck, algumas propriedades físicas de interesse são: qual é o comportamento de longo prazo da dinâmica; qual a probabilidade da partícula colidir com a câmara de vácuo e então ser perdida; quais são as flutuações médias da partícula em torno da trajetória do acelerador; e qual é a evolução temporal da densidade de probabilidade?&lt;br /&gt;
&lt;br /&gt;
Para responder essas perguntas, apenas alguns casos mais específicos possuem soluções analíticas, especialmente em problemas com maior dimensionalidade. Por esse motivo, é interessante e prático estudar a equação de Fokker-Planck e os problemas relacionados a partir de métodos numéricos.&lt;br /&gt;
&lt;br /&gt;
Para esse fim, serão abordados dois exemplos: o oscilador harmônico amortecido, o qual possuí solução analítica e poderá ser usado como comparação para verificar a acurácia do método; e o problema de Duffing, oscilador não linear, com amortecimento e ruído multiplicativo e aditivo, que não apresenta solução exata.&lt;br /&gt;
&lt;br /&gt;
=== Equações ===&lt;br /&gt;
&lt;br /&gt;
As equações diferenciais típicas encontradas na física do acelerador de partícula são&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -a_1(x) - a_2(x,v) + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; é o ruído branco gaussiano e &amp;lt;math&amp;gt;\sigma&amp;lt;/math&amp;gt; é uma constante.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para o caso do oscilador harmônico amortecido e com ruído, temos&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -Kx - \gamma v + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\gamma&amp;lt;/math&amp;gt; também são constantes.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Já para o oscilador estocástico de Duffing, não-linear, com amortecimento, ruído multiplicativo e aditivo temos&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -\omega^2 \left[ \left( \alpha + \sqrt{2D_{11}}R_1(t) \right) x + \epsilon x^3 \right] - 2\tau \omega \dot{x} + \sqrt{2D_{22}}R_2(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\omega&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\alpha&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\epsilon&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D_{11}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;D_{22}&amp;lt;/math&amp;gt; são constantes dadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Escrevendo esses exemplos em termos da equação de Fokker-Planck obtemos&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o primeiro caso e&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} [(a_1(x) + a_2(x,v))\rho] + \frac{1}{2}\frac{\partial^2}{\partial v^2}(2D\rho)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
a_1(x) =\omega^2x(\alpha+\epsilon x^2), \quad a_2(x,v) = 2\tau\omega v, \quad D=D_{11}\omega^4x^2+D_{22}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o segundo exemplo.&lt;br /&gt;
&lt;br /&gt;
=== Método FTCS explícito ===&lt;br /&gt;
&lt;br /&gt;
Para os fins de estudo desses casos, o método numérico mais simples para descrever a função &amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt; é a partir do FTCS (&#039;&#039;Foward Time Central Space&#039;&#039;) explícito. Como ficará mais claro a partir da discretização das equações, o método FTCS calcula o resultado de uma função no tempo seguinte em um dado ponto a partir dos valores dos &amp;quot;vizinhos&amp;quot; desse ponto. Para a técnica explícita, podemos calcular valor da função no tempo &amp;lt;math&amp;gt;n+1&amp;lt;/math&amp;gt; a partir apenas de valores já conhecidos no tempo atual &amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;. Assim, a aplicação do método se torna bem simples, contudo, perdemos precisão/estabilidade em comparação com métodos mais sofisticados.&lt;br /&gt;
&lt;br /&gt;
O primeiro passo para o método é discretizar os termos da função de interesse &amp;lt;math&amp;gt;\rho(x,v,t)&amp;lt;/math&amp;gt; nas derivadas parciais necessárias: &amp;lt;math&amp;gt;\partial/\partial x&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\partial/\partial v&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\partial^2/\partial v^2&amp;lt;/math&amp;gt;. Para isso, usamos a expansão da série de Taylor e, para melhor precisão, a derivada centrada (excluindo a derivada no tempo). Ademais, usaremos a notação dos índices para indicar os valores de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; por &amp;lt;math&amp;gt;i&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;j&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;, respectivamente.&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho(x,v,t+\Delta t) - \rho(x,v,t)}{\Delta t}&lt;br /&gt;
+ \mathcal{O}(\Delta t^2)&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial x}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{1}{2}&lt;br /&gt;
\left[ &lt;br /&gt;
    \frac{\rho(x+\Delta x,v,t) - \rho(x,v,t)}{\Delta x} &lt;br /&gt;
    +&lt;br /&gt;
    \frac{\rho(x-\Delta x,v,t) - \rho(x,v,t)}{\Delta x}&lt;br /&gt;
\right]&lt;br /&gt;
+ \mathcal{O}(\Delta x^2)&lt;br /&gt;
\approx&lt;br /&gt;
\frac{\rho(x+\Delta x,v,t)-\rho(x-\Delta x,v,t)}{2 \Delta x}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i+1,j}^n + \rho_{i-1,j}^n}{2\Delta x}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial v}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{1}{2}&lt;br /&gt;
\left[ &lt;br /&gt;
    \frac{\rho(x,v+\Delta v,t) - \rho(x,v,t)}{\Delta v} &lt;br /&gt;
    +&lt;br /&gt;
    \frac{\rho(x,v,t) - \rho(x,v-\Delta v,t)}{\Delta v}&lt;br /&gt;
\right]&lt;br /&gt;
+ \mathcal{O}(\Delta v^2)&lt;br /&gt;
\approx&lt;br /&gt;
\frac{\rho(x,v+\Delta v,t)-\rho(x,v-\Delta v,t)}{2 \Delta v}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j+1}^n + \rho_{i,j-1}^n}{2\Delta v}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial^2 \rho}{\partial v^2}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho(x,v+\Delta v, t)-2\rho(x,v,t)+\rho(x,v-\Delta v,t)}{(\Delta v)^2}&lt;br /&gt;
+\mathcal{O}(\Delta v^3)&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Aplicação ===&lt;br /&gt;
&lt;br /&gt;
Com as derivadas parciais discretizadas, podemos agora reescrever as funções de Fokker-Planck para cada caso de estudo em busca do valor de &amp;lt;math&amp;gt;\rho_{i,j}^{n+1}&amp;lt;/math&amp;gt;, isto é, o valor de cada ponto no espaço &amp;lt;math&amp;gt;xv&amp;lt;/math&amp;gt; para o tempo &amp;lt;math&amp;gt;t+\Delta t&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
==== Caso 1: oscilador harmônico amortecido ====&lt;br /&gt;
&lt;br /&gt;
Primeiramente, reescrevemos a função original expandindo os termos e aplicando a regra da cadeia onde for necessário.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\frac{\partial \rho}{\partial t}&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
-\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- \frac{\partial}{\partial x}(v \rho)&lt;br /&gt;
+ \frac{\partial}{\partial v}(\gamma v + Kx)\rho&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \frac{\partial}{\partial v} (\gamma v \rho) &lt;br /&gt;
+ \frac{\partial}{\partial v} (Kx \rho)&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \gamma \rho&lt;br /&gt;
+ \gamma v \frac{\partial}{\partial v} \rho  &lt;br /&gt;
+ Kx \frac{\partial}{\partial v} \rho&lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\\[1em]&lt;br /&gt;
&amp;amp; =&lt;br /&gt;
- v \frac{\partial}{\partial x} \rho&lt;br /&gt;
+ \gamma \rho&lt;br /&gt;
+ (\gamma v+Kx) \frac{\partial}{\partial v} \rho  &lt;br /&gt;
+ \sigma \frac{\partial^2}{\partial v^2}\rho&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Agora, reescrevemos a mesma função substituindo as derivadas parciais e demais variáveis necessárias (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;) pelas versões discretizadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
=&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ \gamma \rho_{i,j}^n&lt;br /&gt;
+ (\gamma v +Kx^n) \left( \frac{\rho_{i,j+1}^n-\rho_{i,j-1}^n}{2\Delta v} \right)&lt;br /&gt;
+ \sigma \left( \frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2} \right)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{i,j}^{n+1}&lt;br /&gt;
=&lt;br /&gt;
\rho_{i,j}^n&lt;br /&gt;
+ \Delta t&lt;br /&gt;
\left[&lt;br /&gt;
- v \left( \frac{\rho_{i+1,j}^n-\rho_{i-1,j}^n}{2\Delta x} \right)&lt;br /&gt;
+ \gamma \rho_{i,j}^n&lt;br /&gt;
+ (\gamma v +Kx^n) \left( \frac{\rho_{i,j+1}^n-\rho_{i,j-1}^n}{2\Delta v} \right)&lt;br /&gt;
+ \sigma \left( \frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2} \right)&lt;br /&gt;
\right]&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para exercício, usaremos um &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; constante de forma que apenas será necessário atualizar a variável &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; para cada passo de tempo.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x^{n+1} = x^n+v\Delta t&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Dado essas equações, escrevemos um programa em C para gerar os dados e o gnuplot para criar o gráfico/animação. Os códigos desenvolvidos estarão disponíveis na próxima seção &amp;quot;Códigos desenvolvidos&amp;quot;.&lt;br /&gt;
&lt;br /&gt;
== Código desenvolvido ==&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Referências ==&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6981</id>
		<title>Equação de Fokker-Planck</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6981"/>
		<updated>2022-03-05T22:44:48Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&#039;&#039;&#039;Grupo: Álison Soares, Rodrigo Avancini Lara e Samuel Huff Dieterich&#039;&#039;&#039;&lt;br /&gt;
&lt;br /&gt;
A equação de Fokker-Planck foi aplicada em primeiro modo em problemas relacionados ao movimento Browniano, como veremos à seguir. Nesse caso, lidando com flutuações originadas de vários pequenos distúrbios, as partículas de interesse se chocavam com as moléculas do meio, provocando uma trajetória imprevisível. Por conta dessas flutuações, é impossível determinar a posição exata dessas partículas. Porém, é possível determinar a probabilidade de encontrá-las em determinada região.&lt;br /&gt;
&lt;br /&gt;
Esta equação pode ser obtida a partir da equação de Langevin e fornece a probabilidade de encontrar determinada partícula em uma posição &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; em certo instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Além disso, no presente trabalho temos como objetivo estudar as soluções analítica e numérica da equação para um dado exemplo, através do método FTCS explícito.&lt;br /&gt;
&lt;br /&gt;
== Introdução ==&lt;br /&gt;
&lt;br /&gt;
=== Movimento browniano ===&lt;br /&gt;
&lt;br /&gt;
O movimento browniano foi descoberto pelo botanista Robert Brown, em 1827. Durante seu estudo sobre vida microscópica, ele percebeu pequenas partículas de pólen de plantas se movendo de maneira aleatória no líquido que ele estava estudando e, notando que se tratava de partículas de sujeira, e não seres vivos, chegou a conclusão que era um fenômeno físico, e não biológico, que causava este movimento. &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Posteriormente, foi provado que este fenômeno se dava pelos efeitos do movimento molecular. Em um meio com uma temperatura qualquer &amp;lt;math&amp;gt; &amp;gt;0K &amp;lt;/math&amp;gt;, há vibração e movimento molecular. Embora haja conservacão de energia, quando a partícula interage com as moléculas do meio, a energia cinética desta partícula se altera (assim como a das moléculas). Contudo, a soma destas energias é a energia interna do fluido, como descreve o Teorema da Equiparação. &amp;lt;ref name=&amp;gt;The Equipartition Theorem, University of Oxford. URL: http://vallance.chem.ox.ac.uk/pdfs/Equipartition.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Em 1905, Albert Einstein propôs uma teoria para descrever tal movimento matematicamente. Primeiramente, ele se propôs a descrever o quão longe uma partícula browniana se desloca em um determinado intervalo de tempo. Como a partícula está sujeita a &amp;lt;math&amp;gt;10^{14}&amp;lt;/math&amp;gt; colisões por segundo (provindas das moléculas do meio), a mecânica clássica é incapaz de resolver este sistema &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Stachel, J., et al.; The Collected Papers of Albert Einstein, 1989, Princeton University Press. URL: http://users.physik.fu-berlin.de/~kleinert/files/eins_brownian.pdf.&amp;lt;/ref&amp;gt;.  Para resolver este problema, ele abordou o problema pela ótica da mecânica estatística. &lt;br /&gt;
&lt;br /&gt;
Inicialmente, ele considerou o incremento da posição da partícula num espaço unidimensional (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;), num determinado intervalo de tempo (&amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;). Considerando que existe uma probabilidade aleatória da partícula se mover dentro do intervalo &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, ele definiu uma função para a densidade de probabilidade (&amp;lt;math&amp;gt;\varphi(\Delta x)&amp;lt;/math&amp;gt;). Sabendo que o número de partículas é constante dentro do meio, ele expandiu a densidade (&amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt;) deste em uma série de Taylor:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \tau \left(\frac{\partial \rho(x,t)}{\partial t}\right) + \dots = \rho(x, t+\tau)&lt;br /&gt;
=\int_{-\infty}^{+\infty} \rho(x+\Delta x, t) \cdot \varphi(\Delta x) d\Delta x &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
que é, por definição, &amp;lt;math&amp;gt;\varphi&amp;lt;/math&amp;gt;. Continuando, &lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
=\rho(x,t) \cdot \int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x + \frac{\partial \rho}{\partial x} \cdot \int_{-\infty}^{+\infty} \Delta x \cdot \varphi(\Delta x) d \Delta x + \frac{\partial^2\rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \dots.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Pela definição da probabilidade,&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x=1&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
e as integrais dos termos pares da série são nulos devido à simetria do espaço. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Temos então,&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\rho(x, t+\tau)&lt;br /&gt;
&amp;amp; = \rho(x,t) \cdot 1 + 0 + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots&lt;br /&gt;
\\&lt;br /&gt;
&amp;amp; = \rho(x,t) + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots.&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Esta equação nos leva à igualdade&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} =  \frac{\partial^2\rho}{\partial x^2} \cdot \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \mathcal{O}.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Podemos interpretar a integral como o coeficiente de difusão &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
D = \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
O que nos dá a equação da difusão&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} = D \frac{\partial^2\rho}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Equação de Langevin ===&lt;br /&gt;
&lt;br /&gt;
Em 1908, 3 anos após os estudos de Albert Einstein em processos aleatórios e movimento aleatório, Paul Langevin (1872-1946) apresentou um novo método para o movimento browniano que - segundo Langevin - era &amp;quot;infinitamente mais simples&amp;quot; que a solução proposta por Einstein. &amp;lt;ref name=Langevin_original&amp;gt;P. Langevin, &amp;quot;Sur la théorie de mouvement Brownien&amp;quot; C.R. Acad. Sci. Paris , 146 (1908) pp. 530–533, https://www.physik.uni-augsburg.de/theo1/hanggi/History/Langevin1908.pdf.&amp;lt;/ref&amp;gt;&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;&lt;br /&gt;
Para interpretar o movimento browniano, Einstein derivou e resolveu uma equação diferencial parcial descrevendo a evolução temporal da densidade de probabilidade para a partícula. Já Langevin aplicou a segunda lei de Newton na forma diferencial para essa partícula.&lt;br /&gt;
&lt;br /&gt;
Para uma partícula browniana de massa &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; em um líquido com viscosidade &amp;lt;math&amp;gt;\eta&amp;lt;/math&amp;gt;, existem duas forças que agem sobre o seu movimento&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
1. Arrasto pela viscosidade.&lt;br /&gt;
2. Força de flutuação.&lt;br /&gt;
&lt;br /&gt;
Considerando que a partícula é relativamente grande em comparação com as distâncias médias entre as moléculas do líquido e esta se movimento nesse meio com velocidade &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt;, experimenta uma resistência pela viscosidade. Essa força é descrita pela Lei de Stokes que, para uma partícula esférica com diâmetro &amp;lt;math&amp;gt;a&amp;lt;/math&amp;gt;, corresponde a &amp;lt;math&amp;gt;-6\pi\eta a \ dx/dt&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
A segunda força foi proposta por Langevin para descrever o efeito de constantes impactos das moléculas do líquido sobre as partículas de estudo. Assim, como essa força possui uma origem aleatório, esta deveria ser positiva ou negativa de maneira equiprovável e cuja magnitude fosse suficiente para manter a agitação da partícula. Caso contrário, a viscosidade iria parar o movimento dessa partícula.&lt;br /&gt;
&lt;br /&gt;
Com isso, a equação que descreve o movimento a partir da posição da partícula - em 1D na direção &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; - é dado pela Lei de Newton como:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin representando as flutuações de pressão devido ao movimento térmico das moléculas que compõem o líquido. &amp;lt;ref&amp;gt;Langevin equation. Encyclopedia of Mathematics. URL: http://encyclopediaofmath.org/index.php?title=Langevin_equation&amp;amp;oldid=47575.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Essa equação é conhecida como a equação de Langevin e foi o primeiro exemplo de equação diferencial estocástica, isto é, uma equação diferencial com um termo, &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; nesse caso, cuja solução em algum sentido também é uma função aleatória &amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;:. Essa função foi desenvolvida para possuir as seguintes propriedades:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\langle R(t) \rangle = 0&lt;br /&gt;
\qquad&lt;br /&gt;
\langle R(t) R(t&#039;) \rangle = D \cdot \delta(t-t&#039;)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\langle f \rangle&amp;lt;/math&amp;gt; descreve o valor médio ou esperado de uma função &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão e &amp;lt;math&amp;gt;\delta&amp;lt;/math&amp;gt; é a função delta.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A primeira propriedade afirma que o movimento é aleatório de forma que não existe nenhuma tendência de sentido para a partícula se locomover. Assim, é dito que &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; se trata de um ruído branco gaussiano. Já a segunda propriedade mostra que a força em um dado tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; é descorrelacionada de uma força para qualquer outro tempo &amp;lt;math&amp;gt;t&#039;&amp;lt;/math&amp;gt; (propriedade de Markov). &amp;lt;ref&amp;gt;Wikipédia: Langevin equation. URL: https://en.wikipedia.org/wiki/Langevin_equation.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Dedução da equação de Fokker-Planck ===&lt;br /&gt;
&lt;br /&gt;
Para a dedução foi utilizado a seguinte referência como base: &#039;&#039;From Langevin to Fokker-Planck equation&#039;&#039;.&amp;lt;ref&amp;gt;From Langevin to Fokker-Planck equation. URL: http://cgl.elte.hu/~racz/Stoch-diff-eq.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Como vimos anteriormente, o movimento browniano pode ser descrito pela equação de Langevin, a qual podemos resolver sem nenhum problema. Contudo, alternativamente, podemos fazer uso da equação de Fokker-Planck e considerar uma densidade de probabilidade em relação a posição e o tempo, levando em conta diferentes perturbações estocásticas. Para isso, iremos agora deduzir essa equação, a partir da analise de Langevin.&lt;br /&gt;
&lt;br /&gt;
A descrição do movimento browniano foi anteriormente tratada em termos da equação&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para o nosso propósito, realizaremos uma abordagem mais direta e geral, assumindo a equação de Langevin através de um potencial &amp;lt;math&amp;gt;U(x)&amp;lt;/math&amp;gt;, nos deixando com a seguinte expressão:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{dx}{dt} = -\mu \frac{dU}{dx} + \eta(t),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\mu=\frac{1}{6\pi\eta a}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\eta(t) = \mu R(t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Contudo, para entender as equações diferenciais estocásticas, precisamos discretizar as equações para posteriormente aplicar os métodos numéricos. Temos que o sistema de discretização mais simples possível nos leva ao valor de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt; a partir da interação&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) - \mu\frac{dU}{dx}\varepsilon + \eta_\varepsilon(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A tarefa é compreender como o agora ruído gaussiano &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; afeta esse sistema discretizado. Para isso, escreveremos a evolução temporal da distribuição de probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; definida como a probabilidade da partícula estar em &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Então, deve-se olhar para o limite &amp;lt;math&amp;gt;t \rightarrow \infty&amp;lt;/math&amp;gt; de &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
Vamos realizar a tarefa com a equação discretizada de Langevin comentada acima. Por razões de simplificação, discutiremos essa abordagem com a forma &lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) + v(x) \varepsilon + \eta_{\varepsilon}(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;v(x) \equiv −\mu \frac{dU}{dx}&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A equação da probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; pode ser derivada usando a equação de Chapman-Kolmogorov, a qual também iremos escrever em uma forma discretizada no tempo, da forma&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t + \varepsilon) = \int_{-\infty}^{+\infty} W(x,y;\varepsilon) \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é a probabilidade de que a partícula se mova para &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt;, desde que tenha começado em &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Lembrando que: para que a condição acima mova a partícula de &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; a &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, o termo de ruído deve ter apenas o valor correspondente que satisfaz a equação&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x = y + v(y) \varepsilon + \eta_{\varepsilon}(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
A probabilidade de &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; acima é dada a partir da distribuição de probabilidade do incremento estocástico &amp;lt;math&amp;gt;\eta{\varepsilon}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{G} (\eta \varepsilon) = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{-\eta_\varepsilon^2}{4D\varepsilon}}\right),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Assim &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é obtido como&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
W(x,y; \varepsilon) &amp;amp; = \rho_{G} (\eta_{\varepsilon} = x − y − v(y)\varepsilon) \\&lt;br /&gt;
&amp;amp; = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{−[x−y−v(y)\varepsilon]^2}{4Dε}}\right).&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Substituindo o &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; acima na equação de Chapman-Kolmogorov discretizada e expandindo o lado esquerdo para &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, temos&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \partial_{t}\rho(x,t) \varepsilon = \int_{-\infty}^{+\infty} \frac{\exp\left(\frac{-[x-y-v(y) \varepsilon]^2}{4D\varepsilon}\right)}{\sqrt{4\pi D \varepsilon}} \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Como último passo agora, vamos expandir a integral do lado direito para ordenar &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;. Notamos que quando &amp;lt;math&amp;gt;\varepsilon \rightarrow 0&amp;lt;/math&amp;gt;, a Gaussiana vai para uma função delta e a integral resulta em &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; que irá se cancelar com &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; no lado esquerdo. Ao final, quando reorganizamos os termos, temos a seguinte equação denominada de Equação de Fokker-Planck&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \frac{\partial v(x) \rho(x,t)}{\partial x} + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
ou, se substituirmos &amp;lt;math&amp;gt;v(x)&amp;lt;/math&amp;gt; pelo potencial &amp;lt;math&amp;gt;v(x) = −\mu \partial U(x)/\partial x&amp;lt;/math&amp;gt;, temos que&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = \frac{\partial}{\partial x} \frac{\partial U}{\partial x} \rho(x,t) + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde, em ambos os casos, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão no movimento browniano, com valor &amp;lt;math&amp;gt;D = \mu k_B T = \frac{k_B T}{6 \pi \eta a}&amp;lt;/math&amp;gt;, cujas variáveis foram discutidas anteriormente na equação de Langevin.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Esta distribuição pode ainda depender de um conjunto de &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; macrovariáveis &amp;lt;math&amp;gt;x_i&amp;lt;/math&amp;gt;, de tal maneira que o movimento browniano em questão pode ser representado por uma equação de Fokker-Planck da forma &amp;lt;ref&amp;gt;Wikipédia: Fokker-Planck Equation. URL: https://en.wikipedia.org/wiki/Fokker-Planck_equation.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \left[\sum_{i=1}^{N} \frac{\partial}{\partial x_{i}} D_{i}^{1} (x_{1},...,x_{N}) + \sum_{i=1}^{N} \sum_{j=1}^{N} \frac{\partial^2}{\partial x_{i} \partial x_{j}} D_{ij}^{2} (x_{i},...,x_{N})\right]\rho,&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;D^1&amp;lt;/math&amp;gt; é o termo que é dado por um vetor e &amp;lt;math&amp;gt;D^2&amp;lt;/math&amp;gt; é o termo de difusão, dado por uma matriz.&lt;br /&gt;
&lt;br /&gt;
== Exemplos: acelerador de partículas ==&lt;br /&gt;
&lt;br /&gt;
O exemplo e explicações trazidas nessa seção foram retirados do artigo: &#039;&#039;Numerical solution of two dimensional Fokker-Planck equations&#039;&#039; &amp;lt;ref&amp;gt;M.P. Zorzano, H. Mais, L. Vazquez, Numerical solution of two dimensional Fokker—Planck equations, Applied Mathematics and Computation, 1999, https://doi.org/10.1016/S0096-3003(97)10161-8.&amp;lt;/ref&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Uma aplicação amplamente utilizada para a equação de Fokker-Planck como uma Equação Diferencial Estocástica (&#039;&#039;Stochastic Differential Equations&#039;&#039;, SDE) é para a modelagem da dinâmica de partículas únicas em aceleradores sob influência de ruído. As fontes de ruído são, por exemplo, campos aleatórios, movimento aleatório do solo ou flutuações quânticas da radiação.&lt;br /&gt;
&lt;br /&gt;
A partir do cálculo de probabilidade fornecido pela equação de Fokker-Planck, algumas propriedades físicas de interesse são: qual é o comportamento de longo prazo da dinâmica; qual a probabilidade da partícula colidir com a câmara de vácuo e então ser perdida; quais são as flutuações médias da partícula em torno da trajetória do acelerador; e qual é a evolução temporal da densidade de probabilidade?&lt;br /&gt;
&lt;br /&gt;
Para responder essas perguntas, apenas alguns casos mais específicos possuem soluções analíticas, especialmente em problemas com maior dimensionalidade. Por esse motivo, é interessante e prático estudar a equação de Fokker-Planck e os problemas relacionados a partir de métodos numéricos.&lt;br /&gt;
&lt;br /&gt;
Para esse fim, serão abordados dois exemplos: o oscilador harmônico amortecido, o qual possuí solução analítica e poderá ser usado como comparação para verificar a acurácia do método; e o problema de Duffing, oscilador não linear, com amortecimento e ruído multiplicativo e aditivo, que não apresenta solução exata.&lt;br /&gt;
&lt;br /&gt;
=== Equações ===&lt;br /&gt;
&lt;br /&gt;
As equações diferenciais típicas encontradas na física do acelerador de partícula são&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -a_1(x) - a_2(x,v) + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; é o ruído branco gaussiano e &amp;lt;math&amp;gt;\sigma&amp;lt;/math&amp;gt; é uma constante.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Para o caso do oscilador harmônico amortecido e com ruído, temos&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -Kx - \gamma v + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\gamma&amp;lt;/math&amp;gt; também são constantes.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Já para o oscilador estocástico de Duffing, não-linear, com amortecimento, ruído multiplicativo e aditivo temos&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -\omega^2 \left[ \left( \alpha + \sqrt{2D_{11}}R_1(t) \right) x + \epsilon x^3 \right] - 2\tau \omega \dot{x} + \sqrt{2D_{22}}R_2(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\omega&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\alpha&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\epsilon&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D_{11}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;D_{22}&amp;lt;/math&amp;gt; são constantes dadas.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Escrevendo esses exemplos em termos da equação de Fokker-Planck obtemos&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o primeiro caso e&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} [(a_1(x) + a_2(x,v))\rho] + \frac{1}{2}\frac{\partial^2}{\partial v^2}(2D\rho)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
a_1(x) =\omega^2x(\alpha+\epsilon x^2), \quad a_2(x,v) = 2\tau\omega v, \quad D=D_{11}\omega^4x^2+D_{22}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o segundo exemplo.&lt;br /&gt;
&lt;br /&gt;
=== Método FTCS explícito ===&lt;br /&gt;
&lt;br /&gt;
Para os fins de estudo desses casos, o método numérico mais simples para descrever a função &amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt; é a partir do FTCS (&#039;&#039;Foward Time Central Space&#039;&#039;) explícito. Como ficará mais claro a partir da discretização das equações, o método FTCS calcula o resultado de uma função no tempo seguinte em um dado ponto a partir dos valores dos &amp;quot;vizinhos&amp;quot; desse ponto. Para a técnica explícita, podemos calcular valor da função no tempo &amp;lt;math&amp;gt;n+1&amp;lt;/math&amp;gt; a partir apenas de valores já conhecidos no tempo atual &amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;. Assim, a aplicação do método se torna bem simples, contudo, perdemos precisão/estabilidade em comparação com métodos mais sofisticados.&lt;br /&gt;
&lt;br /&gt;
O primeiro passo para o método é discretizar os termos da função de interesse &amp;lt;math&amp;gt;\rho(x,v,t)&amp;lt;/math&amp;gt; nas derivadas parciais necessárias: &amp;lt;math&amp;gt;\partial/\partial x&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\partial/\partial v&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\partial^2/\partial v^2&amp;lt;/math&amp;gt;. Para isso, usamos a expansão da série de Taylor e, para melhor precisão, a derivada centrada (excluindo a derivada no tempo). Ademais, usaremos a notação dos índices para indicar os valores de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; por &amp;lt;math&amp;gt;i&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;j&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;, respectivamente.&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho(x,v,t+\Delta t) - \rho(x,v,t)}{\Delta t}&lt;br /&gt;
+ \mathcal{O}(\Delta t^2)&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial x}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{1}{2}&lt;br /&gt;
\left[ &lt;br /&gt;
    \frac{\rho(x+\Delta x,v,t) - \rho(x,v,t)}{\Delta x} &lt;br /&gt;
    +&lt;br /&gt;
    \frac{\rho(x-\Delta x,v,t) - \rho(x,v,t)}{\Delta x}&lt;br /&gt;
\right]&lt;br /&gt;
+ \mathcal{O}(\Delta x^2)&lt;br /&gt;
\approx&lt;br /&gt;
\frac{\rho(x+\Delta x,v,t)-\rho(x-\Delta x,v,t)}{2 \Delta x}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i+1,j}^n + \rho_{i-1,j}^n}{2\Delta x}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial v}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{1}{2}&lt;br /&gt;
\left[ &lt;br /&gt;
    \frac{\rho(x,v+\Delta v,t) - \rho(x,v,t)}{\Delta v} &lt;br /&gt;
    +&lt;br /&gt;
    \frac{\rho(x,v,t) - \rho(x,v-\Delta v,t)}{\Delta v}&lt;br /&gt;
\right]&lt;br /&gt;
+ \mathcal{O}(\Delta v^2)&lt;br /&gt;
\approx&lt;br /&gt;
\frac{\rho(x,v+\Delta v,t)-\rho(x,v-\Delta v,t)}{2 \Delta v}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j+1}^n + \rho_{i,j-1}^n}{2\Delta v}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial^2 \rho}{\partial v^2}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho(x,v+\Delta v, t)-2\rho(x,v,t)+\rho(x,v-\Delta v,t)}{(\Delta v)^2}&lt;br /&gt;
+\mathcal{O}(\Delta v^3)&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Aplicação ===&lt;br /&gt;
&lt;br /&gt;
== Código desenvolvido ==&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Referências ==&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6980</id>
		<title>Equação de Fokker-Planck</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6980"/>
		<updated>2022-03-05T22:36:09Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: /* Método FTCS explícito */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&#039;&#039;&#039;Grupo: Álison Soares, Rodrigo Avancini Lara e Samuel Huff Dieterich&#039;&#039;&#039;&lt;br /&gt;
&lt;br /&gt;
A equação de Fokker-Planck foi aplicada em primeiro modo em problemas relacionados ao movimento Browniano, como veremos à seguir. Nesse caso, lidando com flutuações originadas de vários pequenos distúrbios, as partículas de interesse se chocavam com as moléculas do meio, provocando uma trajetória imprevisível. Por conta dessas flutuações, é impossível determinar a posição exata dessas partículas. Porém, é possível determinar a probabilidade de encontrá-las em determinada região.&lt;br /&gt;
&lt;br /&gt;
Esta equação pode ser obtida a partir da equação de Langevin e fornece a probabilidade de encontrar determinada partícula em uma posição &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; em certo instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Além disso, no presente trabalho temos como objetivo estudar as soluções analítica e numérica da equação para um dado exemplo, através do método FTCS explícito.&lt;br /&gt;
&lt;br /&gt;
== Introdução ==&lt;br /&gt;
&lt;br /&gt;
=== Movimento browniano ===&lt;br /&gt;
&lt;br /&gt;
O movimento browniano foi descoberto pelo botanista Robert Brown, em 1827. Durante seu estudo sobre vida microscópica, ele percebeu pequenas partículas de pólen de plantas se movendo de maneira aleatória no líquido que ele estava estudando e, notando que se tratava de partículas de sujeira, e não seres vivos, chegou a conclusão que era um fenômeno físico, e não biológico, que causava este movimento. &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Posteriormente, foi provado que este fenômeno se dava pelos efeitos do movimento molecular. Em um meio com uma temperatura qualquer &amp;lt;math&amp;gt; &amp;gt;0K &amp;lt;/math&amp;gt;, há vibração e movimento molecular. Embora haja conservacão de energia, quando a partícula interage com as moléculas do meio, a energia cinética desta partícula se altera (assim como a das moléculas). Contudo, a soma destas energias é a energia interna do fluido, como descreve o Teorema da Equiparação. &amp;lt;ref name=&amp;gt;The Equipartition Theorem, University of Oxford. URL: http://vallance.chem.ox.ac.uk/pdfs/Equipartition.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Em 1905, Albert Einstein propôs uma teoria para descrever tal movimento matematicamente. Primeiramente, ele se propôs a descrever o quão longe uma partícula browniana se desloca em um determinado intervalo de tempo. Como a partícula está sujeita a &amp;lt;math&amp;gt;10^{14}&amp;lt;/math&amp;gt; colisões por segundo (provindas das moléculas do meio), a mecânica clássica é incapaz de resolver este sistema &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Stachel, J., et al.; The Collected Papers of Albert Einstein, 1989, Princeton University Press. URL: http://users.physik.fu-berlin.de/~kleinert/files/eins_brownian.pdf.&amp;lt;/ref&amp;gt;.  Para resolver este problema, ele abordou o problema pela ótica da mecânica estatística. &lt;br /&gt;
&lt;br /&gt;
Inicialmente, ele considerou o incremento da posição da partícula num espaço unidimensional (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;), num determinado intervalo de tempo (&amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;). Considerando que existe uma probabilidade aleatória da partícula se mover dentro do intervalo &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, ele definiu uma função para a densidade de probabilidade (&amp;lt;math&amp;gt;\varphi(\Delta x)&amp;lt;/math&amp;gt;). Sabendo que o número de partículas é constante dentro do meio, ele expandiu a densidade (&amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt;) deste em uma série de Taylor:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \tau \left(\frac{\partial \rho(x,t)}{\partial t}\right) + \dots = \rho(x, t+\tau)&lt;br /&gt;
=\int_{-\infty}^{+\infty} \rho(x+\Delta x, t) \cdot \varphi(\Delta x) d\Delta x &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
que é, por definição, &amp;lt;math&amp;gt;\varphi&amp;lt;/math&amp;gt;. Continuando, &lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
=\rho(x,t) \cdot \int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x + \frac{\partial \rho}{\partial x} \cdot \int_{-\infty}^{+\infty} \Delta x \cdot \varphi(\Delta x) d \Delta x + \frac{\partial^2\rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \dots.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Pela definição da probabilidade,&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x=1&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
e as integrais dos termos pares da série são nulos devido à simetria do espaço. &lt;br /&gt;
&lt;br /&gt;
Temos então,&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\rho(x, t+\tau)&lt;br /&gt;
&amp;amp; = \rho(x,t) \cdot 1 + 0 + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots&lt;br /&gt;
\\&lt;br /&gt;
&amp;amp; = \rho(x,t) + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots.&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Esta equação nos leva à igualdade&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} =  \frac{\partial^2\rho}{\partial x^2} \cdot \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \mathcal{O}.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Podemos interpretar a integral como o coeficiente de difusão &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
D = \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O que nos dá a equação da difusão&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} = D \frac{\partial^2\rho}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Equação de Langevin ===&lt;br /&gt;
&lt;br /&gt;
Em 1908, 3 anos após os estudos de Albert Einstein em processos aleatórios e movimento aleatório, Paul Langevin (1872-1946) apresentou um novo método para o movimento browniano que - segundo Langevin - era &amp;quot;infinitamente mais simples&amp;quot; que a solução proposta por Einstein. &amp;lt;ref name=Langevin_original&amp;gt;P. Langevin, &amp;quot;Sur la théorie de mouvement Brownien&amp;quot; C.R. Acad. Sci. Paris , 146 (1908) pp. 530–533, https://www.physik.uni-augsburg.de/theo1/hanggi/History/Langevin1908.pdf.&amp;lt;/ref&amp;gt;&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;&lt;br /&gt;
Para interpretar o movimento browniano, Einstein derivou e resolveu uma equação diferencial parcial descrevendo a evolução temporal da densidade de probabilidade para a partícula. Já Langevin aplicou a segunda lei de Newton na forma diferencial para essa partícula.&lt;br /&gt;
&lt;br /&gt;
Para uma partícula browniana de massa &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; em um líquido com viscosidade &amp;lt;math&amp;gt;\eta&amp;lt;/math&amp;gt;, existem duas forças que agem sobre o seu movimento&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
1. Arrasto pela viscosidade.&lt;br /&gt;
2. Força de flutuação.&lt;br /&gt;
&lt;br /&gt;
Considerando que a partícula é relativamente grande em comparação com as distâncias médias entre as moléculas do líquido e esta se movimento nesse meio com velocidade &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt;, experimenta uma resistência pela viscosidade. Essa força é descrita pela Lei de Stokes que, para uma partícula esférica com diâmetro &amp;lt;math&amp;gt;a&amp;lt;/math&amp;gt;, corresponde a &amp;lt;math&amp;gt;-6\pi\eta a \ dx/dt&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
A segunda força foi proposta por Langevin para descrever o efeito de constantes impactos das moléculas do líquido sobre as partículas de estudo. Assim, como essa força possui uma origem aleatório, esta deveria ser positiva ou negativa de maneira equiprovável e cuja magnitude fosse suficiente para manter a agitação da partícula. Caso contrário, a viscosidade iria parar o movimento dessa partícula.&lt;br /&gt;
&lt;br /&gt;
Com isso, a equação que descreve o movimento a partir da posição da partícula - em 1D na direção &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; - é dado pela Lei de Newton como:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin representando as flutuações de pressão devido ao movimento térmico das moléculas que compõem o líquido. &amp;lt;ref&amp;gt;Langevin equation. Encyclopedia of Mathematics. URL: http://encyclopediaofmath.org/index.php?title=Langevin_equation&amp;amp;oldid=47575.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Essa equação é conhecida como a equação de Langevin e foi o primeiro exemplo de equação diferencial estocástica, isto é, uma equação diferencial com um termo, &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; nesse caso, cuja solução em algum sentido também é uma função aleatória &amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;:. Essa função foi desenvolvida para possuir as seguintes propriedades:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\langle R(t) \rangle = 0&lt;br /&gt;
\qquad&lt;br /&gt;
\langle R(t) R(t&#039;) \rangle = D \cdot \delta(t-t&#039;)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\langle f \rangle&amp;lt;/math&amp;gt; descreve o valor médio ou esperado de uma função &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão e &amp;lt;math&amp;gt;\delta&amp;lt;/math&amp;gt; é a função delta.&lt;br /&gt;
&lt;br /&gt;
A primeira propriedade afirma que o movimento é aleatório de forma que não existe nenhuma tendência de sentido para a partícula se locomover. Assim, é dito que &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; se trata de um ruído branco gaussiano. Já a segunda propriedade mostra que a força em um dado tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; é descorrelacionada de uma força para qualquer outro tempo &amp;lt;math&amp;gt;t&#039;&amp;lt;/math&amp;gt; (propriedade de Markov). &amp;lt;ref&amp;gt;Wikipédia: Langevin equation. URL: https://en.wikipedia.org/wiki/Langevin_equation.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Dedução da equação de Fokker-Planck ===&lt;br /&gt;
&lt;br /&gt;
Para a dedução foi utilizado a seguinte referência como base: &#039;&#039;From Langevin to Fokker-Planck equation&#039;&#039;.&amp;lt;ref&amp;gt;From Langevin to Fokker-Planck equation. URL: http://cgl.elte.hu/~racz/Stoch-diff-eq.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Como vimos anteriormente, o movimento browniano pode ser descrito pela equação de Langevin, a qual podemos resolver sem nenhum problema. Contudo, alternativamente, podemos fazer uso da equação de Fokker-Planck e considerar uma densidade de probabilidade em relação a posição e o tempo, levando em conta diferentes perturbações estocásticas. Para isso, iremos agora deduzir essa equação, a partir da analise de Langevin.&lt;br /&gt;
&lt;br /&gt;
A descrição do movimento browniano foi anteriormente tratada em termos da equação&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin.&lt;br /&gt;
&lt;br /&gt;
Para o nosso propósito, realizaremos uma abordagem mais direta e geral, assumindo a equação de Langevin através de um potencial &amp;lt;math&amp;gt;U(x)&amp;lt;/math&amp;gt;, nos deixando com a seguinte expressão:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{dx}{dt} = -\mu \frac{dU}{dx} + \eta(t),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\mu=\frac{1}{6\pi\eta a}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\eta(t) = \mu R(t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Contudo, para entender as equações diferenciais estocásticas, precisamos discretizar as equações para posteriormente aplicar os métodos numéricos. Temos que o sistema de discretização mais simples possível nos leva ao valor de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt; a partir da interação&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) - \mu\frac{dU}{dx}\varepsilon + \eta_\varepsilon(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A tarefa é compreender como o agora ruído gaussiano &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; afeta esse sistema discretizado. Para isso, escreveremos a evolução temporal da distribuição de probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; definida como a probabilidade da partícula estar em &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Então, deve-se olhar para o limite &amp;lt;math&amp;gt;t \rightarrow \infty&amp;lt;/math&amp;gt; de &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
Vamos realizar a tarefa com a equação discretizada de Langevin comentada acima. Por razões de simplificação, discutiremos essa abordagem com a forma &lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) + v(x) \varepsilon + \eta_{\varepsilon}(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;v(x) \equiv −\mu \frac{dU}{dx}&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
A equação da probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; pode ser derivada usando a equação de Chapman-Kolmogorov, a qual também iremos escrever em uma forma discretizada no tempo, da forma&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t + \varepsilon) = \int_{-\infty}^{+\infty} W(x,y;\varepsilon) \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é a probabilidade de que a partícula se mova para &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt;, desde que tenha começado em &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Lembrando que: para que a condição acima mova a partícula de &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; a &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, o termo de ruído deve ter apenas o valor correspondente que satisfaz a equação&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x = y + v(y) \varepsilon + \eta_{\varepsilon}(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A probabilidade de &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; acima é dada a partir da distribuição de probabilidade do incremento estocástico &amp;lt;math&amp;gt;\eta{\varepsilon}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{G} (\eta \varepsilon) = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{-\eta_\varepsilon^2}{4D\varepsilon}}\right),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Assim &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é obtido como&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
W(x,y; \varepsilon) &amp;amp; = \rho_{G} (\eta_{\varepsilon} = x − y − v(y)\varepsilon) \\&lt;br /&gt;
&amp;amp; = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{−[x−y−v(y)\varepsilon]^2}{4Dε}}\right).&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Substituindo o &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; acima na equação de Chapman-Kolmogorov discretizada e expandindo o lado esquerdo para &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, temos&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \partial_{t}\rho(x,t) \varepsilon = \int_{-\infty}^{+\infty} \frac{\exp\left(\frac{-[x-y-v(y) \varepsilon]^2}{4D\varepsilon}\right)}{\sqrt{4\pi D \varepsilon}} \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Como último passo agora, vamos expandir a integral do lado direito para ordenar &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;. Notamos que quando &amp;lt;math&amp;gt;\varepsilon \rightarrow 0&amp;lt;/math&amp;gt;, a Gaussiana vai para uma função delta e a integral resulta em &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; que irá se cancelar com &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; no lado esquerdo. Ao final, quando reorganizamos os termos, temos a seguinte equação denominada de Equação de Fokker-Planck&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \frac{\partial v(x) \rho(x,t)}{\partial x} + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
ou, se substituirmos &amp;lt;math&amp;gt;v(x)&amp;lt;/math&amp;gt; pelo potencial &amp;lt;math&amp;gt;v(x) = −\mu \partial U(x)/\partial x&amp;lt;/math&amp;gt;, temos que&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = \frac{\partial}{\partial x} \frac{\partial U}{\partial x} \rho(x,t) + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde, em ambos os casos, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão no movimento browniano, com valor &amp;lt;math&amp;gt;D = \mu k_B T = \frac{k_B T}{6 \pi \eta a}&amp;lt;/math&amp;gt;, cujas variáveis foram discutidas anteriormente na equação de Langevin.&lt;br /&gt;
&lt;br /&gt;
Esta distribuição pode ainda depender de um conjunto de &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; macrovariáveis &amp;lt;math&amp;gt;x_i&amp;lt;/math&amp;gt;, de tal maneira que o movimento browniano em questão pode ser representado por uma equação de Fokker-Planck da forma &amp;lt;ref&amp;gt;Wikipédia: Fokker-Planck Equation. URL: https://en.wikipedia.org/wiki/Fokker-Planck_equation.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \left[\sum_{i=1}^{N} \frac{\partial}{\partial x_{i}} D_{i}^{1} (x_{1},...,x_{N}) + \sum_{i=1}^{N} \sum_{j=1}^{N} \frac{\partial^2}{\partial x_{i} \partial x_{j}} D_{ij}^{2} (x_{i},...,x_{N})\right]\rho,&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;D^1&amp;lt;/math&amp;gt; é o termo que é dado por um vetor e &amp;lt;math&amp;gt;D^2&amp;lt;/math&amp;gt; é o termo de difusão, dado por uma matriz.&lt;br /&gt;
&lt;br /&gt;
== Exemplos: acelerador de partículas ==&lt;br /&gt;
&lt;br /&gt;
O exemplo e explicações trazidas nessa seção foram retirados do artigo: &#039;&#039;Numerical solution of two dimensional Fokker-Planck equations&#039;&#039; &amp;lt;ref&amp;gt;M.P. Zorzano, H. Mais, L. Vazquez, Numerical solution of two dimensional Fokker—Planck equations, Applied Mathematics and Computation, 1999, https://doi.org/10.1016/S0096-3003(97)10161-8.&amp;lt;/ref&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Uma aplicação amplamente utilizada para a equação de Fokker-Planck como uma Equação Diferencial Estocástica (&#039;&#039;Stochastic Differential Equations&#039;&#039;, SDE) é para a modelagem da dinâmica de partículas únicas em aceleradores sob influência de ruído. As fontes de ruído são, por exemplo, campos aleatórios, movimento aleatório do solo ou flutuações quânticas da radiação.&lt;br /&gt;
&lt;br /&gt;
A partir do cálculo de probabilidade fornecido pela equação de Fokker-Planck, algumas propriedades físicas de interesse são: qual é o comportamento de longo prazo da dinâmica; qual a probabilidade da partícula colidir com a câmara de vácuo e então ser perdida; quais são as flutuações médias da partícula em torno da trajetória do acelerador; e qual é a evolução temporal da densidade de probabilidade?&lt;br /&gt;
&lt;br /&gt;
Para responder essas perguntas, apenas alguns casos mais específicos possuem soluções analíticas, especialmente em problemas com maior dimensionalidade. Por esse motivo, é interessante e prático estudar a equação de Fokker-Planck e os problemas relacionados a partir de métodos numéricos.&lt;br /&gt;
&lt;br /&gt;
Para esse fim, serão abordados dois exemplos: o oscilador harmônico amortecido, o qual possuí solução analítica e poderá ser usado como comparação para verificar a acurácia do método; e o problema de Duffing, oscilador não linear, com amortecimento e ruído multiplicativo e aditivo, que não apresenta solução exata.&lt;br /&gt;
&lt;br /&gt;
=== Equações ===&lt;br /&gt;
&lt;br /&gt;
As equações diferenciais típicas encontradas na física do acelerador de partícula são&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -a_1(x) - a_2(x,v) + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; é o ruído branco gaussiano e &amp;lt;math&amp;gt;\sigma&amp;lt;/math&amp;gt; é uma constante.&lt;br /&gt;
&lt;br /&gt;
Para o caso do oscilador harmônico amortecido e com ruído, temos&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -Kx - \gamma v + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\gamma&amp;lt;/math&amp;gt; também são constantes.&lt;br /&gt;
&lt;br /&gt;
Já para o oscilador estocástico de Duffing, não-linear, com amortecimento, ruído multiplicativo e aditivo temos&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -\omega^2 \left[ \left( \alpha + \sqrt{2D_{11}}R_1(t) \right) x + \epsilon x^3 \right] - 2\tau \omega \dot{x} + \sqrt{2D_{22}}R_2(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\omega&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\alpha&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\epsilon&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D_{11}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;D_{22}&amp;lt;/math&amp;gt; são constantes dadas.&lt;br /&gt;
&lt;br /&gt;
Escrevendo esses exemplos em termos da equação de Fokker-Planck obtemos&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o primeiro caso e&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} [(a_1(x) + a_2(x,v))\rho] + \frac{1}{2}\frac{\partial^2}{\partial v^2}(2D\rho)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
a_1(x) =\omega^2x(\alpha+\epsilon x^2), \quad a_2(x,v) = 2\tau\omega v, \quad D=D_{11}\omega^4x^2+D_{22}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o segundo exemplo.&lt;br /&gt;
&lt;br /&gt;
=== Método FTCS explícito ===&lt;br /&gt;
&lt;br /&gt;
Para os fins de estudo desses casos, o método numérico mais simples para descrever a função &amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt; é a partir do FTCS (&#039;&#039;Foward Time Central Space&#039;&#039;) explícito. Como ficará mais claro a partir da discretização das equações, o método FTCS calcula o resultado de uma função no tempo seguinte em um dado ponto a partir dos valores dos &amp;quot;vizinhos&amp;quot; desse ponto. Para a técnica explícita, podemos calcular valor da função no tempo &amp;lt;math&amp;gt;n+1&amp;lt;/math&amp;gt; a partir apenas de valores já conhecidos no tempo atual &amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;. Assim, a aplicação do método se torna bem simples, contudo, perdemos precisão/estabilidade em comparação com métodos mais sofisticados.&lt;br /&gt;
&lt;br /&gt;
O primeiro passo para o método é discretizar os termos da função de interesse &amp;lt;math&amp;gt;\rho(x,v,t)&amp;lt;/math&amp;gt; nas derivadas parciais necessárias: &amp;lt;math&amp;gt;\partial/\partial x&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\partial/\partial v&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\partial^2/\partial v^2&amp;lt;/math&amp;gt;. Para isso, usamos a expansão da série de Taylor e, para melhor precisão, a derivada centrada (excluindo a derivada no tempo). Ademais, usaremos a notação dos índices para indicar os valores de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; por &amp;lt;math&amp;gt;i&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;j&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;n&amp;lt;/math&amp;gt;, respectivamente.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho(x,v,t+\Delta t) - \rho(x,v,t)}{\Delta t}&lt;br /&gt;
+ \mathcal{O}(\Delta t^2)&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j}^{n+1}-\rho_{i,j}^n}{\Delta t}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial x}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{1}{2}&lt;br /&gt;
\left[ &lt;br /&gt;
    \frac{\rho(x+\Delta x,v,t) - \rho(x,v,t)}{\Delta x} &lt;br /&gt;
    +&lt;br /&gt;
    \frac{\rho(x-\Delta x,v,t) - \rho(x,v,t)}{\Delta x}&lt;br /&gt;
\right]&lt;br /&gt;
+ \mathcal{O}(\Delta x^2)&lt;br /&gt;
\approx&lt;br /&gt;
\frac{\rho(x+\Delta x,v,t)-\rho(x-\Delta x,v,t)}{2 \Delta x}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i+1,j}^n + \rho_{i-1,j}^n}{2\Delta x}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial v}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{1}{2}&lt;br /&gt;
\left[ &lt;br /&gt;
    \frac{\rho(x,v+\Delta v,t) - \rho(x,v,t)}{\Delta v} &lt;br /&gt;
    +&lt;br /&gt;
    \frac{\rho(x,v,t) - \rho(x,v-\Delta v,t)}{\Delta v}&lt;br /&gt;
\right]&lt;br /&gt;
+ \mathcal{O}(\Delta v^2)&lt;br /&gt;
\approx&lt;br /&gt;
\frac{\rho(x,v+\Delta v,t)-\rho(x,v-\Delta v,t)}{2 \Delta v}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j+1}^n + \rho_{i,j-1}^n}{2\Delta v}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial^2 \rho}{\partial v^2}&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho(x,v+\Delta v, t)-2\rho(x,v,t)+\rho(x,v-\Delta v,t)}{(\Delta v)^2}&lt;br /&gt;
+\mathcal{O}(\Delta v^3)&lt;br /&gt;
\rightarrow&lt;br /&gt;
\frac{\rho_{i,j+1}^n-2\rho_{i,j}^n+\rho_{i,j-1}^n}{(\Delta v)^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Aplicação ===&lt;br /&gt;
&lt;br /&gt;
== Código desenvolvido ==&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Referências ==&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6979</id>
		<title>Equação de Fokker-Planck</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6979"/>
		<updated>2022-03-05T22:30:57Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: /* Dedução da equação de Fokker-Planck */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&#039;&#039;&#039;Grupo: Álison Soares, Rodrigo Avancini Lara e Samuel Huff Dieterich&#039;&#039;&#039;&lt;br /&gt;
&lt;br /&gt;
A equação de Fokker-Planck foi aplicada em primeiro modo em problemas relacionados ao movimento Browniano, como veremos à seguir. Nesse caso, lidando com flutuações originadas de vários pequenos distúrbios, as partículas de interesse se chocavam com as moléculas do meio, provocando uma trajetória imprevisível. Por conta dessas flutuações, é impossível determinar a posição exata dessas partículas. Porém, é possível determinar a probabilidade de encontrá-las em determinada região.&lt;br /&gt;
&lt;br /&gt;
Esta equação pode ser obtida a partir da equação de Langevin e fornece a probabilidade de encontrar determinada partícula em uma posição &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; em certo instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Além disso, no presente trabalho temos como objetivo estudar as soluções analítica e numérica da equação para um dado exemplo, através do método FTCS explícito.&lt;br /&gt;
&lt;br /&gt;
== Introdução ==&lt;br /&gt;
&lt;br /&gt;
=== Movimento browniano ===&lt;br /&gt;
&lt;br /&gt;
O movimento browniano foi descoberto pelo botanista Robert Brown, em 1827. Durante seu estudo sobre vida microscópica, ele percebeu pequenas partículas de pólen de plantas se movendo de maneira aleatória no líquido que ele estava estudando e, notando que se tratava de partículas de sujeira, e não seres vivos, chegou a conclusão que era um fenômeno físico, e não biológico, que causava este movimento. &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Posteriormente, foi provado que este fenômeno se dava pelos efeitos do movimento molecular. Em um meio com uma temperatura qualquer &amp;lt;math&amp;gt; &amp;gt;0K &amp;lt;/math&amp;gt;, há vibração e movimento molecular. Embora haja conservacão de energia, quando a partícula interage com as moléculas do meio, a energia cinética desta partícula se altera (assim como a das moléculas). Contudo, a soma destas energias é a energia interna do fluido, como descreve o Teorema da Equiparação. &amp;lt;ref name=&amp;gt;The Equipartition Theorem, University of Oxford. URL: http://vallance.chem.ox.ac.uk/pdfs/Equipartition.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Em 1905, Albert Einstein propôs uma teoria para descrever tal movimento matematicamente. Primeiramente, ele se propôs a descrever o quão longe uma partícula browniana se desloca em um determinado intervalo de tempo. Como a partícula está sujeita a &amp;lt;math&amp;gt;10^{14}&amp;lt;/math&amp;gt; colisões por segundo (provindas das moléculas do meio), a mecânica clássica é incapaz de resolver este sistema &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Stachel, J., et al.; The Collected Papers of Albert Einstein, 1989, Princeton University Press. URL: http://users.physik.fu-berlin.de/~kleinert/files/eins_brownian.pdf.&amp;lt;/ref&amp;gt;.  Para resolver este problema, ele abordou o problema pela ótica da mecânica estatística. &lt;br /&gt;
&lt;br /&gt;
Inicialmente, ele considerou o incremento da posição da partícula num espaço unidimensional (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;), num determinado intervalo de tempo (&amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;). Considerando que existe uma probabilidade aleatória da partícula se mover dentro do intervalo &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, ele definiu uma função para a densidade de probabilidade (&amp;lt;math&amp;gt;\varphi(\Delta x)&amp;lt;/math&amp;gt;). Sabendo que o número de partículas é constante dentro do meio, ele expandiu a densidade (&amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt;) deste em uma série de Taylor:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \tau \left(\frac{\partial \rho(x,t)}{\partial t}\right) + \dots = \rho(x, t+\tau)&lt;br /&gt;
=\int_{-\infty}^{+\infty} \rho(x+\Delta x, t) \cdot \varphi(\Delta x) d\Delta x &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
que é, por definição, &amp;lt;math&amp;gt;\varphi&amp;lt;/math&amp;gt;. Continuando, &lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
=\rho(x,t) \cdot \int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x + \frac{\partial \rho}{\partial x} \cdot \int_{-\infty}^{+\infty} \Delta x \cdot \varphi(\Delta x) d \Delta x + \frac{\partial^2\rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \dots.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Pela definição da probabilidade,&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x=1&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
e as integrais dos termos pares da série são nulos devido à simetria do espaço. &lt;br /&gt;
&lt;br /&gt;
Temos então,&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\rho(x, t+\tau)&lt;br /&gt;
&amp;amp; = \rho(x,t) \cdot 1 + 0 + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots&lt;br /&gt;
\\&lt;br /&gt;
&amp;amp; = \rho(x,t) + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots.&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Esta equação nos leva à igualdade&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} =  \frac{\partial^2\rho}{\partial x^2} \cdot \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \mathcal{O}.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Podemos interpretar a integral como o coeficiente de difusão &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
D = \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O que nos dá a equação da difusão&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} = D \frac{\partial^2\rho}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Equação de Langevin ===&lt;br /&gt;
&lt;br /&gt;
Em 1908, 3 anos após os estudos de Albert Einstein em processos aleatórios e movimento aleatório, Paul Langevin (1872-1946) apresentou um novo método para o movimento browniano que - segundo Langevin - era &amp;quot;infinitamente mais simples&amp;quot; que a solução proposta por Einstein. &amp;lt;ref name=Langevin_original&amp;gt;P. Langevin, &amp;quot;Sur la théorie de mouvement Brownien&amp;quot; C.R. Acad. Sci. Paris , 146 (1908) pp. 530–533, https://www.physik.uni-augsburg.de/theo1/hanggi/History/Langevin1908.pdf.&amp;lt;/ref&amp;gt;&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;&lt;br /&gt;
Para interpretar o movimento browniano, Einstein derivou e resolveu uma equação diferencial parcial descrevendo a evolução temporal da densidade de probabilidade para a partícula. Já Langevin aplicou a segunda lei de Newton na forma diferencial para essa partícula.&lt;br /&gt;
&lt;br /&gt;
Para uma partícula browniana de massa &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; em um líquido com viscosidade &amp;lt;math&amp;gt;\eta&amp;lt;/math&amp;gt;, existem duas forças que agem sobre o seu movimento&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
1. Arrasto pela viscosidade.&lt;br /&gt;
2. Força de flutuação.&lt;br /&gt;
&lt;br /&gt;
Considerando que a partícula é relativamente grande em comparação com as distâncias médias entre as moléculas do líquido e esta se movimento nesse meio com velocidade &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt;, experimenta uma resistência pela viscosidade. Essa força é descrita pela Lei de Stokes que, para uma partícula esférica com diâmetro &amp;lt;math&amp;gt;a&amp;lt;/math&amp;gt;, corresponde a &amp;lt;math&amp;gt;-6\pi\eta a \ dx/dt&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
A segunda força foi proposta por Langevin para descrever o efeito de constantes impactos das moléculas do líquido sobre as partículas de estudo. Assim, como essa força possui uma origem aleatório, esta deveria ser positiva ou negativa de maneira equiprovável e cuja magnitude fosse suficiente para manter a agitação da partícula. Caso contrário, a viscosidade iria parar o movimento dessa partícula.&lt;br /&gt;
&lt;br /&gt;
Com isso, a equação que descreve o movimento a partir da posição da partícula - em 1D na direção &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; - é dado pela Lei de Newton como:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin representando as flutuações de pressão devido ao movimento térmico das moléculas que compõem o líquido. &amp;lt;ref&amp;gt;Langevin equation. Encyclopedia of Mathematics. URL: http://encyclopediaofmath.org/index.php?title=Langevin_equation&amp;amp;oldid=47575.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Essa equação é conhecida como a equação de Langevin e foi o primeiro exemplo de equação diferencial estocástica, isto é, uma equação diferencial com um termo, &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; nesse caso, cuja solução em algum sentido também é uma função aleatória &amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;:. Essa função foi desenvolvida para possuir as seguintes propriedades:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\langle R(t) \rangle = 0&lt;br /&gt;
\qquad&lt;br /&gt;
\langle R(t) R(t&#039;) \rangle = D \cdot \delta(t-t&#039;)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\langle f \rangle&amp;lt;/math&amp;gt; descreve o valor médio ou esperado de uma função &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão e &amp;lt;math&amp;gt;\delta&amp;lt;/math&amp;gt; é a função delta.&lt;br /&gt;
&lt;br /&gt;
A primeira propriedade afirma que o movimento é aleatório de forma que não existe nenhuma tendência de sentido para a partícula se locomover. Assim, é dito que &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; se trata de um ruído branco gaussiano. Já a segunda propriedade mostra que a força em um dado tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; é descorrelacionada de uma força para qualquer outro tempo &amp;lt;math&amp;gt;t&#039;&amp;lt;/math&amp;gt; (propriedade de Markov). &amp;lt;ref&amp;gt;Wikipédia: Langevin equation. URL: https://en.wikipedia.org/wiki/Langevin_equation.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Dedução da equação de Fokker-Planck ===&lt;br /&gt;
&lt;br /&gt;
Para a dedução foi utilizado a seguinte referência como base: &#039;&#039;From Langevin to Fokker-Planck equation&#039;&#039;.&amp;lt;ref&amp;gt;From Langevin to Fokker-Planck equation. URL: http://cgl.elte.hu/~racz/Stoch-diff-eq.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Como vimos anteriormente, o movimento browniano pode ser descrito pela equação de Langevin, a qual podemos resolver sem nenhum problema. Contudo, alternativamente, podemos fazer uso da equação de Fokker-Planck e considerar uma densidade de probabilidade em relação a posição e o tempo, levando em conta diferentes perturbações estocásticas. Para isso, iremos agora deduzir essa equação, a partir da analise de Langevin.&lt;br /&gt;
&lt;br /&gt;
A descrição do movimento browniano foi anteriormente tratada em termos da equação&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin.&lt;br /&gt;
&lt;br /&gt;
Para o nosso propósito, realizaremos uma abordagem mais direta e geral, assumindo a equação de Langevin através de um potencial &amp;lt;math&amp;gt;U(x)&amp;lt;/math&amp;gt;, nos deixando com a seguinte expressão:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{dx}{dt} = -\mu \frac{dU}{dx} + \eta(t),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\mu=\frac{1}{6\pi\eta a}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\eta(t) = \mu R(t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Contudo, para entender as equações diferenciais estocásticas, precisamos discretizar as equações para posteriormente aplicar os métodos numéricos. Temos que o sistema de discretização mais simples possível nos leva ao valor de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt; a partir da interação&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) - \mu\frac{dU}{dx}\varepsilon + \eta_\varepsilon(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A tarefa é compreender como o agora ruído gaussiano &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; afeta esse sistema discretizado. Para isso, escreveremos a evolução temporal da distribuição de probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; definida como a probabilidade da partícula estar em &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Então, deve-se olhar para o limite &amp;lt;math&amp;gt;t \rightarrow \infty&amp;lt;/math&amp;gt; de &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
Vamos realizar a tarefa com a equação discretizada de Langevin comentada acima. Por razões de simplificação, discutiremos essa abordagem com a forma &lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) + v(x) \varepsilon + \eta_{\varepsilon}(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;v(x) \equiv −\mu \frac{dU}{dx}&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
A equação da probabilidade &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; pode ser derivada usando a equação de Chapman-Kolmogorov, a qual também iremos escrever em uma forma discretizada no tempo, da forma&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t + \varepsilon) = \int_{-\infty}^{+\infty} W(x,y;\varepsilon) \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é a probabilidade de que a partícula se mova para &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt;, desde que tenha começado em &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Lembrando que: para que a condição acima mova a partícula de &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; a &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, o termo de ruído deve ter apenas o valor correspondente que satisfaz a equação&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x = y + v(y) \varepsilon + \eta_{\varepsilon}(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A probabilidade de &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; acima é dada a partir da distribuição de probabilidade do incremento estocástico &amp;lt;math&amp;gt;\eta{\varepsilon}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho_{G} (\eta \varepsilon) = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{-\eta_\varepsilon^2}{4D\varepsilon}}\right),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Assim &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é obtido como&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
W(x,y; \varepsilon) &amp;amp; = \rho_{G} (\eta_{\varepsilon} = x − y − v(y)\varepsilon) \\&lt;br /&gt;
&amp;amp; = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{−[x−y−v(y)\varepsilon]^2}{4Dε}}\right).&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Substituindo o &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; acima na equação de Chapman-Kolmogorov discretizada e expandindo o lado esquerdo para &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, temos&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \partial_{t}\rho(x,t) \varepsilon = \int_{-\infty}^{+\infty} \frac{\exp\left(\frac{-[x-y-v(y) \varepsilon]^2}{4D\varepsilon}\right)}{\sqrt{4\pi D \varepsilon}} \rho(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Como último passo agora, vamos expandir a integral do lado direito para ordenar &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;. Notamos que quando &amp;lt;math&amp;gt;\varepsilon \rightarrow 0&amp;lt;/math&amp;gt;, a Gaussiana vai para uma função delta e a integral resulta em &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; que irá se cancelar com &amp;lt;math&amp;gt;\rho(x,t)&amp;lt;/math&amp;gt; no lado esquerdo. Ao final, quando reorganizamos os termos, temos a seguinte equação denominada de Equação de Fokker-Planck&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \frac{\partial v(x) \rho(x,t)}{\partial x} + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
ou, se substituirmos &amp;lt;math&amp;gt;v(x)&amp;lt;/math&amp;gt; pelo potencial &amp;lt;math&amp;gt;v(x) = −\mu \partial U(x)/\partial x&amp;lt;/math&amp;gt;, temos que&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = \frac{\partial}{\partial x} \frac{\partial U}{\partial x} \rho(x,t) + D \frac{\partial^2 \rho(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde, em ambos os casos, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão no movimento browniano, com valor &amp;lt;math&amp;gt;D = \mu k_B T = \frac{k_B T}{6 \pi \eta a}&amp;lt;/math&amp;gt;, cujas variáveis foram discutidas anteriormente na equação de Langevin.&lt;br /&gt;
&lt;br /&gt;
Esta distribuição pode ainda depender de um conjunto de &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; macrovariáveis &amp;lt;math&amp;gt;x_i&amp;lt;/math&amp;gt;, de tal maneira que o movimento browniano em questão pode ser representado por uma equação de Fokker-Planck da forma &amp;lt;ref&amp;gt;Wikipédia: Fokker-Planck Equation. URL: https://en.wikipedia.org/wiki/Fokker-Planck_equation.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho(x,t)}{\partial t} = - \left[\sum_{i=1}^{N} \frac{\partial}{\partial x_{i}} D_{i}^{1} (x_{1},...,x_{N}) + \sum_{i=1}^{N} \sum_{j=1}^{N} \frac{\partial^2}{\partial x_{i} \partial x_{j}} D_{ij}^{2} (x_{i},...,x_{N})\right]\rho,&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;D^1&amp;lt;/math&amp;gt; é o termo que é dado por um vetor e &amp;lt;math&amp;gt;D^2&amp;lt;/math&amp;gt; é o termo de difusão, dado por uma matriz.&lt;br /&gt;
&lt;br /&gt;
== Exemplos: acelerador de partículas ==&lt;br /&gt;
&lt;br /&gt;
O exemplo e explicações trazidas nessa seção foram retirados do artigo: &#039;&#039;Numerical solution of two dimensional Fokker-Planck equations&#039;&#039; &amp;lt;ref&amp;gt;M.P. Zorzano, H. Mais, L. Vazquez, Numerical solution of two dimensional Fokker—Planck equations, Applied Mathematics and Computation, 1999, https://doi.org/10.1016/S0096-3003(97)10161-8.&amp;lt;/ref&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Uma aplicação amplamente utilizada para a equação de Fokker-Planck como uma Equação Diferencial Estocástica (&#039;&#039;Stochastic Differential Equations&#039;&#039;, SDE) é para a modelagem da dinâmica de partículas únicas em aceleradores sob influência de ruído. As fontes de ruído são, por exemplo, campos aleatórios, movimento aleatório do solo ou flutuações quânticas da radiação.&lt;br /&gt;
&lt;br /&gt;
A partir do cálculo de probabilidade fornecido pela equação de Fokker-Planck, algumas propriedades físicas de interesse são: qual é o comportamento de longo prazo da dinâmica; qual a probabilidade da partícula colidir com a câmara de vácuo e então ser perdida; quais são as flutuações médias da partícula em torno da trajetória do acelerador; e qual é a evolução temporal da densidade de probabilidade?&lt;br /&gt;
&lt;br /&gt;
Para responder essas perguntas, apenas alguns casos mais específicos possuem soluções analíticas, especialmente em problemas com maior dimensionalidade. Por esse motivo, é interessante e prático estudar a equação de Fokker-Planck e os problemas relacionados a partir de métodos numéricos.&lt;br /&gt;
&lt;br /&gt;
Para esse fim, serão abordados dois exemplos: o oscilador harmônico amortecido, o qual possuí solução analítica e poderá ser usado como comparação para verificar a acurácia do método; e o problema de Duffing, oscilador não linear, com amortecimento e ruído multiplicativo e aditivo, que não apresenta solução exata.&lt;br /&gt;
&lt;br /&gt;
=== Equações ===&lt;br /&gt;
&lt;br /&gt;
As equações diferenciais típicas encontradas na física do acelerador de partícula são&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -a_1(x) - a_2(x,v) + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; é o ruído branco gaussiano e &amp;lt;math&amp;gt;\sigma&amp;lt;/math&amp;gt; é uma constante.&lt;br /&gt;
&lt;br /&gt;
Para o caso do oscilador harmônico amortecido e com ruído, temos&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -Kx - \gamma v + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\gamma&amp;lt;/math&amp;gt; também são constantes.&lt;br /&gt;
&lt;br /&gt;
Já para o oscilador estocástico de Duffing, não-linear, com amortecimento, ruído multiplicativo e aditivo temos&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -\omega^2 \left[ \left( \alpha + \sqrt{2D_{11}}R_1(t) \right) x + \epsilon x^3 \right] - 2\tau \omega \dot{x} + \sqrt{2D_{22}}R_2(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\omega&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\alpha&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\epsilon&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D_{11}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;D_{22}&amp;lt;/math&amp;gt; são constantes dadas.&lt;br /&gt;
&lt;br /&gt;
Escrevendo esses exemplos em termos da equação de Fokker-Planck obtemos&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o primeiro caso e&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} [(a_1(x) + a_2(x,v))\rho] + \frac{1}{2}\frac{\partial^2}{\partial v^2}(2D\rho)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
a_1(x) =\omega^2x(\alpha+\epsilon x^2), \quad a_2(x,v) = 2\tau\omega v, \quad D=D_{11}\omega^4x^2+D_{22}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o segundo exemplo.&lt;br /&gt;
&lt;br /&gt;
=== Método FTCS explícito ===&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== Aplicação ===&lt;br /&gt;
&lt;br /&gt;
== Código desenvolvido ==&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Referências ==&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6978</id>
		<title>Equação de Fokker-Planck</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6978"/>
		<updated>2022-03-05T22:25:56Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: /* Exemplos: acelerador de partículas */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&#039;&#039;&#039;Grupo: Álison Soares, Rodrigo Avancini Lara e Samuel Huff Dieterich&#039;&#039;&#039;&lt;br /&gt;
&lt;br /&gt;
A equação de Fokker-Planck foi aplicada em primeiro modo em problemas relacionados ao movimento Browniano, como veremos à seguir. Nesse caso, lidando com flutuações originadas de vários pequenos distúrbios, as partículas de interesse se chocavam com as moléculas do meio, provocando uma trajetória imprevisível. Por conta dessas flutuações, é impossível determinar a posição exata dessas partículas. Porém, é possível determinar a probabilidade de encontrá-las em determinada região.&lt;br /&gt;
&lt;br /&gt;
Esta equação pode ser obtida a partir da equação de Langevin e fornece a probabilidade de encontrar determinada partícula em uma posição &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; em certo instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Além disso, no presente trabalho temos como objetivo estudar as soluções analítica e numérica da equação para um dado exemplo, através do método FTCS explícito.&lt;br /&gt;
&lt;br /&gt;
== Introdução ==&lt;br /&gt;
&lt;br /&gt;
=== Movimento browniano ===&lt;br /&gt;
&lt;br /&gt;
O movimento browniano foi descoberto pelo botanista Robert Brown, em 1827. Durante seu estudo sobre vida microscópica, ele percebeu pequenas partículas de pólen de plantas se movendo de maneira aleatória no líquido que ele estava estudando e, notando que se tratava de partículas de sujeira, e não seres vivos, chegou a conclusão que era um fenômeno físico, e não biológico, que causava este movimento. &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Posteriormente, foi provado que este fenômeno se dava pelos efeitos do movimento molecular. Em um meio com uma temperatura qualquer &amp;lt;math&amp;gt; &amp;gt;0K &amp;lt;/math&amp;gt;, há vibração e movimento molecular. Embora haja conservacão de energia, quando a partícula interage com as moléculas do meio, a energia cinética desta partícula se altera (assim como a das moléculas). Contudo, a soma destas energias é a energia interna do fluido, como descreve o Teorema da Equiparação. &amp;lt;ref name=&amp;gt;The Equipartition Theorem, University of Oxford. URL: http://vallance.chem.ox.ac.uk/pdfs/Equipartition.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Em 1905, Albert Einstein propôs uma teoria para descrever tal movimento matematicamente. Primeiramente, ele se propôs a descrever o quão longe uma partícula browniana se desloca em um determinado intervalo de tempo. Como a partícula está sujeita a &amp;lt;math&amp;gt;10^{14}&amp;lt;/math&amp;gt; colisões por segundo (provindas das moléculas do meio), a mecânica clássica é incapaz de resolver este sistema &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Stachel, J., et al.; The Collected Papers of Albert Einstein, 1989, Princeton University Press. URL: http://users.physik.fu-berlin.de/~kleinert/files/eins_brownian.pdf.&amp;lt;/ref&amp;gt;.  Para resolver este problema, ele abordou o problema pela ótica da mecânica estatística. &lt;br /&gt;
&lt;br /&gt;
Inicialmente, ele considerou o incremento da posição da partícula num espaço unidimensional (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;), num determinado intervalo de tempo (&amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;). Considerando que existe uma probabilidade aleatória da partícula se mover dentro do intervalo &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, ele definiu uma função para a densidade de probabilidade (&amp;lt;math&amp;gt;\varphi(\Delta x)&amp;lt;/math&amp;gt;). Sabendo que o número de partículas é constante dentro do meio, ele expandiu a densidade (&amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt;) deste em uma série de Taylor:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \tau \left(\frac{\partial \rho(x,t)}{\partial t}\right) + \dots = \rho(x, t+\tau)&lt;br /&gt;
=\int_{-\infty}^{+\infty} \rho(x+\Delta x, t) \cdot \varphi(\Delta x) d\Delta x &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
que é, por definição, &amp;lt;math&amp;gt;\varphi&amp;lt;/math&amp;gt;. Continuando, &lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
=\rho(x,t) \cdot \int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x + \frac{\partial \rho}{\partial x} \cdot \int_{-\infty}^{+\infty} \Delta x \cdot \varphi(\Delta x) d \Delta x + \frac{\partial^2\rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \dots.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Pela definição da probabilidade,&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x=1&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
e as integrais dos termos pares da série são nulos devido à simetria do espaço. &lt;br /&gt;
&lt;br /&gt;
Temos então,&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\rho(x, t+\tau)&lt;br /&gt;
&amp;amp; = \rho(x,t) \cdot 1 + 0 + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots&lt;br /&gt;
\\&lt;br /&gt;
&amp;amp; = \rho(x,t) + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots.&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Esta equação nos leva à igualdade&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} =  \frac{\partial^2\rho}{\partial x^2} \cdot \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \mathcal{O}.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Podemos interpretar a integral como o coeficiente de difusão &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
D = \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O que nos dá a equação da difusão&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} = D \frac{\partial^2\rho}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Equação de Langevin ===&lt;br /&gt;
&lt;br /&gt;
Em 1908, 3 anos após os estudos de Albert Einstein em processos aleatórios e movimento aleatório, Paul Langevin (1872-1946) apresentou um novo método para o movimento browniano que - segundo Langevin - era &amp;quot;infinitamente mais simples&amp;quot; que a solução proposta por Einstein. &amp;lt;ref name=Langevin_original&amp;gt;P. Langevin, &amp;quot;Sur la théorie de mouvement Brownien&amp;quot; C.R. Acad. Sci. Paris , 146 (1908) pp. 530–533, https://www.physik.uni-augsburg.de/theo1/hanggi/History/Langevin1908.pdf.&amp;lt;/ref&amp;gt;&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;&lt;br /&gt;
Para interpretar o movimento browniano, Einstein derivou e resolveu uma equação diferencial parcial descrevendo a evolução temporal da densidade de probabilidade para a partícula. Já Langevin aplicou a segunda lei de Newton na forma diferencial para essa partícula.&lt;br /&gt;
&lt;br /&gt;
Para uma partícula browniana de massa &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; em um líquido com viscosidade &amp;lt;math&amp;gt;\eta&amp;lt;/math&amp;gt;, existem duas forças que agem sobre o seu movimento&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
1. Arrasto pela viscosidade.&lt;br /&gt;
2. Força de flutuação.&lt;br /&gt;
&lt;br /&gt;
Considerando que a partícula é relativamente grande em comparação com as distâncias médias entre as moléculas do líquido e esta se movimento nesse meio com velocidade &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt;, experimenta uma resistência pela viscosidade. Essa força é descrita pela Lei de Stokes que, para uma partícula esférica com diâmetro &amp;lt;math&amp;gt;a&amp;lt;/math&amp;gt;, corresponde a &amp;lt;math&amp;gt;-6\pi\eta a \ dx/dt&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
A segunda força foi proposta por Langevin para descrever o efeito de constantes impactos das moléculas do líquido sobre as partículas de estudo. Assim, como essa força possui uma origem aleatório, esta deveria ser positiva ou negativa de maneira equiprovável e cuja magnitude fosse suficiente para manter a agitação da partícula. Caso contrário, a viscosidade iria parar o movimento dessa partícula.&lt;br /&gt;
&lt;br /&gt;
Com isso, a equação que descreve o movimento a partir da posição da partícula - em 1D na direção &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; - é dado pela Lei de Newton como:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin representando as flutuações de pressão devido ao movimento térmico das moléculas que compõem o líquido. &amp;lt;ref&amp;gt;Langevin equation. Encyclopedia of Mathematics. URL: http://encyclopediaofmath.org/index.php?title=Langevin_equation&amp;amp;oldid=47575.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Essa equação é conhecida como a equação de Langevin e foi o primeiro exemplo de equação diferencial estocástica, isto é, uma equação diferencial com um termo, &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; nesse caso, cuja solução em algum sentido também é uma função aleatória &amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;:. Essa função foi desenvolvida para possuir as seguintes propriedades:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\langle R(t) \rangle = 0&lt;br /&gt;
\qquad&lt;br /&gt;
\langle R(t) R(t&#039;) \rangle = D \cdot \delta(t-t&#039;)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\langle f \rangle&amp;lt;/math&amp;gt; descreve o valor médio ou esperado de uma função &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão e &amp;lt;math&amp;gt;\delta&amp;lt;/math&amp;gt; é a função delta.&lt;br /&gt;
&lt;br /&gt;
A primeira propriedade afirma que o movimento é aleatório de forma que não existe nenhuma tendência de sentido para a partícula se locomover. Assim, é dito que &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; se trata de um ruído branco gaussiano. Já a segunda propriedade mostra que a força em um dado tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; é descorrelacionada de uma força para qualquer outro tempo &amp;lt;math&amp;gt;t&#039;&amp;lt;/math&amp;gt; (propriedade de Markov). &amp;lt;ref&amp;gt;Wikipédia: Langevin equation. URL: https://en.wikipedia.org/wiki/Langevin_equation.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Dedução da equação de Fokker-Planck ===&lt;br /&gt;
&lt;br /&gt;
Para a dedução foi utilizado a seguinte referência como base: &#039;&#039;From Langevin to Fokker-Planck equation&#039;&#039;.&amp;lt;ref&amp;gt;From Langevin to Fokker-Planck equation. URL: http://cgl.elte.hu/~racz/Stoch-diff-eq.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Como vimos anteriormente, o movimento browniano pode ser descrito pela equação de Langevin, a qual podemos resolver sem nenhum problema. Contudo, alternativamente, podemos fazer uso da equação de Fokker-Planck e considerar uma densidade de probabilidade em relação a posição e o tempo, levando em conta diferentes perturbações estocásticas. Para isso, iremos agora deduzir essa equação, a partir da analise de Langevin.&lt;br /&gt;
&lt;br /&gt;
A descrição do movimento browniano foi anteriormente tratada em termos da equação&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin.&lt;br /&gt;
&lt;br /&gt;
Para o nosso propósito, realizaremos uma abordagem mais direta e geral, assumindo a equação de Langevin através de um potencial &amp;lt;math&amp;gt;U(x)&amp;lt;/math&amp;gt;, nos deixando com a seguinte expressão:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{dx}{dt} = -\mu \frac{dU}{dx} + \eta(t),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\mu=\frac{1}{6\pi\eta a}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\eta(t) = \mu R(t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Contudo, para entender as equações diferenciais estocásticas, precisamos discretizar as equações para posteriormente aplicar os métodos numéricos. Temos que o sistema de discretização mais simples possível nos leva ao valor de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt; a partir da interação&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) - \mu\frac{dU}{dx}\varepsilon + \eta_\varepsilon(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A tarefa é compreender como o agora ruído gaussiano &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; afeta esse sistema discretizado. Para isso, escreveremos a evolução temporal da distribuição de probabilidade &amp;lt;math&amp;gt;P(x,t)&amp;lt;/math&amp;gt; definida como a probabilidade da partícula estar em &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Então, deve-se olhar para o limite &amp;lt;math&amp;gt;t \rightarrow \infty&amp;lt;/math&amp;gt; de &amp;lt;math&amp;gt;P(x,t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
Vamos realizar a tarefa com a equação discretizada de Langevin comentada acima. Por razões de simplificação, discutiremos essa abordagem com a forma &lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) + v(x) \varepsilon + \eta_{\varepsilon}(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;v(x) \equiv −\mu \frac{dU}{dx}&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
A equação da probabilidade &amp;lt;math&amp;gt;P(x,t)&amp;lt;/math&amp;gt; pode ser derivada usando a equação de Chapman-Kolmogorov, a qual também iremos escrever em uma forma discretizada no tempo, da forma&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
P(x,t + \varepsilon) = \int_{-\infty}^{+\infty} W(x,y;\varepsilon) P(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é a probabilidade de que a partícula se mova para &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt;, desde que tenha começado em &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Lembrando que: para que a condição acima mova a partícula de &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; a &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, o termo de ruído deve ter apenas o valor correspondente que satisfaz a equação&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x = y + v(y) \varepsilon + \eta_{\varepsilon}(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A probabilidade de &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; acima é dada a partir da distribuição de probabilidade do incremento estocástico &amp;lt;math&amp;gt;\eta{\varepsilon}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
P_{G} (\eta \varepsilon) = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{-\eta_\varepsilon^2}{4D\varepsilon}}\right),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Assim &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é obtido como&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
W(x,y; \varepsilon) &amp;amp; = P_{G} (\eta_{\varepsilon} = x − y − v(y)\varepsilon) \\&lt;br /&gt;
&amp;amp; = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{−[x−y−v(y)\varepsilon]^2}{4Dε}}\right).&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Substituindo o &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; acima na equação de Chapman-Kolmogorov discretizada e expandindo o lado esquerdo para &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, temos&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
P(x,t) + \partial_{t}P(x,t) \varepsilon = \int_{-\infty}^{+\infty} \frac{\exp\left(\frac{-[x-y-v(y) \varepsilon]^2}{4D\varepsilon}\right)}{\sqrt{4\pi D \varepsilon}} P(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Como último passo agora, vamos expandir a integral do lado direito para ordenar &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;. Notamos que quando &amp;lt;math&amp;gt;\varepsilon \rightarrow 0&amp;lt;/math&amp;gt;, a Gaussiana vai para uma função delta e a integral resulta em &amp;lt;math&amp;gt;P(x,t)&amp;lt;/math&amp;gt; que irá se cancelar com &amp;lt;math&amp;gt;P(x,t)&amp;lt;/math&amp;gt; no lado esquerdo. Ao final, quando reorganizamos os termos, temos a seguinte equação denominada de Equação de Fokker-Planck&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial P(x,t)}{\partial t} = - \frac{\partial v(x) P(x,t)}{\partial x} + D \frac{\partial^2 P(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
ou, se substituirmos &amp;lt;math&amp;gt;v(x)&amp;lt;/math&amp;gt; pelo potencial &amp;lt;math&amp;gt;v(x) = −\mu \partial U(x)/\partial x&amp;lt;/math&amp;gt;, temos que&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial P(x,t)}{\partial t} = \frac{\partial}{\partial x} \frac{\partial U}{\partial x} P(x,t) + D \frac{\partial^2 P(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde, em ambos os casos, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão no movimento browniano, com valor &amp;lt;math&amp;gt;D = \mu k_B T = \frac{k_B T}{6 \pi \eta a}&amp;lt;/math&amp;gt;, discutidos anteriormente na equação de Langevin.&lt;br /&gt;
&lt;br /&gt;
Esta distribuição pode ainda depender de um conjunto de &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; macrovariáveis &amp;lt;math&amp;gt;x_i&amp;lt;/math&amp;gt;, de tal maneira que o movimento browniano em questão pode ser representado por uma equação de Fokker-Planck da forma &amp;lt;ref&amp;gt;Wikipédia: Fokker-Planck Equation. URL: https://en.wikipedia.org/wiki/Fokker-Planck_equation.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial P(x,t)}{\partial t} = - \left[\sum_{i=1}^{N} \frac{\partial}{\partial x_{i}} D_{i}^{1} (x_{1},...,x_{N}) + \sum_{i=1}^{N} \sum_{j=1}^{N} \frac{\partial^2}{\partial x_{i} \partial x_{j}} D_{ij}^{2} (x_{i},...,x_{N})\right]P,&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;D^1&amp;lt;/math&amp;gt; é o termo que é dado por um vetor e &amp;lt;math&amp;gt;D^2&amp;lt;/math&amp;gt; é o termo de difusão, dado por uma matriz.&lt;br /&gt;
&lt;br /&gt;
== Exemplos: acelerador de partículas ==&lt;br /&gt;
&lt;br /&gt;
O exemplo e explicações trazidas nessa seção foram retirados do artigo: &#039;&#039;Numerical solution of two dimensional Fokker-Planck equations&#039;&#039; &amp;lt;ref&amp;gt;M.P. Zorzano, H. Mais, L. Vazquez, Numerical solution of two dimensional Fokker—Planck equations, Applied Mathematics and Computation, 1999, https://doi.org/10.1016/S0096-3003(97)10161-8.&amp;lt;/ref&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Uma aplicação amplamente utilizada para a equação de Fokker-Planck como uma Equação Diferencial Estocástica (&#039;&#039;Stochastic Differential Equations&#039;&#039;, SDE) é para a modelagem da dinâmica de partículas únicas em aceleradores sob influência de ruído. As fontes de ruído são, por exemplo, campos aleatórios, movimento aleatório do solo ou flutuações quânticas da radiação.&lt;br /&gt;
&lt;br /&gt;
A partir do cálculo de probabilidade fornecido pela equação de Fokker-Planck, algumas propriedades físicas de interesse são: qual é o comportamento de longo prazo da dinâmica; qual a probabilidade da partícula colidir com a câmara de vácuo e então ser perdida; quais são as flutuações médias da partícula em torno da trajetória do acelerador; e qual é a evolução temporal da densidade de probabilidade?&lt;br /&gt;
&lt;br /&gt;
Para responder essas perguntas, apenas alguns casos mais específicos possuem soluções analíticas, especialmente em problemas com maior dimensionalidade. Por esse motivo, é interessante e prático estudar a equação de Fokker-Planck e os problemas relacionados a partir de métodos numéricos.&lt;br /&gt;
&lt;br /&gt;
Para esse fim, serão abordados dois exemplos: o oscilador harmônico amortecido, o qual possuí solução analítica e poderá ser usado como comparação para verificar a acurácia do método; e o problema de Duffing, oscilador não linear, com amortecimento e ruído multiplicativo e aditivo, que não apresenta solução exata.&lt;br /&gt;
&lt;br /&gt;
=== Equações ===&lt;br /&gt;
&lt;br /&gt;
As equações diferenciais típicas encontradas na física do acelerador de partícula são&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -a_1(x) - a_2(x,v) + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; é o ruído branco gaussiano e &amp;lt;math&amp;gt;\sigma&amp;lt;/math&amp;gt; é uma constante.&lt;br /&gt;
&lt;br /&gt;
Para o caso do oscilador harmônico amortecido e com ruído, temos&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -Kx - \gamma v + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\gamma&amp;lt;/math&amp;gt; também são constantes.&lt;br /&gt;
&lt;br /&gt;
Já para o oscilador estocástico de Duffing, não-linear, com amortecimento, ruído multiplicativo e aditivo temos&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -\omega^2 \left[ \left( \alpha + \sqrt{2D_{11}}R_1(t) \right) x + \epsilon x^3 \right] - 2\tau \omega \dot{x} + \sqrt{2D_{22}}R_2(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\omega&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\alpha&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\epsilon&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D_{11}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;D_{22}&amp;lt;/math&amp;gt; são constantes dadas.&lt;br /&gt;
&lt;br /&gt;
Escrevendo esses exemplos em termos da equação de Fokker-Planck obtemos&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o primeiro caso e&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} [(a_1(x) + a_2(x,v))\rho] + \frac{1}{2}\frac{\partial^2}{\partial v^2}(2D\rho)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
a_1(x) =\omega^2x(\alpha+\epsilon x^2), \quad a_2(x,v) = 2\tau\omega v, \quad D=D_{11}\omega^4x^2+D_{22}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o segundo exemplo.&lt;br /&gt;
&lt;br /&gt;
=== Método FTCS explícito ===&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== Aplicação ===&lt;br /&gt;
&lt;br /&gt;
== Código desenvolvido ==&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Referências ==&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6977</id>
		<title>Equação de Fokker-Planck</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6977"/>
		<updated>2022-03-05T22:25:28Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: /* Exemplos: acelerador de partículas */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&#039;&#039;&#039;Grupo: Álison Soares, Rodrigo Avancini Lara e Samuel Huff Dieterich&#039;&#039;&#039;&lt;br /&gt;
&lt;br /&gt;
A equação de Fokker-Planck foi aplicada em primeiro modo em problemas relacionados ao movimento Browniano, como veremos à seguir. Nesse caso, lidando com flutuações originadas de vários pequenos distúrbios, as partículas de interesse se chocavam com as moléculas do meio, provocando uma trajetória imprevisível. Por conta dessas flutuações, é impossível determinar a posição exata dessas partículas. Porém, é possível determinar a probabilidade de encontrá-las em determinada região.&lt;br /&gt;
&lt;br /&gt;
Esta equação pode ser obtida a partir da equação de Langevin e fornece a probabilidade de encontrar determinada partícula em uma posição &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; em certo instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Além disso, no presente trabalho temos como objetivo estudar as soluções analítica e numérica da equação para um dado exemplo, através do método FTCS explícito.&lt;br /&gt;
&lt;br /&gt;
== Introdução ==&lt;br /&gt;
&lt;br /&gt;
=== Movimento browniano ===&lt;br /&gt;
&lt;br /&gt;
O movimento browniano foi descoberto pelo botanista Robert Brown, em 1827. Durante seu estudo sobre vida microscópica, ele percebeu pequenas partículas de pólen de plantas se movendo de maneira aleatória no líquido que ele estava estudando e, notando que se tratava de partículas de sujeira, e não seres vivos, chegou a conclusão que era um fenômeno físico, e não biológico, que causava este movimento. &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Posteriormente, foi provado que este fenômeno se dava pelos efeitos do movimento molecular. Em um meio com uma temperatura qualquer &amp;lt;math&amp;gt; &amp;gt;0K &amp;lt;/math&amp;gt;, há vibração e movimento molecular. Embora haja conservacão de energia, quando a partícula interage com as moléculas do meio, a energia cinética desta partícula se altera (assim como a das moléculas). Contudo, a soma destas energias é a energia interna do fluido, como descreve o Teorema da Equiparação. &amp;lt;ref name=&amp;gt;The Equipartition Theorem, University of Oxford. URL: http://vallance.chem.ox.ac.uk/pdfs/Equipartition.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Em 1905, Albert Einstein propôs uma teoria para descrever tal movimento matematicamente. Primeiramente, ele se propôs a descrever o quão longe uma partícula browniana se desloca em um determinado intervalo de tempo. Como a partícula está sujeita a &amp;lt;math&amp;gt;10^{14}&amp;lt;/math&amp;gt; colisões por segundo (provindas das moléculas do meio), a mecânica clássica é incapaz de resolver este sistema &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Stachel, J., et al.; The Collected Papers of Albert Einstein, 1989, Princeton University Press. URL: http://users.physik.fu-berlin.de/~kleinert/files/eins_brownian.pdf.&amp;lt;/ref&amp;gt;.  Para resolver este problema, ele abordou o problema pela ótica da mecânica estatística. &lt;br /&gt;
&lt;br /&gt;
Inicialmente, ele considerou o incremento da posição da partícula num espaço unidimensional (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;), num determinado intervalo de tempo (&amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;). Considerando que existe uma probabilidade aleatória da partícula se mover dentro do intervalo &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, ele definiu uma função para a densidade de probabilidade (&amp;lt;math&amp;gt;\varphi(\Delta x)&amp;lt;/math&amp;gt;). Sabendo que o número de partículas é constante dentro do meio, ele expandiu a densidade (&amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt;) deste em uma série de Taylor:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \tau \left(\frac{\partial \rho(x,t)}{\partial t}\right) + \dots = \rho(x, t+\tau)&lt;br /&gt;
=\int_{-\infty}^{+\infty} \rho(x+\Delta x, t) \cdot \varphi(\Delta x) d\Delta x &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
que é, por definição, &amp;lt;math&amp;gt;\varphi&amp;lt;/math&amp;gt;. Continuando, &lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
=\rho(x,t) \cdot \int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x + \frac{\partial \rho}{\partial x} \cdot \int_{-\infty}^{+\infty} \Delta x \cdot \varphi(\Delta x) d \Delta x + \frac{\partial^2\rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \dots.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Pela definição da probabilidade,&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x=1&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
e as integrais dos termos pares da série são nulos devido à simetria do espaço. &lt;br /&gt;
&lt;br /&gt;
Temos então,&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\rho(x, t+\tau)&lt;br /&gt;
&amp;amp; = \rho(x,t) \cdot 1 + 0 + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots&lt;br /&gt;
\\&lt;br /&gt;
&amp;amp; = \rho(x,t) + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots.&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Esta equação nos leva à igualdade&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} =  \frac{\partial^2\rho}{\partial x^2} \cdot \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \mathcal{O}.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Podemos interpretar a integral como o coeficiente de difusão &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
D = \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O que nos dá a equação da difusão&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} = D \frac{\partial^2\rho}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Equação de Langevin ===&lt;br /&gt;
&lt;br /&gt;
Em 1908, 3 anos após os estudos de Albert Einstein em processos aleatórios e movimento aleatório, Paul Langevin (1872-1946) apresentou um novo método para o movimento browniano que - segundo Langevin - era &amp;quot;infinitamente mais simples&amp;quot; que a solução proposta por Einstein. &amp;lt;ref name=Langevin_original&amp;gt;P. Langevin, &amp;quot;Sur la théorie de mouvement Brownien&amp;quot; C.R. Acad. Sci. Paris , 146 (1908) pp. 530–533, https://www.physik.uni-augsburg.de/theo1/hanggi/History/Langevin1908.pdf.&amp;lt;/ref&amp;gt;&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;&lt;br /&gt;
Para interpretar o movimento browniano, Einstein derivou e resolveu uma equação diferencial parcial descrevendo a evolução temporal da densidade de probabilidade para a partícula. Já Langevin aplicou a segunda lei de Newton na forma diferencial para essa partícula.&lt;br /&gt;
&lt;br /&gt;
Para uma partícula browniana de massa &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; em um líquido com viscosidade &amp;lt;math&amp;gt;\eta&amp;lt;/math&amp;gt;, existem duas forças que agem sobre o seu movimento&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
1. Arrasto pela viscosidade.&lt;br /&gt;
2. Força de flutuação.&lt;br /&gt;
&lt;br /&gt;
Considerando que a partícula é relativamente grande em comparação com as distâncias médias entre as moléculas do líquido e esta se movimento nesse meio com velocidade &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt;, experimenta uma resistência pela viscosidade. Essa força é descrita pela Lei de Stokes que, para uma partícula esférica com diâmetro &amp;lt;math&amp;gt;a&amp;lt;/math&amp;gt;, corresponde a &amp;lt;math&amp;gt;-6\pi\eta a \ dx/dt&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
A segunda força foi proposta por Langevin para descrever o efeito de constantes impactos das moléculas do líquido sobre as partículas de estudo. Assim, como essa força possui uma origem aleatório, esta deveria ser positiva ou negativa de maneira equiprovável e cuja magnitude fosse suficiente para manter a agitação da partícula. Caso contrário, a viscosidade iria parar o movimento dessa partícula.&lt;br /&gt;
&lt;br /&gt;
Com isso, a equação que descreve o movimento a partir da posição da partícula - em 1D na direção &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; - é dado pela Lei de Newton como:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin representando as flutuações de pressão devido ao movimento térmico das moléculas que compõem o líquido. &amp;lt;ref&amp;gt;Langevin equation. Encyclopedia of Mathematics. URL: http://encyclopediaofmath.org/index.php?title=Langevin_equation&amp;amp;oldid=47575.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Essa equação é conhecida como a equação de Langevin e foi o primeiro exemplo de equação diferencial estocástica, isto é, uma equação diferencial com um termo, &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; nesse caso, cuja solução em algum sentido também é uma função aleatória &amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;:. Essa função foi desenvolvida para possuir as seguintes propriedades:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\langle R(t) \rangle = 0&lt;br /&gt;
\qquad&lt;br /&gt;
\langle R(t) R(t&#039;) \rangle = D \cdot \delta(t-t&#039;)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\langle f \rangle&amp;lt;/math&amp;gt; descreve o valor médio ou esperado de uma função &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão e &amp;lt;math&amp;gt;\delta&amp;lt;/math&amp;gt; é a função delta.&lt;br /&gt;
&lt;br /&gt;
A primeira propriedade afirma que o movimento é aleatório de forma que não existe nenhuma tendência de sentido para a partícula se locomover. Assim, é dito que &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; se trata de um ruído branco gaussiano. Já a segunda propriedade mostra que a força em um dado tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; é descorrelacionada de uma força para qualquer outro tempo &amp;lt;math&amp;gt;t&#039;&amp;lt;/math&amp;gt; (propriedade de Markov). &amp;lt;ref&amp;gt;Wikipédia: Langevin equation. URL: https://en.wikipedia.org/wiki/Langevin_equation.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Dedução da equação de Fokker-Planck ===&lt;br /&gt;
&lt;br /&gt;
Para a dedução foi utilizado a seguinte referência como base: &#039;&#039;From Langevin to Fokker-Planck equation&#039;&#039;.&amp;lt;ref&amp;gt;From Langevin to Fokker-Planck equation. URL: http://cgl.elte.hu/~racz/Stoch-diff-eq.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Como vimos anteriormente, o movimento browniano pode ser descrito pela equação de Langevin, a qual podemos resolver sem nenhum problema. Contudo, alternativamente, podemos fazer uso da equação de Fokker-Planck e considerar uma densidade de probabilidade em relação a posição e o tempo, levando em conta diferentes perturbações estocásticas. Para isso, iremos agora deduzir essa equação, a partir da analise de Langevin.&lt;br /&gt;
&lt;br /&gt;
A descrição do movimento browniano foi anteriormente tratada em termos da equação&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin.&lt;br /&gt;
&lt;br /&gt;
Para o nosso propósito, realizaremos uma abordagem mais direta e geral, assumindo a equação de Langevin através de um potencial &amp;lt;math&amp;gt;U(x)&amp;lt;/math&amp;gt;, nos deixando com a seguinte expressão:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{dx}{dt} = -\mu \frac{dU}{dx} + \eta(t),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\mu=\frac{1}{6\pi\eta a}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\eta(t) = \mu R(t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Contudo, para entender as equações diferenciais estocásticas, precisamos discretizar as equações para posteriormente aplicar os métodos numéricos. Temos que o sistema de discretização mais simples possível nos leva ao valor de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt; a partir da interação&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) - \mu\frac{dU}{dx}\varepsilon + \eta_\varepsilon(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A tarefa é compreender como o agora ruído gaussiano &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; afeta esse sistema discretizado. Para isso, escreveremos a evolução temporal da distribuição de probabilidade &amp;lt;math&amp;gt;P(x,t)&amp;lt;/math&amp;gt; definida como a probabilidade da partícula estar em &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Então, deve-se olhar para o limite &amp;lt;math&amp;gt;t \rightarrow \infty&amp;lt;/math&amp;gt; de &amp;lt;math&amp;gt;P(x,t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
Vamos realizar a tarefa com a equação discretizada de Langevin comentada acima. Por razões de simplificação, discutiremos essa abordagem com a forma &lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) + v(x) \varepsilon + \eta_{\varepsilon}(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;v(x) \equiv −\mu \frac{dU}{dx}&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
A equação da probabilidade &amp;lt;math&amp;gt;P(x,t)&amp;lt;/math&amp;gt; pode ser derivada usando a equação de Chapman-Kolmogorov, a qual também iremos escrever em uma forma discretizada no tempo, da forma&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
P(x,t + \varepsilon) = \int_{-\infty}^{+\infty} W(x,y;\varepsilon) P(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é a probabilidade de que a partícula se mova para &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt;, desde que tenha começado em &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Lembrando que: para que a condição acima mova a partícula de &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; a &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, o termo de ruído deve ter apenas o valor correspondente que satisfaz a equação&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x = y + v(y) \varepsilon + \eta_{\varepsilon}(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A probabilidade de &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; acima é dada a partir da distribuição de probabilidade do incremento estocástico &amp;lt;math&amp;gt;\eta{\varepsilon}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
P_{G} (\eta \varepsilon) = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{-\eta_\varepsilon^2}{4D\varepsilon}}\right),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Assim &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é obtido como&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
W(x,y; \varepsilon) &amp;amp; = P_{G} (\eta_{\varepsilon} = x − y − v(y)\varepsilon) \\&lt;br /&gt;
&amp;amp; = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{−[x−y−v(y)\varepsilon]^2}{4Dε}}\right).&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Substituindo o &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; acima na equação de Chapman-Kolmogorov discretizada e expandindo o lado esquerdo para &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, temos&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
P(x,t) + \partial_{t}P(x,t) \varepsilon = \int_{-\infty}^{+\infty} \frac{\exp\left(\frac{-[x-y-v(y) \varepsilon]^2}{4D\varepsilon}\right)}{\sqrt{4\pi D \varepsilon}} P(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Como último passo agora, vamos expandir a integral do lado direito para ordenar &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;. Notamos que quando &amp;lt;math&amp;gt;\varepsilon \rightarrow 0&amp;lt;/math&amp;gt;, a Gaussiana vai para uma função delta e a integral resulta em &amp;lt;math&amp;gt;P(x,t)&amp;lt;/math&amp;gt; que irá se cancelar com &amp;lt;math&amp;gt;P(x,t)&amp;lt;/math&amp;gt; no lado esquerdo. Ao final, quando reorganizamos os termos, temos a seguinte equação denominada de Equação de Fokker-Planck&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial P(x,t)}{\partial t} = - \frac{\partial v(x) P(x,t)}{\partial x} + D \frac{\partial^2 P(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
ou, se substituirmos &amp;lt;math&amp;gt;v(x)&amp;lt;/math&amp;gt; pelo potencial &amp;lt;math&amp;gt;v(x) = −\mu \partial U(x)/\partial x&amp;lt;/math&amp;gt;, temos que&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial P(x,t)}{\partial t} = \frac{\partial}{\partial x} \frac{\partial U}{\partial x} P(x,t) + D \frac{\partial^2 P(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde, em ambos os casos, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão no movimento browniano, com valor &amp;lt;math&amp;gt;D = \mu k_B T = \frac{k_B T}{6 \pi \eta a}&amp;lt;/math&amp;gt;, discutidos anteriormente na equação de Langevin.&lt;br /&gt;
&lt;br /&gt;
Esta distribuição pode ainda depender de um conjunto de &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; macrovariáveis &amp;lt;math&amp;gt;x_i&amp;lt;/math&amp;gt;, de tal maneira que o movimento browniano em questão pode ser representado por uma equação de Fokker-Planck da forma &amp;lt;ref&amp;gt;Wikipédia: Fokker-Planck Equation. URL: https://en.wikipedia.org/wiki/Fokker-Planck_equation.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial P(x,t)}{\partial t} = - \left[\sum_{i=1}^{N} \frac{\partial}{\partial x_{i}} D_{i}^{1} (x_{1},...,x_{N}) + \sum_{i=1}^{N} \sum_{j=1}^{N} \frac{\partial^2}{\partial x_{i} \partial x_{j}} D_{ij}^{2} (x_{i},...,x_{N})\right]P,&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;D^1&amp;lt;/math&amp;gt; é o termo que é dado por um vetor e &amp;lt;math&amp;gt;D^2&amp;lt;/math&amp;gt; é o termo de difusão, dado por uma matriz.&lt;br /&gt;
&lt;br /&gt;
== Exemplos: acelerador de partículas ==&lt;br /&gt;
&lt;br /&gt;
O exemplo e explicações trazidas nessa seção foram retirados do artigo: Numerical solution of two dimensional Fokker—Planck equations &amp;lt;ref&amp;gt;M.P. Zorzano, H. Mais, L. Vazquez, Numerical solution of two dimensional Fokker—Planck equations, Applied Mathematics and Computation, 1999, https://doi.org/10.1016/S0096-3003(97)10161-8.&amp;lt;/ref&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Uma aplicação amplamente utilizada para a equação de Fokker-Planck como uma Equação Diferencial Estocástica (&#039;&#039;Stochastic Differential Equations&#039;&#039;, SDE) é para a modelagem da dinâmica de partículas únicas em aceleradores sob influência de ruído. As fontes de ruído são, por exemplo, campos aleatórios, movimento aleatório do solo ou flutuações quânticas da radiação.&lt;br /&gt;
&lt;br /&gt;
A partir do cálculo de probabilidade fornecido pela equação de Fokker-Planck, algumas propriedades físicas de interesse são: qual é o comportamento de longo prazo da dinâmica; qual a probabilidade da partícula colidir com a câmara de vácuo e então ser perdida; quais são as flutuações médias da partícula em torno da trajetória do acelerador; e qual é a evolução temporal da densidade de probabilidade?&lt;br /&gt;
&lt;br /&gt;
Para responder essas perguntas, apenas alguns casos mais específicos possuem soluções analíticas, especialmente em problemas com maior dimensionalidade. Por esse motivo, é interessante e prático estudar a equação de Fokker-Planck e os problemas relacionados a partir de métodos numéricos.&lt;br /&gt;
&lt;br /&gt;
Para esse fim, serão abordados dois exemplos: o oscilador harmônico amortecido, o qual possuí solução analítica e poderá ser usado como comparação para verificar a acurácia do método; e o problema de Duffing, oscilador não linear, com amortecimento e ruído multiplicativo e aditivo, que não apresenta solução exata.&lt;br /&gt;
&lt;br /&gt;
=== Equações ===&lt;br /&gt;
&lt;br /&gt;
As equações diferenciais típicas encontradas na física do acelerador de partícula são&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -a_1(x) - a_2(x,v) + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; é o ruído branco gaussiano e &amp;lt;math&amp;gt;\sigma&amp;lt;/math&amp;gt; é uma constante.&lt;br /&gt;
&lt;br /&gt;
Para o caso do oscilador harmônico amortecido e com ruído, temos&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -Kx - \gamma v + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\gamma&amp;lt;/math&amp;gt; também são constantes.&lt;br /&gt;
&lt;br /&gt;
Já para o oscilador estocástico de Duffing, não-linear, com amortecimento, ruído multiplicativo e aditivo temos&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -\omega^2 \left[ \left( \alpha + \sqrt{2D_{11}}R_1(t) \right) x + \epsilon x^3 \right] - 2\tau \omega \dot{x} + \sqrt{2D_{22}}R_2(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\omega&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\alpha&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\epsilon&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D_{11}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;D_{22}&amp;lt;/math&amp;gt; são constantes dadas.&lt;br /&gt;
&lt;br /&gt;
Escrevendo esses exemplos em termos da equação de Fokker-Planck obtemos&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o primeiro caso e&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} [(a_1(x) + a_2(x,v))\rho] + \frac{1}{2}\frac{\partial^2}{\partial v^2}(2D\rho)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
a_1(x) =\omega^2x(\alpha+\epsilon x^2), \quad a_2(x,v) = 2\tau\omega v, \quad D=D_{11}\omega^4x^2+D_{22}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o segundo exemplo.&lt;br /&gt;
&lt;br /&gt;
=== Método FTCS explícito ===&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== Aplicação ===&lt;br /&gt;
&lt;br /&gt;
== Código desenvolvido ==&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Referências ==&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6976</id>
		<title>Equação de Fokker-Planck</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6976"/>
		<updated>2022-03-05T22:21:29Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: /* Dedução da equação de Fokker-Planck */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&#039;&#039;&#039;Grupo: Álison Soares, Rodrigo Avancini Lara e Samuel Huff Dieterich&#039;&#039;&#039;&lt;br /&gt;
&lt;br /&gt;
A equação de Fokker-Planck foi aplicada em primeiro modo em problemas relacionados ao movimento Browniano, como veremos à seguir. Nesse caso, lidando com flutuações originadas de vários pequenos distúrbios, as partículas de interesse se chocavam com as moléculas do meio, provocando uma trajetória imprevisível. Por conta dessas flutuações, é impossível determinar a posição exata dessas partículas. Porém, é possível determinar a probabilidade de encontrá-las em determinada região.&lt;br /&gt;
&lt;br /&gt;
Esta equação pode ser obtida a partir da equação de Langevin e fornece a probabilidade de encontrar determinada partícula em uma posição &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; em certo instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Além disso, no presente trabalho temos como objetivo estudar as soluções analítica e numérica da equação para um dado exemplo, através do método FTCS explícito.&lt;br /&gt;
&lt;br /&gt;
== Introdução ==&lt;br /&gt;
&lt;br /&gt;
=== Movimento browniano ===&lt;br /&gt;
&lt;br /&gt;
O movimento browniano foi descoberto pelo botanista Robert Brown, em 1827. Durante seu estudo sobre vida microscópica, ele percebeu pequenas partículas de pólen de plantas se movendo de maneira aleatória no líquido que ele estava estudando e, notando que se tratava de partículas de sujeira, e não seres vivos, chegou a conclusão que era um fenômeno físico, e não biológico, que causava este movimento. &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Posteriormente, foi provado que este fenômeno se dava pelos efeitos do movimento molecular. Em um meio com uma temperatura qualquer &amp;lt;math&amp;gt; &amp;gt;0K &amp;lt;/math&amp;gt;, há vibração e movimento molecular. Embora haja conservacão de energia, quando a partícula interage com as moléculas do meio, a energia cinética desta partícula se altera (assim como a das moléculas). Contudo, a soma destas energias é a energia interna do fluido, como descreve o Teorema da Equiparação. &amp;lt;ref name=&amp;gt;The Equipartition Theorem, University of Oxford. URL: http://vallance.chem.ox.ac.uk/pdfs/Equipartition.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Em 1905, Albert Einstein propôs uma teoria para descrever tal movimento matematicamente. Primeiramente, ele se propôs a descrever o quão longe uma partícula browniana se desloca em um determinado intervalo de tempo. Como a partícula está sujeita a &amp;lt;math&amp;gt;10^{14}&amp;lt;/math&amp;gt; colisões por segundo (provindas das moléculas do meio), a mecânica clássica é incapaz de resolver este sistema &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Stachel, J., et al.; The Collected Papers of Albert Einstein, 1989, Princeton University Press. URL: http://users.physik.fu-berlin.de/~kleinert/files/eins_brownian.pdf.&amp;lt;/ref&amp;gt;.  Para resolver este problema, ele abordou o problema pela ótica da mecânica estatística. &lt;br /&gt;
&lt;br /&gt;
Inicialmente, ele considerou o incremento da posição da partícula num espaço unidimensional (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;), num determinado intervalo de tempo (&amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;). Considerando que existe uma probabilidade aleatória da partícula se mover dentro do intervalo &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, ele definiu uma função para a densidade de probabilidade (&amp;lt;math&amp;gt;\varphi(\Delta x)&amp;lt;/math&amp;gt;). Sabendo que o número de partículas é constante dentro do meio, ele expandiu a densidade (&amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt;) deste em uma série de Taylor:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \tau \left(\frac{\partial \rho(x,t)}{\partial t}\right) + \dots = \rho(x, t+\tau)&lt;br /&gt;
=\int_{-\infty}^{+\infty} \rho(x+\Delta x, t) \cdot \varphi(\Delta x) d\Delta x &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
que é, por definição, &amp;lt;math&amp;gt;\varphi&amp;lt;/math&amp;gt;. Continuando, &lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
=\rho(x,t) \cdot \int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x + \frac{\partial \rho}{\partial x} \cdot \int_{-\infty}^{+\infty} \Delta x \cdot \varphi(\Delta x) d \Delta x + \frac{\partial^2\rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \dots.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Pela definição da probabilidade,&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x=1&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
e as integrais dos termos pares da série são nulos devido à simetria do espaço. &lt;br /&gt;
&lt;br /&gt;
Temos então,&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\rho(x, t+\tau)&lt;br /&gt;
&amp;amp; = \rho(x,t) \cdot 1 + 0 + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots&lt;br /&gt;
\\&lt;br /&gt;
&amp;amp; = \rho(x,t) + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots.&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Esta equação nos leva à igualdade&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} =  \frac{\partial^2\rho}{\partial x^2} \cdot \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \mathcal{O}.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Podemos interpretar a integral como o coeficiente de difusão &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
D = \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O que nos dá a equação da difusão&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} = D \frac{\partial^2\rho}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Equação de Langevin ===&lt;br /&gt;
&lt;br /&gt;
Em 1908, 3 anos após os estudos de Albert Einstein em processos aleatórios e movimento aleatório, Paul Langevin (1872-1946) apresentou um novo método para o movimento browniano que - segundo Langevin - era &amp;quot;infinitamente mais simples&amp;quot; que a solução proposta por Einstein. &amp;lt;ref name=Langevin_original&amp;gt;P. Langevin, &amp;quot;Sur la théorie de mouvement Brownien&amp;quot; C.R. Acad. Sci. Paris , 146 (1908) pp. 530–533, https://www.physik.uni-augsburg.de/theo1/hanggi/History/Langevin1908.pdf.&amp;lt;/ref&amp;gt;&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;&lt;br /&gt;
Para interpretar o movimento browniano, Einstein derivou e resolveu uma equação diferencial parcial descrevendo a evolução temporal da densidade de probabilidade para a partícula. Já Langevin aplicou a segunda lei de Newton na forma diferencial para essa partícula.&lt;br /&gt;
&lt;br /&gt;
Para uma partícula browniana de massa &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; em um líquido com viscosidade &amp;lt;math&amp;gt;\eta&amp;lt;/math&amp;gt;, existem duas forças que agem sobre o seu movimento&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
1. Arrasto pela viscosidade.&lt;br /&gt;
2. Força de flutuação.&lt;br /&gt;
&lt;br /&gt;
Considerando que a partícula é relativamente grande em comparação com as distâncias médias entre as moléculas do líquido e esta se movimento nesse meio com velocidade &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt;, experimenta uma resistência pela viscosidade. Essa força é descrita pela Lei de Stokes que, para uma partícula esférica com diâmetro &amp;lt;math&amp;gt;a&amp;lt;/math&amp;gt;, corresponde a &amp;lt;math&amp;gt;-6\pi\eta a \ dx/dt&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
A segunda força foi proposta por Langevin para descrever o efeito de constantes impactos das moléculas do líquido sobre as partículas de estudo. Assim, como essa força possui uma origem aleatório, esta deveria ser positiva ou negativa de maneira equiprovável e cuja magnitude fosse suficiente para manter a agitação da partícula. Caso contrário, a viscosidade iria parar o movimento dessa partícula.&lt;br /&gt;
&lt;br /&gt;
Com isso, a equação que descreve o movimento a partir da posição da partícula - em 1D na direção &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; - é dado pela Lei de Newton como:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin representando as flutuações de pressão devido ao movimento térmico das moléculas que compõem o líquido. &amp;lt;ref&amp;gt;Langevin equation. Encyclopedia of Mathematics. URL: http://encyclopediaofmath.org/index.php?title=Langevin_equation&amp;amp;oldid=47575.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Essa equação é conhecida como a equação de Langevin e foi o primeiro exemplo de equação diferencial estocástica, isto é, uma equação diferencial com um termo, &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; nesse caso, cuja solução em algum sentido também é uma função aleatória &amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;:. Essa função foi desenvolvida para possuir as seguintes propriedades:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\langle R(t) \rangle = 0&lt;br /&gt;
\qquad&lt;br /&gt;
\langle R(t) R(t&#039;) \rangle = D \cdot \delta(t-t&#039;)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\langle f \rangle&amp;lt;/math&amp;gt; descreve o valor médio ou esperado de uma função &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão e &amp;lt;math&amp;gt;\delta&amp;lt;/math&amp;gt; é a função delta.&lt;br /&gt;
&lt;br /&gt;
A primeira propriedade afirma que o movimento é aleatório de forma que não existe nenhuma tendência de sentido para a partícula se locomover. Assim, é dito que &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; se trata de um ruído branco gaussiano. Já a segunda propriedade mostra que a força em um dado tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; é descorrelacionada de uma força para qualquer outro tempo &amp;lt;math&amp;gt;t&#039;&amp;lt;/math&amp;gt; (propriedade de Markov). &amp;lt;ref&amp;gt;Wikipédia: Langevin equation. URL: https://en.wikipedia.org/wiki/Langevin_equation.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Dedução da equação de Fokker-Planck ===&lt;br /&gt;
&lt;br /&gt;
Para a dedução foi utilizado a seguinte referência como base: &#039;&#039;From Langevin to Fokker-Planck equation&#039;&#039;.&amp;lt;ref&amp;gt;From Langevin to Fokker-Planck equation. URL: http://cgl.elte.hu/~racz/Stoch-diff-eq.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Como vimos anteriormente, o movimento browniano pode ser descrito pela equação de Langevin, a qual podemos resolver sem nenhum problema. Contudo, alternativamente, podemos fazer uso da equação de Fokker-Planck e considerar uma densidade de probabilidade em relação a posição e o tempo, levando em conta diferentes perturbações estocásticas. Para isso, iremos agora deduzir essa equação, a partir da analise de Langevin.&lt;br /&gt;
&lt;br /&gt;
A descrição do movimento browniano foi anteriormente tratada em termos da equação&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin.&lt;br /&gt;
&lt;br /&gt;
Para o nosso propósito, realizaremos uma abordagem mais direta e geral, assumindo a equação de Langevin através de um potencial &amp;lt;math&amp;gt;U(x)&amp;lt;/math&amp;gt;, nos deixando com a seguinte expressão:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{dx}{dt} = -\mu \frac{dU}{dx} + \eta(t),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\mu=\frac{1}{6\pi\eta a}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\eta(t) = \mu R(t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Contudo, para entender as equações diferenciais estocásticas, precisamos discretizar as equações para posteriormente aplicar os métodos numéricos. Temos que o sistema de discretização mais simples possível nos leva ao valor de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt; a partir da interação&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) - \mu\frac{dU}{dx}\varepsilon + \eta_\varepsilon(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A tarefa é compreender como o agora ruído gaussiano &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; afeta esse sistema discretizado. Para isso, escreveremos a evolução temporal da distribuição de probabilidade &amp;lt;math&amp;gt;P(x,t)&amp;lt;/math&amp;gt; definida como a probabilidade da partícula estar em &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Então, deve-se olhar para o limite &amp;lt;math&amp;gt;t \rightarrow \infty&amp;lt;/math&amp;gt; de &amp;lt;math&amp;gt;P(x,t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
Vamos realizar a tarefa com a equação discretizada de Langevin comentada acima. Por razões de simplificação, discutiremos essa abordagem com a forma &lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) + v(x) \varepsilon + \eta_{\varepsilon}(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;v(x) \equiv −\mu \frac{dU}{dx}&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
A equação da probabilidade &amp;lt;math&amp;gt;P(x,t)&amp;lt;/math&amp;gt; pode ser derivada usando a equação de Chapman-Kolmogorov, a qual também iremos escrever em uma forma discretizada no tempo, da forma&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
P(x,t + \varepsilon) = \int_{-\infty}^{+\infty} W(x,y;\varepsilon) P(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é a probabilidade de que a partícula se mova para &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt;, desde que tenha começado em &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Lembrando que: para que a condição acima mova a partícula de &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; a &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, o termo de ruído deve ter apenas o valor correspondente que satisfaz a equação&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x = y + v(y) \varepsilon + \eta_{\varepsilon}(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A probabilidade de &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; acima é dada a partir da distribuição de probabilidade do incremento estocástico &amp;lt;math&amp;gt;\eta{\varepsilon}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
P_{G} (\eta \varepsilon) = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{-\eta_\varepsilon^2}{4D\varepsilon}}\right),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Assim &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é obtido como&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
W(x,y; \varepsilon) &amp;amp; = P_{G} (\eta_{\varepsilon} = x − y − v(y)\varepsilon) \\&lt;br /&gt;
&amp;amp; = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{−[x−y−v(y)\varepsilon]^2}{4Dε}}\right).&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Substituindo o &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; acima na equação de Chapman-Kolmogorov discretizada e expandindo o lado esquerdo para &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, temos&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
P(x,t) + \partial_{t}P(x,t) \varepsilon = \int_{-\infty}^{+\infty} \frac{\exp\left(\frac{-[x-y-v(y) \varepsilon]^2}{4D\varepsilon}\right)}{\sqrt{4\pi D \varepsilon}} P(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Como último passo agora, vamos expandir a integral do lado direito para ordenar &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;. Notamos que quando &amp;lt;math&amp;gt;\varepsilon \rightarrow 0&amp;lt;/math&amp;gt;, a Gaussiana vai para uma função delta e a integral resulta em &amp;lt;math&amp;gt;P(x,t)&amp;lt;/math&amp;gt; que irá se cancelar com &amp;lt;math&amp;gt;P(x,t)&amp;lt;/math&amp;gt; no lado esquerdo. Ao final, quando reorganizamos os termos, temos a seguinte equação denominada de Equação de Fokker-Planck&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial P(x,t)}{\partial t} = - \frac{\partial v(x) P(x,t)}{\partial x} + D \frac{\partial^2 P(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
ou, se substituirmos &amp;lt;math&amp;gt;v(x)&amp;lt;/math&amp;gt; pelo potencial &amp;lt;math&amp;gt;v(x) = −\mu \partial U(x)/\partial x&amp;lt;/math&amp;gt;, temos que&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial P(x,t)}{\partial t} = \frac{\partial}{\partial x} \frac{\partial U}{\partial x} P(x,t) + D \frac{\partial^2 P(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde, em ambos os casos, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão no movimento browniano, com valor &amp;lt;math&amp;gt;D = \mu k_B T = \frac{k_B T}{6 \pi \eta a}&amp;lt;/math&amp;gt;, discutidos anteriormente na equação de Langevin.&lt;br /&gt;
&lt;br /&gt;
Esta distribuição pode ainda depender de um conjunto de &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; macrovariáveis &amp;lt;math&amp;gt;x_i&amp;lt;/math&amp;gt;, de tal maneira que o movimento browniano em questão pode ser representado por uma equação de Fokker-Planck da forma &amp;lt;ref&amp;gt;Wikipédia: Fokker-Planck Equation. URL: https://en.wikipedia.org/wiki/Fokker-Planck_equation.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial P(x,t)}{\partial t} = - \left[\sum_{i=1}^{N} \frac{\partial}{\partial x_{i}} D_{i}^{1} (x_{1},...,x_{N}) + \sum_{i=1}^{N} \sum_{j=1}^{N} \frac{\partial^2}{\partial x_{i} \partial x_{j}} D_{ij}^{2} (x_{i},...,x_{N})\right]P,&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;D^1&amp;lt;/math&amp;gt; é o termo que é dado por um vetor e &amp;lt;math&amp;gt;D^2&amp;lt;/math&amp;gt; é o termo de difusão, dado por uma matriz.&lt;br /&gt;
&lt;br /&gt;
== Exemplos: acelerador de partículas ==&lt;br /&gt;
&lt;br /&gt;
O exemplo e explicações trazidas nessa seção foram retirados do artigo na referência. &amp;lt;ref&amp;gt;M.P. Zorzano, H. Mais, L. Vazquez, Numerical solution of two dimensional Fokker—Planck equations, Applied Mathematics and Computation, 1999, https://doi.org/10.1016/S0096-3003(97)10161-8.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Uma aplicação amplamente utilizada para a equação de Fokker-Planck como uma Equação Diferencial Estocástica (&#039;&#039;Stochastic Differential Equations&#039;&#039;, SDE) é para a modelagem da dinâmica de partículas únicas em aceleradores sob influência de ruído. As fontes de ruído são, por exemplo, campos aleatórios, movimento aleatório do solo ou flutuações quânticas da radiação.&lt;br /&gt;
&lt;br /&gt;
A partir do cálculo de probabilidade fornecido pela equação de Fokker-Planck, algumas propriedades físicas de interesse são: qual é o comportamento de longo prazo da dinâmica; qual a probabilidade da partícula colidir com a câmara de vácuo e então ser perdida; quais são as flutuações médias da partícula em torno da trajetória do acelerador; e qual é a evolução temporal da densidade de probabilidade?&lt;br /&gt;
&lt;br /&gt;
Para responder essas perguntas, apenas alguns casos mais específicos possuem soluções analíticas, especialmente em problemas com maior dimensionalidade. Por esse motivo, é interessante e prático estudar a equação de Fokker-Planck e os problemas relacionados a partir de métodos numéricos.&lt;br /&gt;
&lt;br /&gt;
Para esse fim, serão abordados dois exemplos: o oscilador harmônico amortecido, o qual possuí solução analítica e poderá ser usado como comparação para verificar a acurácia do método; e o problema de Duffing, oscilador não linear, com amortecimento e ruído multiplicativo e aditivo, que não apresenta solução exata.&lt;br /&gt;
&lt;br /&gt;
=== Equações ===&lt;br /&gt;
&lt;br /&gt;
As equações diferenciais típicas encontradas na física do acelerador de partícula são&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -a_1(x) - a_2(x,v) + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; é o ruído branco gaussiano e &amp;lt;math&amp;gt;\sigma&amp;lt;/math&amp;gt; é uma constante.&lt;br /&gt;
&lt;br /&gt;
Para o caso do oscilador harmônico amortecido e com ruído, temos&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -Kx - \gamma v + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\gamma&amp;lt;/math&amp;gt; também são constantes.&lt;br /&gt;
&lt;br /&gt;
Já para o oscilador estocástico de Duffing, não-linear, com amortecimento, ruído multiplicativo e aditivo temos&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -\omega^2 \left[ \left( \alpha + \sqrt{2D_{11}}R_1(t) \right) x + \epsilon x^3 \right] - 2\tau \omega \dot{x} + \sqrt{2D_{22}}R_2(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\omega&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\alpha&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\epsilon&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D_{11}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;D_{22}&amp;lt;/math&amp;gt; são constantes dadas.&lt;br /&gt;
&lt;br /&gt;
Escrevendo esses exemplos em termos da equação de Fokker-Planck obtemos&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o primeiro caso e&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} [(a_1(x) + a_2(x,v))\rho] + \frac{1}{2}\frac{\partial^2}{\partial v^2}(2D\rho)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
a_1(x) =\omega^2x(\alpha+\epsilon x^2), \quad a_2(x,v) = 2\tau\omega v, \quad D=D_{11}\omega^4x^2+D_{22}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o segundo exemplo.&lt;br /&gt;
&lt;br /&gt;
=== Método FTCS explícito ===&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== Aplicação ===&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Código desenvolvido ==&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Referências ==&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6975</id>
		<title>Equação de Fokker-Planck</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6975"/>
		<updated>2022-03-05T18:22:38Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&#039;&#039;&#039;Grupo: Álison Soares, Rodrigo Avancini Lara e Samuel Huff Dieterich&#039;&#039;&#039;&lt;br /&gt;
&lt;br /&gt;
A equação de Fokker-Planck foi aplicada em primeiro modo em problemas relacionados ao movimento Browniano, como veremos à seguir. Nesse caso, lidando com flutuações originadas de vários pequenos distúrbios, as partículas de interesse se chocavam com as moléculas do meio, provocando uma trajetória imprevisível. Por conta dessas flutuações, é impossível determinar a posição exata dessas partículas. Porém, é possível determinar a probabilidade de encontrá-las em determinada região.&lt;br /&gt;
&lt;br /&gt;
Esta equação pode ser obtida a partir da equação de Langevin e fornece a probabilidade de encontrar determinada partícula em uma posição &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; em certo instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Além disso, no presente trabalho temos como objetivo estudar as soluções analítica e numérica da equação para um dado exemplo, através do método FTCS explícito.&lt;br /&gt;
&lt;br /&gt;
== Introdução ==&lt;br /&gt;
&lt;br /&gt;
=== Movimento browniano ===&lt;br /&gt;
&lt;br /&gt;
O movimento browniano foi descoberto pelo botanista Robert Brown, em 1827. Durante seu estudo sobre vida microscópica, ele percebeu pequenas partículas de pólen de plantas se movendo de maneira aleatória no líquido que ele estava estudando e, notando que se tratava de partículas de sujeira, e não seres vivos, chegou a conclusão que era um fenômeno físico, e não biológico, que causava este movimento. &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Posteriormente, foi provado que este fenômeno se dava pelos efeitos do movimento molecular. Em um meio com uma temperatura qualquer &amp;lt;math&amp;gt; &amp;gt;0K &amp;lt;/math&amp;gt;, há vibração e movimento molecular. Embora haja conservacão de energia, quando a partícula interage com as moléculas do meio, a energia cinética desta partícula se altera (assim como a das moléculas). Contudo, a soma destas energias é a energia interna do fluido, como descreve o Teorema da Equiparação. &amp;lt;ref name=&amp;gt;The Equipartition Theorem, University of Oxford. URL: http://vallance.chem.ox.ac.uk/pdfs/Equipartition.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Em 1905, Albert Einstein propôs uma teoria para descrever tal movimento matematicamente. Primeiramente, ele se propôs a descrever o quão longe uma partícula browniana se desloca em um determinado intervalo de tempo. Como a partícula está sujeita a &amp;lt;math&amp;gt;10^{14}&amp;lt;/math&amp;gt; colisões por segundo (provindas das moléculas do meio), a mecânica clássica é incapaz de resolver este sistema &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Stachel, J., et al.; The Collected Papers of Albert Einstein, 1989, Princeton University Press. URL: http://users.physik.fu-berlin.de/~kleinert/files/eins_brownian.pdf.&amp;lt;/ref&amp;gt;.  Para resolver este problema, ele abordou o problema pela ótica da mecânica estatística. &lt;br /&gt;
&lt;br /&gt;
Inicialmente, ele considerou o incremento da posição da partícula num espaço unidimensional (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;), num determinado intervalo de tempo (&amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;). Considerando que existe uma probabilidade aleatória da partícula se mover dentro do intervalo &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, ele definiu uma função para a densidade de probabilidade (&amp;lt;math&amp;gt;\varphi(\Delta x)&amp;lt;/math&amp;gt;). Sabendo que o número de partículas é constante dentro do meio, ele expandiu a densidade (&amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt;) deste em uma série de Taylor:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \tau \left(\frac{\partial \rho(x,t)}{\partial t}\right) + \dots = \rho(x, t+\tau)&lt;br /&gt;
=\int_{-\infty}^{+\infty} \rho(x+\Delta x, t) \cdot \varphi(\Delta x) d\Delta x &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
que é, por definição, &amp;lt;math&amp;gt;\varphi&amp;lt;/math&amp;gt;. Continuando, &lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
=\rho(x,t) \cdot \int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x + \frac{\partial \rho}{\partial x} \cdot \int_{-\infty}^{+\infty} \Delta x \cdot \varphi(\Delta x) d \Delta x + \frac{\partial^2\rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \dots.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Pela definição da probabilidade,&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x=1&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
e as integrais dos termos pares da série são nulos devido à simetria do espaço. &lt;br /&gt;
&lt;br /&gt;
Temos então,&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
\rho(x, t+\tau)&lt;br /&gt;
&amp;amp; = \rho(x,t) \cdot 1 + 0 + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots&lt;br /&gt;
\\&lt;br /&gt;
&amp;amp; = \rho(x,t) + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots.&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Esta equação nos leva à igualdade&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} =  \frac{\partial^2\rho}{\partial x^2} \cdot \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \mathcal{O}.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Podemos interpretar a integral como o coeficiente de difusão &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
D = \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O que nos dá a equação da difusão&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} = D \frac{\partial^2\rho}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Equação de Langevin ===&lt;br /&gt;
&lt;br /&gt;
Em 1908, 3 anos após os estudos de Albert Einstein em processos aleatórios e movimento aleatório, Paul Langevin (1872-1946) apresentou um novo método para o movimento browniano que - segundo Langevin - era &amp;quot;infinitamente mais simples&amp;quot; que a solução proposta por Einstein. &amp;lt;ref name=Langevin_original&amp;gt;P. Langevin, &amp;quot;Sur la théorie de mouvement Brownien&amp;quot; C.R. Acad. Sci. Paris , 146 (1908) pp. 530–533, https://www.physik.uni-augsburg.de/theo1/hanggi/History/Langevin1908.pdf.&amp;lt;/ref&amp;gt;&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;&lt;br /&gt;
Para interpretar o movimento browniano, Einstein derivou e resolveu uma equação diferencial parcial descrevendo a evolução temporal da densidade de probabilidade para a partícula. Já Langevin aplicou a segunda lei de Newton na forma diferencial para essa partícula.&lt;br /&gt;
&lt;br /&gt;
Para uma partícula browniana de massa &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; em um líquido com viscosidade &amp;lt;math&amp;gt;\eta&amp;lt;/math&amp;gt;, existem duas forças que agem sobre o seu movimento&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
1. Arrasto pela viscosidade.&lt;br /&gt;
2. Força de flutuação.&lt;br /&gt;
&lt;br /&gt;
Considerando que a partícula é relativamente grande em comparação com as distâncias médias entre as moléculas do líquido e esta se movimento nesse meio com velocidade &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt;, experimenta uma resistência pela viscosidade. Essa força é descrita pela Lei de Stokes que, para uma partícula esférica com diâmetro &amp;lt;math&amp;gt;a&amp;lt;/math&amp;gt;, corresponde a &amp;lt;math&amp;gt;-6\pi\eta a \ dx/dt&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
A segunda força foi proposta por Langevin para descrever o efeito de constantes impactos das moléculas do líquido sobre as partículas de estudo. Assim, como essa força possui uma origem aleatório, esta deveria ser positiva ou negativa de maneira equiprovável e cuja magnitude fosse suficiente para manter a agitação da partícula. Caso contrário, a viscosidade iria parar o movimento dessa partícula.&lt;br /&gt;
&lt;br /&gt;
Com isso, a equação que descreve o movimento a partir da posição da partícula - em 1D na direção &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; - é dado pela Lei de Newton como:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin representando as flutuações de pressão devido ao movimento térmico das moléculas que compõem o líquido. &amp;lt;ref&amp;gt;Langevin equation. Encyclopedia of Mathematics. URL: http://encyclopediaofmath.org/index.php?title=Langevin_equation&amp;amp;oldid=47575.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Essa equação é conhecida como a equação de Langevin e foi o primeiro exemplo de equação diferencial estocástica, isto é, uma equação diferencial com um termo, &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; nesse caso, cuja solução em algum sentido também é uma função aleatória &amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;:. Essa função foi desenvolvida para possuir as seguintes propriedades:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\langle R(t) \rangle = 0&lt;br /&gt;
\qquad&lt;br /&gt;
\langle R(t) R(t&#039;) \rangle = D \cdot \delta(t-t&#039;)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\langle f \rangle&amp;lt;/math&amp;gt; descreve o valor médio ou esperado de uma função &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão e &amp;lt;math&amp;gt;\delta&amp;lt;/math&amp;gt; é a função delta.&lt;br /&gt;
&lt;br /&gt;
A primeira propriedade afirma que o movimento é aleatório de forma que não existe nenhuma tendência de sentido para a partícula se locomover. Assim, é dito que &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; se trata de um ruído branco gaussiano. Já a segunda propriedade mostra que a força em um dado tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; é descorrelacionada de uma força para qualquer outro tempo &amp;lt;math&amp;gt;t&#039;&amp;lt;/math&amp;gt; (propriedade de Markov). &amp;lt;ref&amp;gt;Wikipédia: Langevin equation. URL: https://en.wikipedia.org/wiki/Langevin_equation.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Dedução da equação de Fokker-Planck ===&lt;br /&gt;
&lt;br /&gt;
Como vimos anteriormente, o movimento browniano pode ser descrito pela equação de Langevin, a qual podemos resolver sem nenhum problema. Contudo, alternativamente, podemos fazer uso da equação de Fokker-Planck e considerar uma densidade de probabilidade em relação a posição e o tempo, levando em conta diferentes perturbações estocásticas. Para isso, iremos agora deduzir essa equação, a partir da analise de Langevin.&lt;br /&gt;
&lt;br /&gt;
A descrição do movimento browniano foi anteriormente tratada em termos da equação&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin.&lt;br /&gt;
&lt;br /&gt;
Para o nosso propósito, realizaremos uma abordagem mais direta e geral, assumindo a equação de Langevin através de um potencial &amp;lt;math&amp;gt;U(x)&amp;lt;/math&amp;gt;, nos deixando com a seguinte expressão:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{dx}{dt} = -\mu \frac{dU}{dx} + \eta(t),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\mu=\frac{1}{6\pi\eta a}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\eta(t) = \mu R(t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Contudo, para entender as equações diferenciais estocásticas, precisamos discretizar as equações para posteriormente aplicar os métodos numéricos. Temos que o sistema de discretização mais simples possível nos leva ao valor de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt; a partir da interação&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) - \mu\frac{dU}{dx}\varepsilon + \eta_\varepsilon(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A tarefa é compreender como o agora ruído gaussiano &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; afeta esse sistema discretizado. Para isso, escreveremos a evolução temporal da distribuição de probabilidade &amp;lt;math&amp;gt;P(x,t)&amp;lt;/math&amp;gt; definida como a probabilidade da partícula estar em &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Então, deve-se olhar para o limite &amp;lt;math&amp;gt;t \rightarrow \infty&amp;lt;/math&amp;gt; de &amp;lt;math&amp;gt;P(x,t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
Vamos realizar a tarefa com a equação discretizada de Langevin comentada acima. Por razões de simplificação, discutiremos essa abordagem com a forma &lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) + v(x) \varepsilon + \eta_{\varepsilon}(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;v(x) \equiv −\mu \frac{dU}{dx}&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
A equação da probabilidade &amp;lt;math&amp;gt;P(x,t)&amp;lt;/math&amp;gt; pode ser derivada usando a equação de Chapman-Kolmogorov, a qual também iremos escrever em uma forma discretizada no tempo, da forma&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
P(x,t + \varepsilon) = \int_{-\infty}^{+\infty} W(x,y;\varepsilon) P(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é a probabilidade de que a partícula se mova para &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt;, desde que tenha começado em &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Lembrando que: para que a condição acima mova a partícula de &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; a &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, o termo de ruído deve ter apenas o valor correspondente que satisfaz a equação&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
x = y + v(y) \varepsilon + \eta_{\varepsilon}(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A probabilidade de &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; acima é dada a partir da distribuição de probabilidade do incremento estocástico &amp;lt;math&amp;gt;\eta{\varepsilon}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
P_{G} (\eta \varepsilon) = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{-\eta_\varepsilon^2}{4D\varepsilon}}\right),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Assim &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é obtido como&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{alignat}{2}&lt;br /&gt;
W(x,y; \varepsilon) &amp;amp; = P_{G} (\eta_{\varepsilon} = x − y − v(y)\varepsilon) \\&lt;br /&gt;
&amp;amp; = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{−[x−y−v(y)\varepsilon]^2}{4Dε}}\right).&lt;br /&gt;
\end{alignat}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Substituindo o &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; acima na equação de Chapman-Kolmogorov discretizada e expandindo o lado esquerdo para &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, temos&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
P(x,t) + \partial_{t}P(x,t) \varepsilon = \int_{-\infty}^{+\infty} \frac{\exp\left(\frac{-[x-y-v(y) \varepsilon]^2}{4D\varepsilon}\right)}{\sqrt{4\pi D \varepsilon}} P(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Como último passo agora, vamos expandir a integral do lado direito para ordenar &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;. Notamos que quando &amp;lt;math&amp;gt;\varepsilon \rightarrow 0&amp;lt;/math&amp;gt;, a Gaussiana vai para uma função delta e a integral resulta em &amp;lt;math&amp;gt;P(x,t)&amp;lt;/math&amp;gt; que irá se cancelar com &amp;lt;math&amp;gt;P(x,t)&amp;lt;/math&amp;gt; no lado esquerdo. Ao final, quando reorganizamos os termos, temos a seguinte equação denominada de Equação de Fokker-Planck&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial P(x,t)}{\partial t} = - \frac{\partial v(x) P(x,t)}{\partial x} + D \frac{\partial^2 P(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
ou, se substituirmos &amp;lt;math&amp;gt;v(x)&amp;lt;/math&amp;gt; pelo potencial &amp;lt;math&amp;gt;v(x) = −\mu \partial U(x)/\partial x&amp;lt;/math&amp;gt;, temos que&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial P(x,t)}{\partial t} = \frac{\partial}{\partial x} \frac{\partial U}{\partial x} P(x,t) + D \frac{\partial^2 P(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde, em ambos os casos, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão no movimento browniano, com valor &amp;lt;math&amp;gt;D = \mu k_B T = \frac{k_B T}{6 \pi \eta a}&amp;lt;/math&amp;gt;, discutidos anteriormente na equação de Langevin.&lt;br /&gt;
&lt;br /&gt;
Esta distribuição pode ainda depender de um conjunto de &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; macrovariáveis &amp;lt;math&amp;gt;x_i&amp;lt;/math&amp;gt;, de tal maneira que o movimento browniano em questão pode ser representado por uma equação de Fokker-Planck da forma:&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial P(x,t)}{\partial t} = - \left[\sum_{i=1}^{N} \frac{\partial}{\partial x_{i}} D_{i}^{1} (x_{1},...,x_{N}) + \sum_{i=1}^{N} \sum_{j=1}^{N} \frac{\partial^2}{\partial x_{i} \partial x_{j}} D_{ij}^{2} (x_{i},...,x_{N})\right]P,&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;D^1&amp;lt;/math&amp;gt; é o termo que é dado por um vetor e &amp;lt;math&amp;gt;D^2&amp;lt;/math&amp;gt; é o termo de difusão, dado por uma matriz.&lt;br /&gt;
&lt;br /&gt;
== Exemplos: acelerador de partículas ==&lt;br /&gt;
&lt;br /&gt;
O exemplo e explicações trazidas nessa seção foram retirados do artigo na referência. &amp;lt;ref&amp;gt;M.P. Zorzano, H. Mais, L. Vazquez, Numerical solution of two dimensional Fokker—Planck equations, Applied Mathematics and Computation, 1999, https://doi.org/10.1016/S0096-3003(97)10161-8.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Uma aplicação amplamente utilizada para a equação de Fokker-Planck como uma Equação Diferencial Estocástica (&#039;&#039;Stochastic Differential Equations&#039;&#039;, SDE) é para a modelagem da dinâmica de partículas únicas em aceleradores sob influência de ruído. As fontes de ruído são, por exemplo, campos aleatórios, movimento aleatório do solo ou flutuações quânticas da radiação.&lt;br /&gt;
&lt;br /&gt;
A partir do cálculo de probabilidade fornecido pela equação de Fokker-Planck, algumas propriedades físicas de interesse são: qual é o comportamento de longo prazo da dinâmica; qual a probabilidade da partícula colidir com a câmara de vácuo e então ser perdida; quais são as flutuações médias da partícula em torno da trajetória do acelerador; e qual é a evolução temporal da densidade de probabilidade?&lt;br /&gt;
&lt;br /&gt;
Para responder essas perguntas, apenas alguns casos mais específicos possuem soluções analíticas, especialmente em problemas com maior dimensionalidade. Por esse motivo, é interessante e prático estudar a equação de Fokker-Planck e os problemas relacionados a partir de métodos numéricos.&lt;br /&gt;
&lt;br /&gt;
Para esse fim, serão abordados dois exemplos: o oscilador harmônico amortecido, o qual possuí solução analítica e poderá ser usado como comparação para verificar a acurácia do método; e o problema de Duffing, oscilador não linear, com amortecimento e ruído multiplicativo e aditivo, que não apresenta solução exata.&lt;br /&gt;
&lt;br /&gt;
=== Equações ===&lt;br /&gt;
&lt;br /&gt;
As equações diferenciais típicas encontradas na física do acelerador de partícula são&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -a_1(x) - a_2(x,v) + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; é o ruído branco gaussiano e &amp;lt;math&amp;gt;\sigma&amp;lt;/math&amp;gt; é uma constante.&lt;br /&gt;
&lt;br /&gt;
Para o caso do oscilador harmônico amortecido e com ruído, temos&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -Kx - \gamma v + \sqrt{2\sigma}R(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\gamma&amp;lt;/math&amp;gt; também são constantes.&lt;br /&gt;
&lt;br /&gt;
Já para o oscilador estocástico de Duffing, não-linear, com amortecimento, ruído multiplicativo e aditivo temos&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\begin{cases}&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
\\&lt;br /&gt;
\dot{v} = -\omega^2 \left[ \left( \alpha + \sqrt{2D_{11}}R_1(t) \right) x + \epsilon x^3 \right] - 2\tau \omega \dot{x} + \sqrt{2D_{22}}R_2(t),&lt;br /&gt;
\end{cases}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\omega&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\alpha&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\epsilon&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D_{11}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;D_{22}&amp;lt;/math&amp;gt; são constantes dadas.&lt;br /&gt;
&lt;br /&gt;
Escrevendo esses exemplos em termos da equação de Fokker-Planck obtemos&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o primeiro caso e&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} [(a_1(x) + a_2(x,v))\rho] + \frac{1}{2}\frac{\partial^2}{\partial v^2}(2D\rho)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
:&amp;lt;math&amp;gt;&lt;br /&gt;
a_1(x) =\omega^2x(\alpha+\epsilon x^2), \quad a_2(x,v) = 2\tau\omega v, \quad D=D_{11}\omega^4x^2+D_{22}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o segundo exemplo.&lt;br /&gt;
&lt;br /&gt;
=== Método FTCS explícito ===&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
=== Aplicação ===&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Código desenvolvido ==&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Referências ==&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6948</id>
		<title>Equação de Fokker-Planck</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6948"/>
		<updated>2022-03-03T11:40:47Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: /* Equação de Langevin */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&#039;&#039;&#039;Grupo: Álison Soares, Rodrigo Avancini Lara e Samuel Huff Dieterich&#039;&#039;&#039;&lt;br /&gt;
&lt;br /&gt;
A equação de Fokker-Planck foi aplicada em primeiro modo em problemas relacionados ao movimento Browniano, como veremos à seguir. Nesse caso, lidando com flutuações originadas de vários pequenos distúrbios, as partículas de interesse se chocavam com as moléculas do meio, provocando uma trajetória imprevisível. Por conta dessas flutuações, é impossível determinar a posição exata dessas partículas. Porém, é possível determinar a probabilidade de encontrá-las em determinada região.&lt;br /&gt;
&lt;br /&gt;
Esta equação pode ser obtida a partir da equação de Langevin e fornece a probabilidade de encontrar determinada partícula em uma posição &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; em certo instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Além disso, no presente trabalho temos como objetivo estudar as soluções analítica e numérica da equação para um dado exemplo, através do método FTCS explícito.&lt;br /&gt;
&lt;br /&gt;
= Introdução =&lt;br /&gt;
&lt;br /&gt;
== Movimento browniano ==&lt;br /&gt;
&lt;br /&gt;
O movimento browniano foi descoberto pelo botanista Robert Brown, em 1827. Durante seu estudo sobre vida microscópica, ele percebeu pequenas partículas de pólen de plantas se movendo de maneira aleatória no líquido que ele estava estudando e, notando que se tratava de partículas de sujeira, e não seres vivos, chegou a conclusão que era um fenômeno físico, e não biológico, que causava este movimento. &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Posteriormente, foi provado que este fenômeno se dava pelos efeitos do movimento molecular. Em um meio com uma temperatura qualquer &amp;lt;math&amp;gt; &amp;gt;0K &amp;lt;/math&amp;gt;, há vibração e movimento molecular. Embora haja conservacão de energia, quando a partícula interage com as moléculas do meio, a energia cinética desta partícula se altera (assim como a das moléculas). Contudo, a soma destas energias é a energia interna do fluido, como descreve o Teorema da Equiparação. &amp;lt;ref name=&amp;gt;The Equipartition Theorem, University of Oxford. URL: http://vallance.chem.ox.ac.uk/pdfs/Equipartition.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Em 1905, Albert Einstein propôs uma teoria para descrever tal movimento matematicamente. Primeiramente, ele se propôs a descrever o quão longe uma partícula browniana se desloca em um determinado intervalo de tempo. Como a partícula está sujeita a &amp;lt;math&amp;gt;10^{14}&amp;lt;/math&amp;gt; colisões por segundo (provindas das moléculas do meio), a mecânica clássica é incapaz de resolver este sistema &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Stachel, J., et al.; The Collected Papers of Albert Einstein, 1989, Princeton University Press. URL: http://users.physik.fu-berlin.de/~kleinert/files/eins_brownian.pdf.&amp;lt;/ref&amp;gt;.  Para resolver este problema, ele abordou o problema pela ótica da mecânica estatística. &lt;br /&gt;
&lt;br /&gt;
Inicialmente, ele considerou o incremento da posição da partícula num espaço unidimensional (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;), num determinado intervalo de tempo (&amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;). Considerando que existe uma probabilidade aleatória da partícula se mover dentro do intervalo &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, ele definiu uma função para a densidade de probabilidade (&amp;lt;math&amp;gt;\varphi(\Delta x)&amp;lt;/math&amp;gt;). Sabendo que o número de partículas é constante dentro do meio, ele expandiu a densidade (&amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt;) deste em uma série de Taylor:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \tau \left(\frac{\partial \rho(x,t)}{\partial t}\right) + \dots = \rho(x, t+\tau)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
=\int_{-\infty}^{+\infty} \rho(x+\Delta x, t) \cdot \varphi(\Delta x) d\Delta x &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
que é, por definição, &amp;lt;math&amp;gt;\varphi&amp;lt;/math&amp;gt;. Continuando, &lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
=\rho(x,t) \cdot \int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x + \frac{\partial \rho}{\partial x} \cdot \int_{-\infty}^{+\infty} \Delta x \cdot \varphi(\Delta x) d \Delta x + \frac{\partial^2\rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \dots.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Pela definição da probabilidade,&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x=1&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
e as integrais dos termos pares da série são nulos devido à simetria do espaço. &lt;br /&gt;
&lt;br /&gt;
Temos então,&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x, t+\tau)=\rho(x,t) \cdot 1 + 0 + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
= \rho(x,t) + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Esta equação nos leva à igualdade&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} =  \frac{\partial^2\rho}{\partial x^2} \cdot \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \mathcal{O}.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Podemos interpretar a integral como o coeficiente de difusão &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
D = \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O que nos dá a equação da difusão&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} = D \frac{\partial^2\rho}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Equação de Langevin ==&lt;br /&gt;
&lt;br /&gt;
Em 1908, 3 anos após os estudos de Albert Einstein em processos aleatórios e movimento aleatório, Paul Langevin (1872-1946) apresentou um novo método para o movimento browniano que - segundo Langevin - era &amp;quot;infinitamente mais simples&amp;quot; que a solução proposta por Einstein. &amp;lt;ref name=Langevin_original&amp;gt;P. Langevin, &amp;quot;Sur la théorie de mouvement Brownien&amp;quot; C.R. Acad. Sci. Paris , 146 (1908) pp. 530–533, https://www.physik.uni-augsburg.de/theo1/hanggi/History/Langevin1908.pdf.&amp;lt;/ref&amp;gt;&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;&lt;br /&gt;
Para interpretar o movimento browniano, Einstein derivou e resolveu uma equação diferencial parcial descrevendo a evolução temporal da densidade de probabilidade para a partícula. Já Langevin aplicou a segunda lei de Newton na forma diferencial para essa partícula.&lt;br /&gt;
&lt;br /&gt;
Para uma partícula browniana de massa &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; em um líquido com viscosidade &amp;lt;math&amp;gt;\eta&amp;lt;/math&amp;gt;, existem duas forças que agem sobre o seu movimento&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
1. Arrasto pela viscosidade.&lt;br /&gt;
2. Força de flutuação.&lt;br /&gt;
&lt;br /&gt;
Considerando que a partícula é relativamente grande em comparação com as distâncias médias entre as moléculas do líquido e esta se movimento nesse meio com velocidade &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt;, experimenta uma resistência pela viscosidade. Essa força é descrita pela Lei de Stokes que, para uma partícula esférica com diâmetro &amp;lt;math&amp;gt;a&amp;lt;/math&amp;gt;, corresponde a &amp;lt;math&amp;gt;-6\pi\eta a \ dx/dt&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
A segunda força foi proposta por Langevin para descrever o efeito de constantes impactos das moléculas do líquido sobre as partículas de estudo. Assim, como essa força possui uma origem aleatório, esta deveria ser positiva ou negativa de maneira equiprovável e cuja magnitude fosse suficiente para manter a agitação da partícula. Caso contrário, a viscosidade iria parar o movimento dessa partícula.&lt;br /&gt;
&lt;br /&gt;
Com isso, a equação que descreve o movimento a partir da posição da partícula - em 1D na direção &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; - é dado pela Lei de Newton como:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin representando as flutuações de pressão devido ao movimento térmico das moléculas que compõem o líquido. &amp;lt;ref&amp;gt;Langevin equation. Encyclopedia of Mathematics. URL: http://encyclopediaofmath.org/index.php?title=Langevin_equation&amp;amp;oldid=47575.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Essa equação é conhecida como a equação de Langevin e foi o primeiro exemplo de equação diferencial estocástica, isto é, uma equação diferencial com um termo, &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; nesse caso, cuja solução em algum sentido também é uma função aleatória &amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;:. Essa função foi desenvolvida para possuir as seguintes propriedades:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\langle R(t) \rangle = 0&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\langle R(t) R(t&#039;) \rangle = D \cdot \delta(t-t&#039;)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\langle f \rangle&amp;lt;/math&amp;gt; descreve o valor médio ou esperado de uma função &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão e &amp;lt;math&amp;gt;\delta&amp;lt;/math&amp;gt; é a função delta.&lt;br /&gt;
&lt;br /&gt;
A primeira propriedade afirma que o movimento é aleatório de forma que não existe nenhuma tendência de sentido para a partícula se locomover. Assim, é dito que &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; se trata de um ruído branco gaussiano. Já a segunda propriedade mostra que a força em um dado tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; é descorrelacionada de uma força para qualquer outro tempo &amp;lt;math&amp;gt;t&#039;&amp;lt;/math&amp;gt; (propriedade de Markov). &amp;lt;ref&amp;gt;Wikipédia: Langevin equation. URL: https://en.wikipedia.org/wiki/Langevin_equation.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Dedução da equação de Fokker-Planck ==&lt;br /&gt;
&lt;br /&gt;
Como vimos anteriormente, o movimento browniano pode ser descrito pela equação de Langevin, a qual podemos resolver sem nenhum problema. Contudo, alternativamente, podemos fazer uso da equação de Fokker-Planck e considerar uma densidade de probabilidade em relação a posição e o tempo, levando em conta diferentes perturbações estocásticas. Para isso, iremos agora deduzir essa equação, a partir da analise de Langevin.&lt;br /&gt;
&lt;br /&gt;
A descrição do movimento browniano foi anteriormente tratada em termos da equação&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin.&lt;br /&gt;
&lt;br /&gt;
Para o nosso propósito, realizaremos uma abordagem mais direta e geral, assumindo a equação de Langevin através de um potencial &amp;lt;math&amp;gt;U(x)&amp;lt;/math&amp;gt;, nos deixando com a seguinte expressão:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{dx}{dt} = -\mu \frac{dU}{dx} + \eta(t),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\mu=\frac{1}{6\pi\eta a}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\eta(t) = \mu R(t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Contudo, para entender as equações diferenciais estocásticas, precisamos discretizar as equações para posteriormente aplicar os métodos numéricos. Temos que o sistema de discretização mais simples possível nos leva ao valor de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt; a partir da interação&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) - \mu\frac{dU}{dx}\varepsilon + \eta_\varepsilon(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A tarefa é compreender como o agora ruído gaussiano &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; afeta esse sistema discretizado. Para isso, escreveremos a evolução temporal da distribuição de probabilidade &amp;lt;math&amp;gt;P(x,t)&amp;lt;/math&amp;gt; definida como a probabilidade da partícula estar em &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Então, deve-se olhar para o limite &amp;lt;math&amp;gt;t \rightarrow \infty&amp;lt;/math&amp;gt; de &amp;lt;math&amp;gt;P(x,t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
Vamos realizar a tarefa com a equação discretizada de Langevin comentada acima. Por razões de simplificação, discutiremos essa abordagem com a forma &lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) + v(x) \varepsilon + \eta_{\varepsilon}(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;v(x) \equiv −\mu \frac{dU}{dx}&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
A equação da probabilidade &amp;lt;math&amp;gt;P(x,t)&amp;lt;/math&amp;gt; pode ser derivada usando a equação de Chapman-Kolmogorov, a qual também iremos escrever em uma forma discretizada no tempo, da forma&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
P(x,t + \varepsilon) = \int_{-\infty}^{+\infty} W(x,y;\varepsilon) P(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é a probabilidade de que a partícula se mova para &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt;, desde que tenha começado em &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Lembrando que: para que a condição acima mova a partícula de &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; a &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, o termo de ruído deve ter apenas o valor correspondente que satisfaz a equação&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
x = y + v(y) \varepsilon + \eta_{\varepsilon}(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A probabilidade de &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; acima é dada a partir da distribuição de probabilidade do incremento estocástico &amp;lt;math&amp;gt;\eta{\varepsilon}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
P_{G} (\eta \varepsilon) = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{-\eta_\varepsilon^2}{4D\varepsilon}}\right),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Assim &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é obtido como&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
W(x,y; \varepsilon) = P_{G} (\eta_{\varepsilon} = x − y − v(y)\varepsilon)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
= \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{−[x−y−v(y)\varepsilon]^2}{4Dε}}\right).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Substituindo o &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; acima na equação de Chapman-Kolmogorov discretizada e expandindo o lado esquerdo para &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, temos&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
P(x,t) + \partial_{t}P(x,t) \varepsilon = \int_{-\infty}^{+\infty} \frac{\exp\left(\frac{-[x-y-v(y) \varepsilon]^2}{4D\varepsilon}\right)}{\sqrt{4\pi D \varepsilon}} P(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Como último passo agora, vamos expandir a integral do lado direito para ordenar &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;. Notamos que quando &amp;lt;math&amp;gt;\varepsilon \rightarrow 0&amp;lt;/math&amp;gt;, a Gaussiana vai para uma função delta e a integral resulta em &amp;lt;math&amp;gt;P(x,t)&amp;lt;/math&amp;gt; que irá se cancelar com &amp;lt;math&amp;gt;P(x,t)&amp;lt;/math&amp;gt; no lado esquerdo. Ao final, quando reorganizamos os termos, temos a seguinte equação denominada de Equação de Fokker-Planck&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial P(x,t)}{\partial t} = - \frac{\partial v(x) P(x,t)}{\partial x} + D \frac{\partial^2 P(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
ou, se substituirmos &amp;lt;math&amp;gt;v(x)&amp;lt;/math&amp;gt; pelo potencial &amp;lt;math&amp;gt;v(x) = −\mu \partial U(x)/\partial x&amp;lt;/math&amp;gt;, temos que&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial P(x,t)}{\partial t} = \frac{\partial}{\partial x} \frac{\partial U}{\partial x} P(x,t) + D \frac{\partial^2 P(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde, em ambos os casos, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão no movimento browniano, com valor &amp;lt;math&amp;gt;D = \mu k_B T = \frac{k_B T}{6 \pi \eta a}&amp;lt;/math&amp;gt;, discutidos anteriormente na equação de Langevin.&lt;br /&gt;
&lt;br /&gt;
Esta distribuição pode ainda depender de um conjunto de &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; macrovariáveis &amp;lt;math&amp;gt;x_i&amp;lt;/math&amp;gt;, de tal maneira que o movimento browniano em questão pode ser representado por uma equação de Fokker-Planck da forma:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial P(x,t)}{\partial t} = - \left[\sum_{i=1}^{N} \frac{\partial}{\partial x_{i}} D_{i}^{1} (x_{1},...,x_{N}) + \sum_{i=1}^{N} \sum_{j=1}^{N} \frac{\partial^2}{\partial x_{i} \partial x_{j}} D_{ij}^{2} (x_{i},...,x_{N})\right]P,&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;D^1&amp;lt;/math&amp;gt; é o termo que é dado por um vetor e &amp;lt;math&amp;gt;D^2&amp;lt;/math&amp;gt; é o termo de difusão, dado por uma matriz.&lt;br /&gt;
&lt;br /&gt;
= Exemplos: acelerador de partículas =&lt;br /&gt;
&lt;br /&gt;
O exemplo e explicações trazidas nessa seção foram retirados do artigo na referência. &amp;lt;ref&amp;gt;M.P. Zorzano, H. Mais, L. Vazquez, Numerical solution of two dimensional Fokker—Planck equations, Applied Mathematics and Computation, 1999, https://doi.org/10.1016/S0096-3003(97)10161-8.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Uma aplicação amplamente utilizada para a equação de Fokker-Planck como uma Equação Diferencial Estocástica (&#039;&#039;Stochastic Differential Equations&#039;&#039;, SDE) é para a modelagem da dinâmica de partículas únicas em aceleradores sob influência de ruído. As fontes de ruído são, por exemplo, campos aleatórios, movimento aleatório do solo ou flutuações quânticas da radiação.&lt;br /&gt;
&lt;br /&gt;
A partir do cálculo de probabilidade fornecido pela equação de Fokker-Planck, algumas propriedades físicas de interesse são: qual é o comportamento de longo prazo da dinâmica; qual a probabilidade da partícula colidir com a câmara de vácuo e então ser perdida; quais são as flutuações médias da partícula em torno da trajetória do acelerador; e qual é a evolução temporal da densidade de probabilidade?&lt;br /&gt;
&lt;br /&gt;
Para responder essas perguntas, apenas alguns casos mais específicos possuem soluções analíticas, especialmente em problemas com maior dimensionalidade. Por esse motivo, é interessante e prático estudar a equação de Fokker-Planck e os problemas relacionados a partir de métodos numéricos.&lt;br /&gt;
&lt;br /&gt;
Para esse fim, serão abordados dois exemplos: o oscilador harmônico amortecido, o qual possuí solução analítica e poderá ser usado como comparação para verificar a acurácia do método; e o problema de Duffing, oscilador não linear, com amortecimento e ruído multiplicativo e aditivo, que não apresenta solução exata.&lt;br /&gt;
&lt;br /&gt;
== Equações ==&lt;br /&gt;
&lt;br /&gt;
As equações diferenciais típicas encontradas na física do acelerador de partícula são&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\dot{v} = -a_1(x) - a_2(x,v) + \sqrt{2\sigma}R(t),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; é o ruído branco gaussiano e &amp;lt;math&amp;gt;\sigma&amp;lt;/math&amp;gt; é uma constante.&lt;br /&gt;
&lt;br /&gt;
Para o caso do oscilador harmônico amortecido e com ruído, temos&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\dot{v} = -Kx - \gamma v + \sqrt{2\sigma}R(t),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\gamma&amp;lt;/math&amp;gt; também são constantes.&lt;br /&gt;
&lt;br /&gt;
Já para o oscilador estocástico de Duffing, não-linear, com amortecimento, ruído multiplicativo e aditivo temos&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\dot{v} = -\omega^2 \left[ \left( \alpha + \sqrt{2D_{11}}R_1(t) \right) x + \epsilon x^3 \right] - 2\tau \omega \dot{x} + \sqrt{2D_{22}}R_2(t),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\omega&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\alpha&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\epsilon&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D_{11}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;D_{22}&amp;lt;/math&amp;gt; são constantes dadas.&lt;br /&gt;
&lt;br /&gt;
Escrevendo esses exemplos em termos da equação de Fokker-Planck obtemos&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o primeiro caso e&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} [(a_1(x) + a_2(x,v))\rho] + \frac{1}{2}\frac{\partial^2}{\partial v^2}(2D\rho)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
a_1(x) =\omega^2x(x+\epsilon x^2), \quad a_2(x,v) = 2\tau\omega v, \quad D=D_{11}\omega^4x^2+D_{22}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o segundo exemplo.&lt;br /&gt;
&lt;br /&gt;
== Método FTCS explícito ==&lt;br /&gt;
&lt;br /&gt;
== Estabilidade ==&lt;br /&gt;
&lt;br /&gt;
== Aplicação ==&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
= Código desenvolvido = &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
= Referências =&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6942</id>
		<title>Equação de Fokker-Planck</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6942"/>
		<updated>2022-03-01T23:57:29Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&#039;&#039;&#039;Grupo: Álison Soares, Rodrigo Avancini Lara e Samuel Huff Dieterich&#039;&#039;&#039;&lt;br /&gt;
&lt;br /&gt;
A equação de Fokker-Planck foi aplicada em primeiro modo em problemas relacionados ao movimento Browniano, como veremos à seguir. Nesse caso, lidando com flutuações originadas de vários pequenos distúrbios, as partículas de interesse se chocavam com as moléculas do meio, provocando uma trajetória imprevisível. Por conta dessas flutuações, é impossível determinar a posição exata dessas partículas. Porém, é possível determinar a probabilidade de encontrá-las em determinada região.&lt;br /&gt;
&lt;br /&gt;
Esta equação pode ser obtida a partir da equação de Langevin e fornece a probabilidade de encontrar determinada partícula em uma posição &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; em certo instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Além disso, no presente trabalho temos como objetivo estudar as soluções analítica e numérica da equação para um dado exemplo, através do método FTCS explícito.&lt;br /&gt;
&lt;br /&gt;
= Introdução =&lt;br /&gt;
&lt;br /&gt;
== Movimento browniano ==&lt;br /&gt;
&lt;br /&gt;
O movimento browniano foi descoberto pelo botanista Robert Brown, em 1827. Durante seu estudo sobre vida microscópica, ele percebeu pequenas partículas de pólen de plantas se movendo de maneira aleatória no líquido que ele estava estudando e, notando que se tratava de partículas de sujeira, e não seres vivos, chegou a conclusão que era um fenômeno físico, e não biológico, que causava este movimento. &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Posteriormente, foi provado que este fenômeno se dava pelos efeitos do movimento molecular. Em um meio com uma temperatura qualquer &amp;lt;math&amp;gt; &amp;gt;0K &amp;lt;/math&amp;gt;, há vibração e movimento molecular. Embora haja conservacão de energia, quando a partícula interage com as moléculas do meio, a energia cinética desta partícula se altera (assim como a das moléculas). Contudo, a soma destas energias é a energia interna do fluido, como descreve o Teorema da Equiparação. &amp;lt;ref name=&amp;gt;The Equipartition Theorem, University of Oxford. URL: http://vallance.chem.ox.ac.uk/pdfs/Equipartition.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Em 1905, Albert Einstein propôs uma teoria para descrever tal movimento matematicamente. Primeiramente, ele se propôs a descrever o quão longe uma partícula browniana se desloca em um determinado intervalo de tempo. Como a partícula está sujeita a &amp;lt;math&amp;gt;10^{14}&amp;lt;/math&amp;gt; colisões por segundo (provindas das moléculas do meio), a mecânica clássica é incapaz de resolver este sistema &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Stachel, J., et al.; The Collected Papers of Albert Einstein, 1989, Princeton University Press. URL: http://users.physik.fu-berlin.de/~kleinert/files/eins_brownian.pdf.&amp;lt;/ref&amp;gt;.  Para resolver este problema, ele abordou o problema pela ótica da mecânica estatística. &lt;br /&gt;
&lt;br /&gt;
Inicialmente, ele considerou o incremento da posição da partícula num espaço unidimensional (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;), num determinado intervalo de tempo (&amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;). Considerando que existe uma probabilidade aleatória da partícula se mover dentro do intervalo &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, ele definiu uma função para a densidade de probabilidade (&amp;lt;math&amp;gt;\varphi(\Delta x)&amp;lt;/math&amp;gt;). Sabendo que o número de partículas é constante dentro do meio, ele expandiu a densidade (&amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt;) deste em uma série de Taylor:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \tau \left(\frac{\partial \rho(x,t)}{\partial t}\right) + \dots = \rho(x, t+\tau)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
=\int_{-\infty}^{+\infty} \rho(x+\Delta x, t) \cdot \varphi(\Delta x) d\Delta x &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
que é, por definição, &amp;lt;math&amp;gt;\varphi&amp;lt;/math&amp;gt;. Continuando, &lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
=\rho(x,t) \cdot \int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x + \frac{\partial \rho}{\partial x} \cdot \int_{-\infty}^{+\infty} \Delta x \cdot \varphi(\Delta x) d \Delta x + \frac{\partial^2\rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \dots.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Pela definição da probabilidade,&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x=1&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
e as integrais dos termos pares da série são nulos devido à simetria do espaço. &lt;br /&gt;
&lt;br /&gt;
Temos então,&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x, t+\tau)=\rho(x,t) \cdot 1 + 0 + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
= \rho(x,t) + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Esta equação nos leva à igualdade&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} =  \frac{\partial^2\rho}{\partial x^2} \cdot \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \mathcal{O}.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Podemos interpretar a integral como o coeficiente de difusão &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
D = \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O que nos dá a equação da difusão&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} = D \frac{\partial^2\rho}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Equação de Langevin ==&lt;br /&gt;
&lt;br /&gt;
Em 1908, 3 anos após os estudos de Albert Einstein em processos aleatórios e movimento aleatório, Paul Langevin (1872-1946) apresentou um novo método para o movimento browniano que - segundo Langevin - era &amp;quot;infinitamente mais simples&amp;quot; que a solução proposta por Einstein. &amp;lt;ref name=Langevin_original&amp;gt;P. Langevin, &amp;quot;Sur la théorie de mouvement Brownien&amp;quot; C.R. Acad. Sci. Paris , 146 (1908) pp. 530–533, https://www.physik.uni-augsburg.de/theo1/hanggi/History/Langevin1908.pdf.&amp;lt;/ref&amp;gt;&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;&lt;br /&gt;
Para interpretar o movimento browniano, Einstein derivou e resolveu uma equação diferencial parcial descrevendo a evolução temporal da densidade de probabilidade para a partícula. Já Langevin aplicou a segunda lei de Newton na forma diferencial para essa partícula.&lt;br /&gt;
&lt;br /&gt;
Para uma partícula browniana de massa &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; em um líquido com viscosidade &amp;lt;math&amp;gt;\eta&amp;lt;/math&amp;gt;, existem duas forças que agem sobre o seu movimento&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
1. Arrasto pela viscosidade.&lt;br /&gt;
2. Força de flutuação.&lt;br /&gt;
&lt;br /&gt;
Considerando que a partícula é relativamente grande em comparação com as distâncias médias entre as moléculas do líquido e esta se movimento nesse meio com velocidade &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt;, experimenta uma resistência pela viscosidade. Essa força é descrita pela Lei de Stokes que, para uma partícula esférica com diâmetro &amp;lt;math&amp;gt;a&amp;lt;/math&amp;gt;, corresponde a &amp;lt;math&amp;gt;-6\pi\eta a \ dx/dt&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
A segunda força foi proposta por Langevin para descrever o efeito de constantes impactos das moléculas do líquido sobre as partículas de estudo. Assim, como essa força possui uma origem aleatório, esta deveria ser positiva ou negativa de maneira equiprovável e cuja magnitude fosse suficiente para manter a agitação da partícula. Caso contrário, a viscosidade iria parar o movimento dessa partícula.&lt;br /&gt;
&lt;br /&gt;
Com isso, a equação que descreve o movimento a partir da posição da partícula - em 1D na direção &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; - é dado pela Lei de Newton como:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin representando as flutuações de pressão devido ao movimento térmico das moléculas que compõem o líquido. &amp;lt;ref&amp;gt;Langevin equation. Encyclopedia of Mathematics. URL: http://encyclopediaofmath.org/index.php?title=Langevin_equation&amp;amp;oldid=47575.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Essa equação é conhecida como a equação de Langevin e foi o primeiro exemplo de equação diferencial estocástica, isto é, uma equação diferencial com um termo, &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; nesse caso, cuja solução em algum sentido também é uma função aleatória &amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;:. Essa função foi desenvolvida para possuir as seguintes propriedades:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\langle R(t) \rangle = 0&lt;br /&gt;
&amp;lt;br&amp;gt;&lt;br /&gt;
\langle R(t) R(t&#039;) \rangle = D \cdot \delta(t-t&#039;)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\langle f \rangle&amp;lt;/math&amp;gt; descreve o valor médio ou esperado de uma função &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão e &amp;lt;math&amp;gt;\delta&amp;lt;/math&amp;gt; é a função delta.&lt;br /&gt;
&lt;br /&gt;
A primeira propriedade afirma que o movimento é aleatório de forma que não existe nenhuma tendência de sentido para a partícula se locomover. Assim, é dito que &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; se trata de um ruído branco gaussiano. Já a segunda propriedade mostra que a força em um dado tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; é descorrelacionada de uma força para qualquer outro tempo &amp;lt;math&amp;gt;t&#039;&amp;lt;/math&amp;gt; (propriedade de Markov). &amp;lt;ref&amp;gt;Wikipédia: Langevin equation. URL: https://en.wikipedia.org/wiki/Langevin_equation.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Dedução da equação de Fokker-Planck ==&lt;br /&gt;
&lt;br /&gt;
Como vimos anteriormente, o movimento browniano pode ser descrito pela equação de Langevin, a qual podemos resolver sem nenhum problema. Contudo, alternativamente, podemos fazer uso da equação de Fokker-Planck e considerar uma densidade de probabilidade em relação a posição e o tempo, levando em conta diferentes perturbações estocásticas. Para isso, iremos agora deduzir essa equação, a partir da analise de Langevin.&lt;br /&gt;
&lt;br /&gt;
A descrição do movimento browniano foi anteriormente tratada em termos da equação&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin.&lt;br /&gt;
&lt;br /&gt;
Para o nosso propósito, realizaremos uma abordagem mais direta e geral, assumindo a equação de Langevin através de um potencial &amp;lt;math&amp;gt;U(x)&amp;lt;/math&amp;gt;, nos deixando com a seguinte expressão:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{dx}{dt} = -\mu \frac{dU}{dx} + \eta(t),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\mu=\frac{1}{6\pi\eta a}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\eta(t) = \mu R(t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Contudo, para entender as equações diferenciais estocásticas, precisamos discretizar as equações para posteriormente aplicar os métodos numéricos. Temos que o sistema de discretização mais simples possível nos leva ao valor de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt; a partir da interação&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) - \mu\frac{dU}{dx}\varepsilon + \eta_\varepsilon(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A tarefa é compreender como o agora ruído gaussiano &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; afeta esse sistema discretizado. Para isso, escreveremos a evolução temporal da distribuição de probabilidade &amp;lt;math&amp;gt;P(x,t)&amp;lt;/math&amp;gt; definida como a probabilidade da partícula estar em &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Então, deve-se olhar para o limite &amp;lt;math&amp;gt;t \rightarrow \infty&amp;lt;/math&amp;gt; de &amp;lt;math&amp;gt;P(x,t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
Vamos realizar a tarefa com a equação discretizada de Langevin comentada acima. Por razões de simplificação, discutiremos essa abordagem com a forma &lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) + v(x) \varepsilon + \eta_{\varepsilon}(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;v(x) \equiv −\mu \frac{dU}{dx}&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
A equação da probabilidade &amp;lt;math&amp;gt;P(x,t)&amp;lt;/math&amp;gt; pode ser derivada usando a equação de Chapman-Kolmogorov, a qual também iremos escrever em uma forma discretizada no tempo, da forma&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
P(x,t + \varepsilon) = \int_{-\infty}^{+\infty} W(x,y;\varepsilon) P(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é a probabilidade de que a partícula se mova para &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt;, desde que tenha começado em &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Lembrando que: para que a condição acima mova a partícula de &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; a &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, o termo de ruído deve ter apenas o valor correspondente que satisfaz a equação&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
x = y + v(y) \varepsilon + \eta_{\varepsilon}(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A probabilidade de &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; acima é dada a partir da distribuição de probabilidade do incremento estocástico &amp;lt;math&amp;gt;\eta{\varepsilon}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
P_{G} (\eta \varepsilon) = \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{-\eta_\varepsilon^2}{4D\varepsilon}}\right),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Assim &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é obtido como&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
W(x,y; \varepsilon) = P_{G} (\eta_{\varepsilon} = x − y − v(y)\varepsilon)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
= \frac{1}{\sqrt{4\pi D\varepsilon}} \exp\left({\frac{−[x−y−v(y)\varepsilon]^2}{4Dε}}\right).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Substituindo o &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; acima na equação de Chapman-Kolmogorov discretizada e expandindo o lado esquerdo para &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, temos&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
P(x,t) + \partial_{t}P(x,t) \varepsilon = \int_{-\infty}^{+\infty} \frac{\exp\left(\frac{-[x-y-v(y) \varepsilon]^2}{4D\varepsilon}\right)}{\sqrt{4\pi D \varepsilon}} P(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Como último passo agora, vamos expandir a integral do lado direito para ordenar &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;. Notamos que quando &amp;lt;math&amp;gt;\varepsilon \rightarrow 0&amp;lt;/math&amp;gt;, a Gaussiana vai para uma função delta e a integral resulta em &amp;lt;math&amp;gt;P(x,t)&amp;lt;/math&amp;gt; que irá se cancelar com &amp;lt;math&amp;gt;P(x,t)&amp;lt;/math&amp;gt; no lado esquerdo. Ao final, quando reorganizamos os termos, temos a seguinte equação denominada de Equação de Fokker-Planck&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial P(x,t)}{\partial t} = - \frac{\partial v(x) P(x,t)}{\partial x} + D \frac{\partial^2 P(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
ou, se substituirmos &amp;lt;math&amp;gt;v(x)&amp;lt;/math&amp;gt; pelo potencial &amp;lt;math&amp;gt;v(x) = −\mu \partial U(x)/\partial x&amp;lt;/math&amp;gt;, temos que&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial P(x,t)}{\partial t} = \frac{\partial}{\partial x} \frac{\partial U}{\partial x} P(x,t) + D \frac{\partial^2 P(x,t)}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde, em ambos os casos, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão no movimento browniano, com valor &amp;lt;math&amp;gt;D = \mu k_B T = \frac{k_B T}{6 \pi \eta a}&amp;lt;/math&amp;gt;, discutidos anteriormente na equação de Langevin.&lt;br /&gt;
&lt;br /&gt;
Esta distribuição pode ainda depender de um conjunto de &amp;lt;math&amp;gt;N&amp;lt;/math&amp;gt; macrovariáveis &amp;lt;math&amp;gt;x_i&amp;lt;/math&amp;gt;, de tal maneira que o movimento browniano em questão pode ser representado por uma equação de Fokker-Planck da forma:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial P(x,t)}{\partial t} = - \left[\sum_{i=1}^{N} \frac{\partial}{\partial x_{i}} D_{i}^{1} (x_{1},...,x_{N}) + \sum_{i=1}^{N} \sum_{j=1}^{N} \frac{\partial^2}{\partial x_{i} \partial x_{j}} D_{ij}^{2} (x_{i},...,x_{N})\right]P,&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;D^1&amp;lt;/math&amp;gt; é o termo que é dado por um vetor e &amp;lt;math&amp;gt;D^2&amp;lt;/math&amp;gt; é o termo de difusão, dado por uma matriz.&lt;br /&gt;
&lt;br /&gt;
= Exemplos: acelerador de partículas =&lt;br /&gt;
&lt;br /&gt;
O exemplo e explicações trazidas nessa seção foram retirados do artigo na referência. &amp;lt;ref&amp;gt;M.P. Zorzano, H. Mais, L. Vazquez, Numerical solution of two dimensional Fokker—Planck equations, Applied Mathematics and Computation, 1999, https://doi.org/10.1016/S0096-3003(97)10161-8.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Uma aplicação amplamente utilizada para a equação de Fokker-Planck como uma Equação Diferencial Estocástica (&#039;&#039;Stochastic Differential Equations&#039;&#039;, SDE) é para a modelagem da dinâmica de partículas únicas em aceleradores sob influência de ruído. As fontes de ruído são, por exemplo, campos aleatórios, movimento aleatório do solo ou flutuações quânticas da radiação.&lt;br /&gt;
&lt;br /&gt;
A partir do cálculo de probabilidade fornecido pela equação de Fokker-Planck, algumas propriedades físicas de interesse são: qual é o comportamento de longo prazo da dinâmica; qual a probabilidade da partícula colidir com a câmara de vácuo e então ser perdida; quais são as flutuações médias da partícula em torno da trajetória do acelerador; e qual é a evolução temporal da densidade de probabilidade?&lt;br /&gt;
&lt;br /&gt;
Para responder essas perguntas, apenas alguns casos mais específicos possuem soluções analíticas, especialmente em problemas com maior dimensionalidade. Por esse motivo, é interessante e prático estudar a equação de Fokker-Planck e os problemas relacionados a partir de métodos numéricos.&lt;br /&gt;
&lt;br /&gt;
Para esse fim, serão abordados dois exemplos: o oscilador harmônico amortecido, o qual possuí solução analítica e poderá ser usado como comparação para verificar a acurácia do método; e o problema de Duffing, oscilador não linear, com amortecimento e ruído multiplicativo e aditivo, que não apresenta solução exata.&lt;br /&gt;
&lt;br /&gt;
== Equações ==&lt;br /&gt;
&lt;br /&gt;
As equações diferenciais típicas encontradas na física do acelerador de partícula são&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\dot{v} = -a_1(x) - a_2(x,v) + \sqrt{2\sigma}R(t),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; é o ruído branco gaussiano e &amp;lt;math&amp;gt;\sigma&amp;lt;/math&amp;gt; é uma constante.&lt;br /&gt;
&lt;br /&gt;
Para o caso do oscilador harmônico amortecido e com ruído, temos&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\dot{v} = -Kx - \gamma v + \sqrt{2\sigma}R(t),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\gamma&amp;lt;/math&amp;gt; também são constantes.&lt;br /&gt;
&lt;br /&gt;
Já para o oscilador estocástico de Duffing, não-linear, com amortecimento, ruído multiplicativo e aditivo temos&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\dot{x} = v,&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\dot{v} = -\omega^2 \left[ \left( \alpha + \sqrt{2D_{11}}R_1(t) \right) x + \epsilon x^3 \right] - 2\tau \omega \dot{x} + \sqrt{2D_{22}}R_2(t),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\omega&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\alpha&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\epsilon&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D_{11}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;D_{22}&amp;lt;/math&amp;gt; são constantes dadas.&lt;br /&gt;
&lt;br /&gt;
Escrevendo esses exemplos em termos da equação de Fokker-Planck obtemos&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} \left(\gamma v + Kx + \sigma \frac{\partial}{\partial v}\right)\rho&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o primeiro caso e&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial \rho}{\partial t} = -\frac{\partial v}{\partial x}\rho + \frac{\partial}{\partial v} [(a_1(x) + a_2(x,v))\rho] + \frac{1}{2}\frac{\partial^2}{\partial v^2}(2D\rho)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
a_1(x) =\omega^2x(x+\epsilon x^2), \quad a_2(x,v) = 2\tau\omega v, \quad D=D_{11}\omega^4x^2+D_{22}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
para o segundo exemplo.&lt;br /&gt;
&lt;br /&gt;
== Método FTCS explícito ==&lt;br /&gt;
&lt;br /&gt;
== Estabilidade ==&lt;br /&gt;
&lt;br /&gt;
== Aplicação ==&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
= Código desenvolvido = &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
= Referências =&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6941</id>
		<title>Equação de Fokker-Planck</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6941"/>
		<updated>2022-03-01T23:28:55Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&#039;&#039;&#039;Grupo: Álison Soares, Rodrigo Avancini Lara e Samuel Huff Dieterich&#039;&#039;&#039;&lt;br /&gt;
&lt;br /&gt;
A equação de Fokker-Planck foi aplicada em primeiro modo em problemas relacionados ao movimento Browniano, como veremos à seguir. Nesse caso, lidando com flutuações originadas de vários pequenos distúrbios, as partículas de interesse se chocavam com as moléculas do meio, provocando uma trajetória imprevisível. Por conta dessas flutuações, é impossível determinar a posição exata dessas partículas. Porém, é possível determinar a probabilidade de encontrá-las em determinada região.&lt;br /&gt;
&lt;br /&gt;
Esta equação pode ser obtida a partir da equação de Langevin e fornece a probabilidade de encontrar determinada partícula em uma posição &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; em certo instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Além disso, no presente trabalho temos como objetivo estudar as soluções analítica e numérica da equação para um dado exemplo, através do método FTCS explícito.&lt;br /&gt;
&lt;br /&gt;
= Introdução =&lt;br /&gt;
&lt;br /&gt;
== Movimento browniano ==&lt;br /&gt;
&lt;br /&gt;
O movimento browniano foi descoberto pelo botanista Robert Brown, em 1827. Durante seu estudo sobre vida microscópica, ele percebeu pequenas partículas de pólen de plantas se movendo de maneira aleatória no líquido que ele estava estudando e, notando que se tratava de partículas de sujeira, e não seres vivos, chegou a conclusão que era um fenômeno físico, e não biológico, que causava este movimento. &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Posteriormente, foi provado que este fenômeno se dava pelos efeitos do movimento molecular. Em um meio com uma temperatura qualquer &amp;lt;math&amp;gt; &amp;gt;0K &amp;lt;/math&amp;gt;, há vibração e movimento molecular. Embora haja conservacão de energia, quando a partícula interage com as moléculas do meio, a energia cinética desta partícula se altera (assim como a das moléculas). Contudo, a soma destas energias é a energia interna do fluido, como descreve o Teorema da Equiparação. &amp;lt;ref name=&amp;gt;The Equipartition Theorem, University of Oxford. URL: http://vallance.chem.ox.ac.uk/pdfs/Equipartition.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Em 1905, Albert Einstein propôs uma teoria para descrever tal movimento matematicamente. Primeiramente, ele se propôs a descrever o quão longe uma partícula browniana se desloca em um determinado intervalo de tempo. Como a partícula está sujeita a &amp;lt;math&amp;gt;10^{14}&amp;lt;/math&amp;gt; colisões por segundo (provindas das moléculas do meio), a mecânica clássica é incapaz de resolver este sistema &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Stachel, J., et al.; The Collected Papers of Albert Einstein, 1989, Princeton University Press. URL: http://users.physik.fu-berlin.de/~kleinert/files/eins_brownian.pdf.&amp;lt;/ref&amp;gt;.  Para resolver este problema, ele abordou o problema pela ótica da mecânica estatística. &lt;br /&gt;
&lt;br /&gt;
Inicialmente, ele considerou o incremento da posição da partícula num espaço unidimensional (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;), num determinado intervalo de tempo (&amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;). Considerando que existe uma probabilidade aleatória da partícula se mover dentro do intervalo &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, ele definiu uma função para a densidade de probabilidade (&amp;lt;math&amp;gt;\varphi(\Delta x)&amp;lt;/math&amp;gt;). Sabendo que o número de partículas é constante dentro do meio, ele expandiu a densidade (&amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt;) deste em uma série de Taylor:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \tau \left(\frac{\partial \rho(x,t)}{\partial t}\right) + \dots = \rho(x, t+\tau)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
=\int_{-\infty}^{+\infty} \rho(x+\Delta x, t) \cdot \varphi(\Delta x) d\Delta x &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
que é, por definição, &amp;lt;math&amp;gt;\varphi&amp;lt;/math&amp;gt;. Continuando, &lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
=\rho(x,t) \cdot \int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x + \frac{\partial \rho}{\partial x} \cdot \int_{-\infty}^{+\infty} \Delta x \cdot \varphi(\Delta x) d \Delta x + \frac{\partial^2\rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \dots.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Pela definição da probabilidade,&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x=1&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
e as integrais dos termos pares da série são nulos devido à simetria do espaço. &lt;br /&gt;
&lt;br /&gt;
Temos então,&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x, t+\tau)=\rho(x,t) \cdot 1 + 0 + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
= \rho(x,t) + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Esta equação nos leva à igualdade&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} =  \frac{\partial^2\rho}{\partial x^2} \cdot \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \mathcal{O}.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Podemos interpretar a integral como o coeficiente de difusão &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
D = \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O que nos dá a equação da difusão&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} = D \frac{\partial^2\rho}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Equação de Langevin ==&lt;br /&gt;
&lt;br /&gt;
Em 1908, 3 anos após os estudos de Albert Einstein em processos aleatórios e movimento aleatório, Paul Langevin (1872-1946) apresentou um novo método para o movimento browniano que - segundo Langevin - era &amp;quot;infinitamente mais simples&amp;quot; que a solução proposta por Einstein. &amp;lt;ref name=Langevin_original&amp;gt;P. Langevin, &amp;quot;Sur la théorie de mouvement Brownien&amp;quot; C.R. Acad. Sci. Paris , 146 (1908) pp. 530–533, https://www.physik.uni-augsburg.de/theo1/hanggi/History/Langevin1908.pdf.&amp;lt;/ref&amp;gt;&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;&lt;br /&gt;
Para interpretar o movimento browniano, Einstein derivou e resolveu uma equação diferencial parcial descrevendo a evolução temporal da densidade de probabilidade para a partícula. Já Langevin aplicou a segunda lei de Newton na forma diferencial para essa partícula.&lt;br /&gt;
&lt;br /&gt;
Para uma partícula browniana de massa &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; em um líquido com viscosidade &amp;lt;math&amp;gt;\eta&amp;lt;/math&amp;gt;, existem duas forças que agem sobre o seu movimento&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
1. Arrasto pela viscosidade.&lt;br /&gt;
2. Força de flutuação.&lt;br /&gt;
&lt;br /&gt;
Considerando que a partícula é relativamente grande em comparação com as distâncias médias entre as moléculas do líquido e esta se movimento nesse meio com velocidade &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt;, experimenta uma resistência pela viscosidade. Essa força é descrita pela Lei de Stokes que, para uma partícula esférica com diâmetro &amp;lt;math&amp;gt;a&amp;lt;/math&amp;gt;, corresponde a &amp;lt;math&amp;gt;-6\pi\eta a \ dx/dt&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
A segunda força foi proposta por Langevin para descrever o efeito de constantes impactos das moléculas do líquido sobre as partículas de estudo. Assim, como essa força possui uma origem aleatório, esta deveria ser positiva ou negativa de maneira equiprovável e cuja magnitude fosse suficiente para manter a agitação da partícula. Caso contrário, a viscosidade iria parar o movimento dessa partícula.&lt;br /&gt;
&lt;br /&gt;
Com isso, a equação que descreve o movimento a partir da posição da partícula - em 1D na direção &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; - é dado pela Lei de Newton como:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin representando as flutuações de pressão devido ao movimento térmico das moléculas que compõem o líquido. &amp;lt;ref&amp;gt;Langevin equation. Encyclopedia of Mathematics. URL: http://encyclopediaofmath.org/index.php?title=Langevin_equation&amp;amp;oldid=47575.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Essa equação é conhecida como a equação de Langevin e foi o primeiro exemplo de equação diferencial estocástica, isto é, uma equação diferencial com um termo, &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; nesse caso, cuja solução em algum sentido também é uma função aleatória &amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;:. Essa função foi desenvolvida para possuir as seguintes propriedades:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\langle R(t) \rangle = 0&lt;br /&gt;
&amp;lt;br&amp;gt;&lt;br /&gt;
\langle R(t) R(t&#039;) \rangle = D \cdot \delta(t-t&#039;)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\langle f \rangle&amp;lt;/math&amp;gt; descreve o valor médio ou esperado de uma função &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão e &amp;lt;math&amp;gt;\delta&amp;lt;/math&amp;gt; é a função delta.&lt;br /&gt;
&lt;br /&gt;
A primeira propriedade afirma que o movimento é aleatório de forma que não existe nenhuma tendência de sentido para a partícula se locomover. Assim, é dito que &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; se trata de um ruído branco gaussiano. Já a segunda propriedade mostra que a força em um dado tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; é descorrelacionada de uma força para qualquer outro tempo &amp;lt;math&amp;gt;t&#039;&amp;lt;/math&amp;gt; (propriedade de Markov). &amp;lt;ref&amp;gt;Wikipédia: Langevin equation. URL: https://en.wikipedia.org/wiki/Langevin_equation.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Dedução da equação de Fokker-Planck ==&lt;br /&gt;
&lt;br /&gt;
Como vimos anteriormente, o movimento browniano pode ser descrito pela equação de Langevin, a qual podemos resolver sem nenhum problema. Contudo, alternativamente, podemos fazer uso da equação de Fokker-Planck e considerar uma densidade de probabilidade em relação a posição e o tempo, levando em conta diferentes perturbações estocásticas. Para isso, iremos agora deduzir essa equação, a partir da analise de Langevin.&lt;br /&gt;
&lt;br /&gt;
A descrição do movimento browniano foi anteriormente tratada em termos da equação&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin.&lt;br /&gt;
&lt;br /&gt;
Para o nosso propósito, realizaremos uma abordagem mais direta e geral, assumindo a equação de Langevin através de um potencial &amp;lt;math&amp;gt;U(x)&amp;lt;/math&amp;gt;, nos deixando com a seguinte expressão:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{dx}{dt} = -\mu \frac{dU}{dx} + \eta(t),&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;\mu=\frac{1}{6\pi\eta a}&amp;lt;/math&amp;gt; e &amp;lt;math&amp;gt;\eta(t) = \mu R(t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
Contudo, para entender as equações diferenciais estocásticas, precisamos discretizar as equações para posteriormente aplicar os métodos numéricos. Temos que o sistema de discretização mais simples possível nos leva ao valor de &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt; a partir da interação&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) - \mu\frac{dU}{dx}\varepsilon + \eta_\varepsilon(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
A tarefa é compreender como o agora ruído gaussiano &amp;lt;math&amp;gt;\eta_{\varepsilon}(t)&amp;lt;/math&amp;gt; afeta esse sistema discretizado. Para isso, escreveremos a evolução temporal da distribuição de probabilidade &amp;lt;math&amp;gt;P(x,t)&amp;lt;/math&amp;gt; definida como a probabilidade da partícula estar em &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Então, deve-se olhar para o limite &amp;lt;math&amp;gt;t \rightarrow \infty&amp;lt;/math&amp;gt; de &amp;lt;math&amp;gt;P(x,t)&amp;lt;/math&amp;gt;.&lt;br /&gt;
Vamos realizar a tarefa com a equação discretizada de Langevin comentada acima. Por razões de simplificação, discutiremos essa abordagem com a forma &lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
x(t + \varepsilon) = x(t) + v(x) \varepsilon + \eta_{\varepsilon}(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;v(x) \equiv −\mu \frac{dU}{dx}&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
A equação da probabilidade &amp;lt;math&amp;gt;P(x,t)&amp;lt;/math&amp;gt; pode ser derivada usando a equação de Chapman-Kolmogorov, a qual também iremos escrever em uma forma discretizada no tempo, da forma&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
P(x,t + \varepsilon) = \int_{-\infty}^{+\infty} W(x,y;\varepsilon) P(y,t) dy&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
onde &amp;lt;math&amp;gt;W(x,y; \varepsilon)&amp;lt;/math&amp;gt; é a probabilidade de que a partícula se mova para &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t + \varepsilon&amp;lt;/math&amp;gt;, desde que tenha começado em &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; no instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Lembrando que: para que a condição acima mova a partícula de &amp;lt;math&amp;gt;y&amp;lt;/math&amp;gt; a &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; no tempo &amp;lt;math&amp;gt;\varepsilon&amp;lt;/math&amp;gt;, o termo de ruído deve ter apenas o valor correspondente que satisfaz a equação&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
x = y + v(y) \varepsilon + \eta_{\varepsilon}(t).&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
= Referências =&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6940</id>
		<title>Equação de Fokker-Planck</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Equa%C3%A7%C3%A3o_de_Fokker-Planck&amp;diff=6940"/>
		<updated>2022-03-01T23:19:04Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: Criou página com &amp;#039;&amp;#039;&amp;#039;&amp;#039;Grupo: Álison Soares, Rodrigo Avancini Lara e Samuel Huff Dieterich&amp;#039;&amp;#039;&amp;#039;  A equação de Fokker-Planck foi aplicada em primeiro modo em problemas relacionados ao movimento B...&amp;#039;&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&#039;&#039;&#039;Grupo: Álison Soares, Rodrigo Avancini Lara e Samuel Huff Dieterich&#039;&#039;&#039;&lt;br /&gt;
&lt;br /&gt;
A equação de Fokker-Planck foi aplicada em primeiro modo em problemas relacionados ao movimento Browniano, como veremos à seguir. Nesse caso, lidando com flutuações originadas de vários pequenos distúrbios, as partículas de interesse se chocavam com as moléculas do meio, provocando uma trajetória imprevisível. Por conta dessas flutuações, é impossível determinar a posição exata dessas partículas. Porém, é possível determinar a probabilidade de encontrá-las em determinada região.&lt;br /&gt;
&lt;br /&gt;
Esta equação pode ser obtida a partir da equação de Langevin e fornece a probabilidade de encontrar determinada partícula em uma posição &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; em certo instante &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt;. Além disso, no presente trabalho temos como objetivo estudar as soluções analítica e numérica da equação para um dado exemplo, através do método FTCS explícito.&lt;br /&gt;
&lt;br /&gt;
= Introdução =&lt;br /&gt;
&lt;br /&gt;
== Movimento browniano ==&lt;br /&gt;
&lt;br /&gt;
O movimento browniano foi descoberto pelo botanista Robert Brown, em 1827. Durante seu estudo sobre vida microscópica, ele percebeu pequenas partículas de pólen de plantas se movendo de maneira aleatória no líquido que ele estava estudando e, notando que se tratava de partículas de sujeira, e não seres vivos, chegou a conclusão que era um fenômeno físico, e não biológico, que causava este movimento. &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Posteriormente, foi provado que este fenômeno se dava pelos efeitos do movimento molecular. Em um meio com uma temperatura qualquer &amp;lt;math&amp;gt; &amp;gt;0K &amp;lt;/math&amp;gt;, há vibração e movimento molecular. Embora haja conservacão de energia, quando a partícula interage com as moléculas do meio, a energia cinética desta partícula se altera (assim como a das moléculas). Contudo, a soma destas energias é a energia interna do fluido, como descreve o Teorema da Equiparação. &amp;lt;ref name=&amp;gt;The Equipartition Theorem, University of Oxford. URL: http://vallance.chem.ox.ac.uk/pdfs/Equipartition.pdf.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Em 1905, Albert Einstein propôs uma teoria para descrever tal movimento matematicamente. Primeiramente, ele se propôs a descrever o quão longe uma partícula browniana se desloca em um determinado intervalo de tempo. Como a partícula está sujeita a &amp;lt;math&amp;gt;10^{14}&amp;lt;/math&amp;gt; colisões por segundo (provindas das moléculas do meio), a mecânica clássica é incapaz de resolver este sistema &amp;lt;ref name=Feyman_Lecture&amp;gt;The Brownian Movement, The Feynman Lectures on Physics. URL: https://www.feynmanlectures.caltech.edu/I_41.html.&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Stachel, J., et al.; The Collected Papers of Albert Einstein, 1989, Princeton University Press. URL: http://users.physik.fu-berlin.de/~kleinert/files/eins_brownian.pdf.&amp;lt;/ref&amp;gt;.  Para resolver este problema, ele abordou o problema pela ótica da mecânica estatística. &lt;br /&gt;
&lt;br /&gt;
Inicialmente, ele considerou o incremento da posição da partícula num espaço unidimensional (&amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt;), num determinado intervalo de tempo (&amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;). Considerando que existe uma probabilidade aleatória da partícula se mover dentro do intervalo &amp;lt;math&amp;gt;\tau&amp;lt;/math&amp;gt;, ele definiu uma função para a densidade de probabilidade (&amp;lt;math&amp;gt;\varphi(\Delta x)&amp;lt;/math&amp;gt;). Sabendo que o número de partículas é constante dentro do meio, ele expandiu a densidade (&amp;lt;math&amp;gt;\rho&amp;lt;/math&amp;gt;) deste em uma série de Taylor:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x,t) + \tau \left(\frac{\partial \rho(x,t)}{\partial t}\right) + \dots = \rho(x, t+\tau)&lt;br /&gt;
&amp;lt;br&amp;gt;&lt;br /&gt;
=\int_{-\infty}^{+\infty} \rho(x+\Delta x, t) \cdot \varphi(\Delta x) d\Delta x &lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
que é, por definição, &amp;lt;math&amp;gt;\varphi&amp;lt;/math&amp;gt;. Continuando, &lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
=\rho(x,t) \cdot \int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x + \frac{\partial \rho}{\partial x} \cdot \int_{-\infty}^{+\infty} \Delta x \cdot \varphi(\Delta x) d \Delta x + \frac{\partial^2\rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \dots.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Pela definição da probabilidade,&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\int_{-\infty}^{+\infty}  \varphi(\Delta x) d\Delta x=1&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
e as integrais dos termos pares da série são nulos devido à simetria do espaço. &lt;br /&gt;
&lt;br /&gt;
Temos então,&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\rho(x, t+\tau)=\rho(x,t) \cdot 1 + 0 + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots&lt;br /&gt;
&amp;lt;br&amp;gt;&lt;br /&gt;
= \rho(x,t) + \frac{\partial^2 \rho}{\partial x^2} \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x  + \dots.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Esta equação nos leva à igualdade&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} =  \frac{\partial^2\rho}{\partial x^2} \cdot \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x + \mathcal{O}.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Podemos interpretar a integral como o coeficiente de difusão &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
D = \int_{-\infty}^{+\infty} \frac{\Delta x}{2} \cdot \varphi(\Delta x) d\Delta x.&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
O que nos dá a equação da difusão&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\frac{\partial\rho}{\partial t} = D \frac{\partial^2\rho}{\partial x^2}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Equação de Langevin ==&lt;br /&gt;
&lt;br /&gt;
Em 1908, 3 anos após os estudos de Albert Einstein em processos aleatórios e movimento aleatório, Paul Langevin (1872-1946) apresentou um novo método para o movimento browniano que - segundo Langevin - era &amp;quot;infinitamente mais simples&amp;quot; que a solução proposta por Einstein. &amp;lt;ref name=Langevin_original&amp;gt;P. Langevin, &amp;quot;Sur la théorie de mouvement Brownien&amp;quot; C.R. Acad. Sci. Paris , 146 (1908) pp. 530–533, https://www.physik.uni-augsburg.de/theo1/hanggi/History/Langevin1908.pdf.&amp;lt;/ref&amp;gt;&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;&lt;br /&gt;
Para interpretar o movimento browniano, Einstein derivou e resolveu uma equação diferencial parcial descrevendo a evolução temporal da densidade de probabilidade para a partícula. Já Langevin aplicou a segunda lei de Newton na forma diferencial para essa partícula.&lt;br /&gt;
&lt;br /&gt;
Para uma partícula browniana de massa &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; em um líquido com viscosidade &amp;lt;math&amp;gt;\eta&amp;lt;/math&amp;gt;, existem duas forças que agem sobre o seu movimento&amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;:&lt;br /&gt;
&lt;br /&gt;
1. Arrasto pela viscosidade.&lt;br /&gt;
2. Força de flutuação.&lt;br /&gt;
&lt;br /&gt;
Considerando que a partícula é relativamente grande em comparação com as distâncias médias entre as moléculas do líquido e esta se movimento nesse meio com velocidade &amp;lt;math&amp;gt;v&amp;lt;/math&amp;gt;, experimenta uma resistência pela viscosidade. Essa força é descrita pela Lei de Stokes que, para uma partícula esférica com diâmetro &amp;lt;math&amp;gt;a&amp;lt;/math&amp;gt;, corresponde a &amp;lt;math&amp;gt;-6\pi\eta a \ dx/dt&amp;lt;/math&amp;gt;.&lt;br /&gt;
&lt;br /&gt;
A segunda força foi proposta por Langevin para descrever o efeito de constantes impactos das moléculas do líquido sobre as partículas de estudo. Assim, como essa força possui uma origem aleatório, esta deveria ser positiva ou negativa de maneira equiprovável e cuja magnitude fosse suficiente para manter a agitação da partícula. Caso contrário, a viscosidade iria parar o movimento dessa partícula.&lt;br /&gt;
&lt;br /&gt;
Com isso, a equação que descreve o movimento a partir da posição da partícula - em 1D na direção &amp;lt;math&amp;gt;x&amp;lt;/math&amp;gt; - é dado pela Lei de Newton como:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
m\frac{d^2x}{dt^2} = -\gamma \frac{dx}{dt} + R(t)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
onde &amp;lt;math&amp;gt;m&amp;lt;/math&amp;gt; é a massa da partícula, &amp;lt;math&amp;gt;\gamma&amp;gt;0&amp;lt;/math&amp;gt; é o coeficiente de fricção devido a viscosidade do líquido e &amp;lt;math&amp;gt;R&amp;lt;/math&amp;gt; é postulado a força de Langevin representando as flutuações de pressão devido ao movimento térmico das moléculas que compõem o líquido. &amp;lt;ref&amp;gt;Langevin equation. Encyclopedia of Mathematics. URL: http://encyclopediaofmath.org/index.php?title=Langevin_equation&amp;amp;oldid=47575.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Essa equação é conhecida como a equação de Langevin e foi o primeiro exemplo de equação diferencial estocástica, isto é, uma equação diferencial com um termo, &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; nesse caso, cuja solução em algum sentido também é uma função aleatória &amp;lt;ref name=Gardiner&amp;gt;Gardiner, C.W. (1985). Handbook of stochastic methods - for physics, chemistry and the natural sciences, Second Edition. &#039;&#039;Springer series in synergetics&#039;&#039;.&amp;lt;/ref&amp;gt;:. Essa função foi desenvolvida para possuir as seguintes propriedades:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;math&amp;gt;&lt;br /&gt;
\langle R(t) \rangle = 0&lt;br /&gt;
&amp;lt;br&amp;gt;&lt;br /&gt;
\langle R(t) R(t&#039;) \rangle = D \cdot \delta(t-t&#039;)&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
onde &amp;lt;math&amp;gt;\langle f \rangle&amp;lt;/math&amp;gt; descreve o valor médio ou esperado de uma função &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;D&amp;lt;/math&amp;gt; é o coeficiente de difusão e &amp;lt;math&amp;gt;\delta&amp;lt;/math&amp;gt; é a função delta.&lt;br /&gt;
&lt;br /&gt;
A primeira propriedade afirma que o movimento é aleatório de forma que não existe nenhuma tendência de sentido para a partícula se locomover. Assim, é dito que &amp;lt;math&amp;gt;R(t)&amp;lt;/math&amp;gt; se trata de um ruído branco gaussiano. Já a segunda propriedade mostra que a força em um dado tempo &amp;lt;math&amp;gt;t&amp;lt;/math&amp;gt; é descorrelacionada de uma força para qualquer outro tempo &amp;lt;math&amp;gt;t&#039;&amp;lt;/math&amp;gt; (propriedade de Markov). &amp;lt;ref&amp;gt;Wikipédia: Langevin equation. URL: https://en.wikipedia.org/wiki/Langevin_equation.&amp;lt;/ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
= Referências =&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
	<entry>
		<id>http://fiscomp.if.ufrgs.br/index.php?title=Trabalhos_2021/2&amp;diff=6886</id>
		<title>Trabalhos 2021/2</title>
		<link rel="alternate" type="text/html" href="http://fiscomp.if.ufrgs.br/index.php?title=Trabalhos_2021/2&amp;diff=6886"/>
		<updated>2022-02-27T14:13:22Z</updated>

		<summary type="html">&lt;p&gt;Samuelhd: /* Modelo de Gray-Scott */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;===[[Modelo de Gray-Scott]]===&lt;br /&gt;
&lt;br /&gt;
===[[Equação de Fokker-Planck]]===&lt;/div&gt;</summary>
		<author><name>Samuelhd</name></author>
	</entry>
</feed>