4.1 Motivação e Roteiro

Microestados e macroestados, por que números enormes de partículas tornam a descrição estatística precisa e o plano dos capítulos dos ensembles microcanônico e canônico.

Um litro de ar em condições ambientes contém da ordem de $10^{22}$ moléculas. Descrever o estado mecânico desse gás exigiria dar a posição e o momento de cada uma delas, cerca de $10^{23}$ números, e acompanhar a evolução de todos. Ninguém faz isso, e nenhuma medida feita em laboratório dá acesso a essa informação. Mesmo assim, a termodinâmica descreve o mesmo gás com meia dúzia de números (energia, volume, número de partículas, temperatura, pressão) e acerta as suas previsões com enorme precisão.

A mecânica estatística de equilíbrio explica por que isso funciona. O seu programa cabe em uma frase: deduzir as propriedades termodinâmicas de um sistema macroscópico a partir da contagem dos seus estados microscópicos. Os capítulos 4 e 5 executam esse programa para sistemas em equilíbrio, primeiro isolados (ensemble microcanônico) e depois em contato com um reservatório térmico (ensemble canônico). As ferramentas probabilísticas já apareceram no capítulo 1, no problema do caminho aleatório e no estudo de valores médios e desvio padrão.

Este tópico prepara o terreno de três maneiras. Primeiro, separa as duas descrições de um sistema, a microscópica e a macroscópica, e dá nome ao número que as liga: a multiplicidade. Depois, mostra com contas simples por que um número enorme de constituintes torna as previsões estatísticas praticamente certas; para isso, provamos a forma da fórmula de Stirling que o capítulo inteiro usa. Por fim, apresenta o roteiro dos capítulos 4 e 5.

Microestados e macroestados

Um mesmo sistema físico admite duas descrições de detalhamento muito diferente. A distinção entre elas é a primeira ideia da mecânica estatística, e convém fixá-la em exemplos tão simples que a física quase desaparece: moedas e spins.

Definição 4.1.1 (Microestado e macroestado). Um microestado de um sistema é uma especificação completa do seu estado mecânico: tudo o que a mecânica (clássica ou quântica) precisa para determinar o sistema em um instante. Um macroestado é a especificação de apenas algumas grandezas globais, as que se medem macroscopicamente. Cada microestado determina um único macroestado; um macroestado, em geral, é compatível com muitos microestados.

Para $N$ moedas lançadas sobre a mesa, um microestado é a lista das faces de todas as moedas (a primeira deu cara, a segunda coroa, …); um macroestado possível é apenas o número $n$ de caras. Para $N$ spins $\tfrac12$ em um sólido, um microestado é a lista dos valores $\sigma_i = \pm 1$ de todos os spins; o macroestado é a magnetização total. Para um gás clássico, um microestado é o conjunto das posições e momentos de todas as moléculas, um ponto do espaço de fase do tópico 4.2; o macroestado é dado por energia, volume e número de partículas.

Exemplo 4.1.2 (Três moedas). Com $N = 3$ moedas, cada uma com as faces C (cara) e K (coroa), há $2^3 = 8$ microestados. Agrupando-os pelo número $n$ de caras:

Macroestado $n$Microestados compatíveisQuantidade
$0$KKK$1$
$1$CKK, KCK, KKC$3$
$2$CCK, CKC, KCC$3$
$3$CCC$1$

Os quatro macroestados não são "do mesmo tamanho": os intermediários correspondem a três microestados cada, os extremos a um só.

Definição 4.1.3 (Multiplicidade). A multiplicidade $\Omega$ de um macroestado é o número de microestados compatíveis com ele.

No Exemplo 4.1.2, $\Omega(0) = \Omega(3) = 1$ e $\Omega(1) = \Omega(2) = 3$. A letra $\Omega$ é a mesma que, a partir do tópico 4.3, contará os microestados de um sistema isolado com energia dada; a ideia é exatamente esta.

Proposição 4.1.4 (Multiplicidade de sistemas de dois estados). Considere $N$ constituintes distinguíveis, cada um com dois estados possíveis, e o macroestado dado pelo número $n$ de constituintes no primeiro estado. Então

$$ \Omega(n) = \binom{N}{n} = \frac{N!}{n!\,(N-n)!}, \qquad \sum_{n=0}^{N}\Omega(n) = 2^N. \tag{4.1.1} $$

Demonstração. Um microestado com exatamente $n$ constituintes no primeiro estado fica determinado pela escolha de quais $n$ dos $N$ constituintes estão nesse estado (os demais estão, necessariamente, no segundo). O número de subconjuntos de $n$ elementos de um conjunto de $N$ elementos é $\binom{N}{n}$. Para a soma: cada um dos $N$ constituintes tem dois estados, independentemente dos outros, então o número total de microestados é $2^N$; como cada microestado tem um único valor de $n$, somar $\Omega(n)$ sobre todos os $n$ conta cada microestado uma vez. (Alternativamente, é o binômio de Newton $(1+1)^N = \sum_n\binom{N}{n}$.) $\blacksquare$

Exemplo 4.1.5 (Spins e magnetização). Em um sistema de $N$ spins $\tfrac12$ localizados, cada spin tem momento magnético de módulo $\mu$ na direção de um campo aplicado, com $\sigma_i = +1$ (para cima) ou $\sigma_i = -1$ (para baixo). Se $N_+$ spins apontam para cima e $N_- = N - N_+$ para baixo, a magnetização total é

$$ M = \mu\sum_{i=1}^{N}\sigma_i = \mu\,(N_+ - N_-) = \mu\,(2N_+ - N). $$

Dar $M$ é o mesmo que dar $N_+$, e pela Proposição 4.1.4 a multiplicidade do macroestado é $\Omega(N_+) = \binom{N}{N_+}$. Para $N = 100$, o macroestado de magnetização máxima ($N_+ = 100$) tem um único microestado, enquanto o de magnetização nula ($N_+ = 50$) tem $\binom{100}{50} \approx 1{,}01\times10^{29}$. Esse modelo será resolvido por completo no tópico 4.6.

Observação 4.1.6 (A pergunta central). As multiplicidades, sozinhas, não dizem com que probabilidade o sistema está em cada macroestado: para isso é preciso saber a probabilidade de cada microestado. A hipótese mais simples é a de que todos os microestados acessíveis sejam igualmente prováveis. Para um sistema isolado, essa será a hipótese fundamental da teoria, o postulado das probabilidades iguais a priori do tópico 4.3. Se os $2^N$ microestados de $N$ moedas forem igualmente prováveis, a probabilidade do macroestado $n$ é a fração de microestados que o realizam:

$$ P(n) = \frac{\Omega(n)}{2^N} = \binom{N}{n}\left(\frac12\right)^{N}. \tag{4.1.2} $$

É a distribuição binomial do capítulo 1 com $p = q = \tfrac12$. O macroestado mais provável é o de maior multiplicidade. O que ainda não sabemos é se ele é muito mais provável do que os outros. A resposta, que a seção seguinte dá, depende de $N$ de modo decisivo.

Por que $N$ grande simplifica

No capítulo 1, o caminho aleatório de $N$ passos, com probabilidade $p$ de um passo para a direita e $q = 1 - p$ de um passo para a esquerda, levou à distribuição binomial para o número $n$ de passos para a direita:

$$ P_N(n) = \binom{N}{n}\,p^{\,n}q^{\,N-n}, \qquad n = 0, 1, \dots, N. \tag{4.1.3} $$

A mesma distribuição descreve $N$ moedas (com $p = \tfrac12$) e $N$ spins independentes, cada um para cima com probabilidade $p$. Já vimos, no estudo de valores médios, que $\langle n\rangle = Np$. Falta a largura.

Proposição 4.1.7 (Média e variância da binomial). Para a distribuição (4.1.3),

$$ \langle n\rangle = Np, \qquad \langle(\Delta n)^2\rangle = \langle n^2\rangle - \langle n\rangle^2 = Npq. \tag{4.1.4} $$

Demonstração. Tratamos $p$ e $q$ como variáveis independentes e só no fim usamos $p + q = 1$. Pelo binômio de Newton, $G(p,q) = \sum_n\binom{N}{n}p^nq^{N-n} = (p+q)^N$. Como $p\,\partial_p\big(p^nq^{N-n}\big) = n\,p^nq^{N-n}$, aplicar o operador $p\,\partial_p$ multiplica cada termo por $n$. Logo

$$ \begin{aligned} \langle n\rangle &= p\,\partial_pG = Np\,(p+q)^{N-1}, \\ \langle n^2\rangle &= (p\,\partial_p)^2G = p\,\partial_p\big[Np\,(p+q)^{N-1}\big] \\ &= Np\,(p+q)^{N-1} + N(N-1)\,p^2(p+q)^{N-2}. \end{aligned} $$

Com $p + q = 1$: $\langle n\rangle = Np$ e $\langle n^2\rangle = Np + N(N-1)p^2$. Então $\langle n^2\rangle - \langle n\rangle^2 = Np + N^2p^2 - Np^2 - N^2p^2 = Np(1-p) = Npq$. $\blacksquare$

Corolário 4.1.8 (Largura relativa). O desvio padrão $\sigma_n = \sqrt{Npq}$ e a largura relativa da binomial satisfazem

$$ \frac{\sigma_n}{\langle n\rangle} = \sqrt{\frac{q}{p}}\,\frac{1}{\sqrt N}. \tag{4.1.5} $$

Demonstração. Basta dividir $\sqrt{Npq}$ por $Np$: $\sqrt{Npq}/(Np) = \sqrt{q/(pN)}$. $\blacksquare$

Para moedas ($p = q = \tfrac12$), a largura relativa é exatamente $1/\sqrt N$:

$N$$\langle n\rangle$$\sigma_n$$\sigma_n/\langle n\rangle$
$10$$5$$1{,}58$$0{,}32$
$10^3$$500$$15{,}8$$0{,}032$
$10^{23}$$5\times10^{22}$$1{,}6\times10^{11}$$3{,}2\times10^{-12}$

Observação 4.1.9 (Largura absoluta e largura relativa). As duas tendências opostas precisam ser ditas juntas. A largura absoluta $\sigma_n$ cresce com $N$, como $\sqrt N$: com $10^{23}$ moedas, o número de caras flutua tipicamente por $10^{11}$ unidades em torno da média. A largura relativa $\sigma_n/\langle n\rangle$ diminui como $1/\sqrt N$: essas $10^{11}$ unidades são três partes em um trilhão do valor médio, muito abaixo da resolução de qualquer medida macroscópica. É a largura relativa que importa para a termodinâmica.

A fórmula de Stirling

Para ir além da média e da variância, e saber como a multiplicidade $\binom{N}{n}$ decai longe do máximo, precisamos estimar fatoriais de números enormes. O capítulo 4 usará o resultado a seguir muitas vezes, e por isso o provamos.

Lema 4.1.10 (Stirling, forma fraca). Para todo inteiro $N \ge 1$,

$$ \begin{aligned} N\ln N - N + 1 &\le \ln N! \\ &\le N\ln N - N + 1 + \ln(N+1). \end{aligned} \tag{4.1.6} $$

Em particular, $\ln N! = N\ln N - N + O(\ln N)$ quando $N \to \infty$.

Demonstração. Temos $\ln N! = \sum_{k=2}^{N}\ln k$. Como $\ln$ é crescente, para cada $k \ge 2$ vale

$$ \int_{k-1}^{k}\ln x\,dx \;\le\; \ln k \;\le\; \int_{k}^{k+1}\ln x\,dx. $$

Somando de $k = 2$ a $k = N$: $\int_1^N\ln x\,dx \le \ln N! \le \int_2^{N+1}\ln x\,dx \le \int_1^{N+1}\ln x\,dx$. Com a primitiva $x\ln x - x$, a integral da esquerda vale $N\ln N - N + 1$ e a da direita vale $(N+1)\ln(N+1) - N$. Resta majorar esta última:

$$ \begin{aligned} &(N+1)\ln(N+1) - N \\ &\qquad = N\ln N - N + N\ln\!\left(1 + \tfrac1N\right) + \ln(N+1) \\ &\qquad \le N\ln N - N + 1 + \ln(N+1), \end{aligned} $$

porque $\ln(1+u) \le u$ para $u \gt -1$, logo $N\ln(1 + 1/N) \le 1$. Isso dá (4.1.6). A última afirmação segue porque o resto $\ln N! - (N\ln N - N)$ fica entre $1$ e $1 + \ln(N+1)$. $\blacksquare$

O erro é pequeno em relação aos termos principais: para $N = 1000$, $\ln N! \approx 5912{,}1$, enquanto o resto vale $4{,}37$. Quando $N$ é da ordem de $10^{23}$, $N\ln N$ é da ordem de $5\times10^{24}$ e o resto fica entre $1$ e $54$. Uma versão mais precisa identifica o resto:

Teorema 4.1.11 (Fórmula de Stirling). Quando $N \to \infty$,

$$ \ln N! = N\ln N - N + \tfrac12\ln(2\pi N) + O\!\left(\tfrac1N\right). \tag{4.1.7} $$

Ideia da demonstração. Escreve-se $N! = \Gamma(N+1) = \int_0^\infty e^{N\ln t - t}\,dt$. O expoente tem máximo em $t = N$; expandindo-o até a segunda ordem em torno do máximo, a integral vira uma gaussiana de largura $\sqrt N$, cuja área produz o fator $\sqrt{2\pi N}$. É o método de Laplace, que reaparecerá no tópico 5.3. Referência: Salinas, capítulo 1.

Para $N = 10$, $\ln 10! = 15{,}104$; a forma fraca dá $N\ln N - N = 13{,}026$, e com o termo $\tfrac12\ln(2\pi N)$ obtemos $15{,}096$. No restante do capítulo 4, usaremos sempre a forma fraca, salvo aviso em contrário.

A multiplicidade perto do máximo

Com Stirling, o logaritmo da multiplicidade binomial ganha uma forma fechada. A função que aparece será, a menos de uma constante, a entropia de um sistema de spins no tópico 4.6.

Proposição 4.1.12 (Logaritmo da multiplicidade). Para $0 \le n \le N$, $N \ge 1$, seja $h(x) = -x\ln x - (1-x)\ln(1-x)$ para $0 \le x \le 1$ (com $0\ln 0 = 0$). Então

$$ \begin{aligned} \ln\binom{N}{n} &= N\,h\!\left(\frac nN\right) + R, \\ \lvert R\rvert &\le 1 + 2\ln(N+1). \end{aligned} \tag{4.1.8} $$

Demonstração. Para cada inteiro $m \ge 0$, escrevemos $\ln m! = m\ln m - m + r_m$. Pelo Lema 4.1.10, $1 \le r_m \le 1 + \ln(m+1)$ se $m \ge 1$, e $r_0 = 0$ (com $0\ln 0 = 0$). Então

$$ \begin{aligned} \ln\binom{N}{n} &= \ln N! - \ln n! - \ln(N-n)! \\ &= N\ln N - n\ln n - (N-n)\ln(N-n) + \big(r_N - r_n - r_{N-n}\big), \end{aligned} $$

pois os termos lineares se cancelam: $-N + n + (N - n) = 0$. Usando $N\ln N = n\ln N + (N-n)\ln N$, o primeiro grupo vale $-n\ln(n/N) - (N-n)\ln\big((N-n)/N\big) = N\,h(n/N)$. Quanto a $R = r_N - r_n - r_{N-n}$: por um lado, $R \le r_N \le 1 + \ln(N+1)$; por outro, $R \ge 1 - 2\big(1 + \ln(N+1)\big) = -1 - 2\ln(N+1)$, porque $r_N \ge 1$ e cada um dos outros dois é no máximo $1 + \ln(N+1)$. Em ambos os casos $\lvert R\rvert \le 1 + 2\ln(N+1)$. $\blacksquare$

O termo principal é proporcional a $N$; o erro cresce apenas como $\ln N$. É esse o sentido preciso em que "o logaritmo da multiplicidade é extensivo": por constituinte, $\tfrac1N\ln\binom{N}{n} = h(n/N) + O\!\left(\tfrac{\ln N}{N}\right)$.

Corolário 4.1.13 (Decaimento gaussiano em torno do máximo). Sejam $N$ par e $n = N/2 + k$, com $\lvert k\rvert \lt N/2$. Então

$$ \begin{aligned} \ln\binom{N}{N/2 + k} &= N\ln 2 - \frac{2k^2}{N} - \varepsilon + R, \\ 0 \le \varepsilon &\le \frac{4k^4}{3N^3}\,\frac{1}{1 - 4k^2/N^2}, \end{aligned} \tag{4.1.9} $$

com $R$ como em (4.1.8).

Demonstração. Ponha $x = 2k/N$, de modo que $n/N = (1+x)/2$ e $\lvert x\rvert \lt 1$. Uma conta direta dá $h\big(\tfrac{1+x}{2}\big) = \ln 2 - \tfrac12\big[(1+x)\ln(1+x) + (1-x)\ln(1-x)\big]$. Pela série de $\ln(1\pm x)$,

$$ \begin{aligned} (1+x)\ln(1+x) + (1-x)\ln(1-x) &= \sum_{j=1}^{\infty}\frac{x^{2j}}{j\,(2j-1)} \\ &= x^2 + \frac{x^4}{6} + \frac{x^6}{15} + \cdots \end{aligned} $$

(todos os termos são positivos). O primeiro termo dá $N\cdot\tfrac12x^2 = 2k^2/N$. Os demais somam $\varepsilon = \tfrac N2\sum_{j\ge2}x^{2j}/\big(j(2j-1)\big) \ge 0$, e, como $j(2j-1) \ge 6$ para $j \ge 2$, $\varepsilon \le \tfrac N2\cdot\tfrac{x^4}{6}\sum_{i\ge0}x^{2i} = \tfrac{N x^4}{12(1-x^2)}$, que é a cota (4.1.9) depois de substituir $x = 2k/N$. Somando o erro $R$ da Proposição 4.1.12, obtemos (4.1.9). $\blacksquare$

Enquanto $\lvert k\rvert$ for pequeno diante de $N^{3/4}$, o termo $\varepsilon$ é desprezível, e o logaritmo da multiplicidade cai como uma parábola, $\ln\binom{N}{N/2+k} = N\ln2 - 2k^2/N + O(\ln N)$: na escala logarítmica, a multiplicidade é uma gaussiana de largura $\sigma = \sqrt N/2$, que é exatamente o $\sqrt{Npq}$ da Proposição 4.1.7 com $p = q = \tfrac12$. Essa forma ainda não é uma aproximação da própria multiplicidade: o erro $O(\ln N)$ é um fator multiplicativo não controlado, e para $k$ da ordem de $\sqrt N$ o termo $2k^2/N$ é de ordem $1$, menor que esse erro. Usando a forma completa (4.1.7) no lugar da fraca, o fator que o erro $R$ esconde aparece explicitamente, e obtém-se a aproximação de de Moivre–Laplace $P(N/2 + k) \approx \sqrt{2/(\pi N)}\;e^{-2k^2/N}$, a versão discreta da gaussiana com que o capítulo 1 encerrou o caminho aleatório.

0 0,25 0,5 0,75 1 0,5 1 x = n/N P(n) / P(N/2) N = 1000 N = 100 N = 10
Figura 4.1.1. A binomial com $p = q = \tfrac12$, dividida pelo valor no pico, em função da fração $x = n/N$, para $N = 10$ (pontos), $N = 100$ (tracejado) e $N = 1000$ (linha contínua). Todas são centradas em $x = \tfrac12$, mas a largura em $x$ é $\sigma_n/N = 1/(2\sqrt N)$: cada fator 10 em $N$ estreita o sino por um fator $\sqrt{10} \approx 3{,}2$. Para $N = 10^{23}$, a largura seria de $1{,}6\times10^{-12}$, e o sino seria, na escala da figura, uma linha vertical.

Observação 4.1.14 (Todas as moléculas de um lado). Um gás de $N$ moléculas ocupa uma caixa. Se cada molécula, independentemente das outras, tem probabilidade $\tfrac12$ de estar na metade esquerda, a probabilidade de encontrarmos todas à esquerda é $2^{-N}$. Para $N = 10$, é cerca de $10^{-3}$: acontece. Para $N = 10^{20}$, é $10^{-3\times10^{19}}$, um número que não tem comparação com nada que se possa observar. O gás não "decide" ocupar a caixa inteira; simplesmente quase todos os microestados têm as moléculas espalhadas.

Roteiro dos capítulos 4 e 5

Dois capítulos anteriores ainda estão em esboço e serão escritos depois; convém dizer o que se usa de cada um. O capítulo 2, Descrição Estatística de um Sistema Físico, trata de como especificar microestados clássicos e quânticos. Do lado clássico, o que precisamos (espaço de fase, ensembles, teorema de Liouville, a célula de volume $h$) é desenvolvido no próprio tópico 4.2. Do lado quântico, basta saber que um sistema confinado tem níveis de energia discretos, e os níveis dos modelos que usaremos (spin em um campo, oscilador harmônico, partícula em uma caixa) são dados. O capítulo 3, Introdução à Termodinâmica, reúne a termodinâmica que a teoria deve reproduzir. Aqui, as grandezas termodinâmicas serão definidas a partir da contagem de estados e confrontadas com a termodinâmica conforme aparecerem.

O capítulo 4 trata do sistema isolado: energia, volume e número de partículas fixos. O espaço de fase e o teorema de Liouville (4.2) levam ao postulado das probabilidades iguais a priori e à contagem $\Omega(E,V,N)$ dos microestados acessíveis (4.3). Pondo dois sistemas em contato térmico, a temperatura aparece como a grandeza que se iguala no equilíbrio, e a entropia como $S = k_B\ln\Omega$ (4.4). Paredes móveis e permeáveis dão a pressão e o potencial químico (4.5). Com isso a termodinâmica inteira sai de uma única função, e o resto do capítulo a calcula em quatro modelos: spins em um campo (4.6), o sólido de Einstein (4.7), o gás ideal clássico (4.8) e a correção de Gibbs para partículas idênticas (4.9).

O capítulo 5 troca o vínculo de energia fixa pelo de temperatura fixa. A probabilidade de cada microestado passa a ser proporcional ao fator de Boltzmann $e^{-E/k_BT}$ (5.1), e toda a termodinâmica sai de uma única soma, a função de partição (5.2). As flutuações de energia, agora presentes, são pequenas, e os dois ensembles dão a mesma termodinâmica (5.3). Para partículas que não interagem, a função de partição fatora (5.4), e os modelos do capítulo 4 são refeitos com muito menos trabalho (5.5 a 5.7). O capítulo termina com a equipartição da energia e a distribuição de velocidades de Maxwell (5.8).

Capítulo 4 — Ensemble Microcanônico Capítulo 5 — Ensemble Canônico 4.1 Motivação e roteiro 4.2 Espaço de fase e Liouville 4.3 Ensemble microcanônico 4.4 Contato térmico e entropia 4.5 Pressão e potencial químico 4.6 Dois níveis e paramagneto 4.7 Sólido de Einstein 4.8 Gás ideal clássico 4.9 Paradoxo de Gibbs 5.1 Do micro ao canônico 5.2 Função de partição 5.3 Flutuações e equivalência 5.4 Partículas independentes 5.5 Paramagneto e lei de Curie 5.6 Osciladores e Einstein 5.7 Gás ideal e dois níveis 5.8 Equipartição e Maxwell usa confere confere confere ordem de leitura de cima para baixo; tracejado: o capítulo 5 usa ou confere o capítulo 4
Figura 4.1.2. Mapa dos capítulos 4 e 5. Cada coluna se lê de cima para baixo, e cada tópico usa os anteriores da mesma coluna. As setas tracejadas marcam as pontes entre os capítulos: o fator de Boltzmann (5.1) é deduzido a partir do contato térmico (4.4), e os modelos canônicos 5.5, 5.6 e 5.7 reproduzem, por outro caminho, os resultados microcanônicos de 4.6, 4.7 e 4.8–4.9.

Os três livros de referência do curso cobrem esse material com ênfases diferentes. O Salinas é a referência principal, e a ordem dos tópicos segue a dele; Pathria e Beale e Huang entram nas deduções alternativas e nos tópicos que o Salinas trata em outro lugar.

Nossos capítulosSalinasPathria e BealeHuang
4 (Ensemble Microcanônico)cap. 4cap. 1 a 3cap. 6
5 (Ensemble Canônico)cap. 5 e 6cap. 3cap. 6 e 7

Conexão com a termodinâmica e com o experimento

A termodinâmica trata grandezas como a energia interna ou a pressão de um gás como números bem definidos, e as medidas lhe dão razão: medindo de novo a pressão de um gás em equilíbrio, obtém-se o mesmo valor. O Corolário 4.1.8 explica esse fato. Uma grandeza que é a soma de contribuições de $N$ constituintes aproximadamente independentes flutua em torno da média por uma fração da ordem de $1/\sqrt N$; para $N \sim 10^{22}$, isso é $10^{-11}$. Nenhum manômetro ou calorímetro resolve flutuações dessa ordem. O tópico 5.3 mostrará que a energia de um sistema em contato com um reservatório se comporta exatamente assim.

As flutuações não desaparecem; só ficam invisíveis em escala macroscópica. Elas aparecem quando o sistema é pequeno ou quando a medida é fina o bastante: no movimento browniano de uma partícula suspensa em um líquido (o tema físico do caminho aleatório do capítulo 1), no ruído térmico de um resistor, em sistemas de poucas moléculas e perto de pontos críticos, onde as flutuações crescem muito. Essas situações ficam fora dos capítulos 4 e 5, mas a regra de $1/\sqrt N$ é o que permite saber, em cada caso, se elas importam.

Exercícios Resolvidos

Os exercícios vão da contagem direta à estimativa de ordens de grandeza. Todas as contas foram conferidas por computação simbólica.

Exercício 4.1.1. Considere $N = 4$ spins $\tfrac12$. Liste os microestados, agrupe-os pelo número $N_+$ de spins para cima e verifique a Proposição 4.1.4.

Solução. Escrevendo $+$ e $-$ para os dois estados, há $2^4 = 16$ microestados. Agrupando:

$N_+$Microestados$\Omega(N_+)$$\binom{4}{N_+}$
$0$$----$$1$$1$
$1$$+---,\ -+--,\ --+-,\ ---+$$4$$4$
$2$$++--,\ +-+-,\ +--+,\ -++-,\ -+-+,\ --++$$6$$6$
$3$$+++-,\ ++-+,\ +-++,\ -+++$$4$$4$
$4$$++++$$1$$1$

As multiplicidades $1, 4, 6, 4, 1$ coincidem com $\binom{4}{N_+}$ e somam $16 = 2^4$. O macroestado de magnetização nula ($N_+ = 2$) reúne $6/16 = 37{,}5\%$ dos microestados; mesmo com apenas quatro spins, ele já é o de maior multiplicidade (e, se os $16$ microestados forem equiprováveis, o mais provável), mas longe de dominar.

Exercício 4.1.2. Lançam-se $100$ moedas honestas. Calcule a probabilidade de obter entre $45$ e $55$ caras (inclusive), de forma exata e pela aproximação gaussiana, e compare.

Solução. Pela Equação (4.1.2), a probabilidade exata é $\sum_{n=45}^{55}\binom{100}{n}/2^{100} \approx 0{,}72875$. Na aproximação gaussiana, a média é $50$ e o desvio padrão é $\sigma = \sqrt{100/4} = 5$. Como $n$ só assume valores inteiros, os inteiros de $45$ a $55$ correspondem ao intervalo contínuo $[44{,}5;\ 55{,}5]$ (a chamada correção de continuidade), isto é, $\lvert n - 50\rvert \le 5{,}5$. Integrando a gaussiana nesse intervalo com a substituição $u = (n - 50)/(5\sqrt2)$, e escrevendo o resultado com a função erro $\operatorname{erf}(z) = \dfrac{2}{\sqrt\pi}\displaystyle\int_0^ze^{-u^2}\,du$,

$$ \begin{aligned} P &\approx \frac{1}{5\sqrt{2\pi}}\int_{-5{,}5}^{5{,}5}e^{-x^2/50}\,dx = \frac{2}{\sqrt\pi}\int_0^{5{,}5/(5\sqrt2)}e^{-u^2}\,du \\ &= \operatorname{erf}\!\left(\frac{5{,}5}{5\sqrt2}\right) \approx 0{,}72867. \end{aligned} $$

O acordo é de quatro casas decimais. Sem a correção de continuidade, usando $\lvert n - 50\rvert \le 5$, obteríamos $\operatorname{erf}(1/\sqrt2) \approx 0{,}68269$, a conhecida probabilidade de "um desvio padrão", bem pior. Com $N = 100$, cerca de $27\%$ dos lançamentos caem fora de $50 \pm 5$: as flutuações relativas, de $10\%$, ainda são bem visíveis.

Exercício 4.1.3. Para $N = 10^{23}$ moedas honestas, qual é a largura relativa da distribuição do número de caras? Qual é a largura absoluta?

Solução. Pelo Corolário 4.1.8 com $p = q$, $\sigma_n/\langle n\rangle = 1/\sqrt N = 1/\sqrt{10^{23}} \approx 3{,}2\times10^{-12}$. A largura absoluta é $\sigma_n = \sqrt N/2 \approx 1{,}6\times10^{11}$. Uma balança que contasse as caras pela massa de moedas em um prato precisaria de resolução de uma parte em $10^{12}$ para perceber a flutuação.

Exercício 4.1.4. Estime a razão $\Omega(N/2)/\Omega(N/2 + 0{,}01N)$ entre as multiplicidades do macroestado mais provável e de um macroestado que se afasta dele por $1\%$ de $N$, para $N = 100$ e para $N = 10^{20}$. Para $N = 100$, compare com o valor exato.

Solução. Com $k = 0{,}01N$, o Corolário 4.1.13 dá $\ln[\Omega(N/2)/\Omega(N/2 + k)] \approx 2k^2/N = 2\times10^{-4}N$, a menos de $\varepsilon$ e dos erros $R$ das duas multiplicidades.

Para $N = 100$ ($k = 1$), a estimativa é $e^{0{,}02} \approx 1{,}0202$. O valor exato é $\binom{100}{50}/\binom{100}{51} = 51/50 = 1{,}02$, pois $\binom{N}{m+1} = \binom{N}{m}\,\frac{N-m}{m+1}$. Os dois macroestados são praticamente igualmente prováveis.

Para $N = 10^{20}$ ($k = 10^{18}$), $2k^2/N = 2\times10^{16}$, e a razão é $e^{2\times10^{16}} \approx 10^{8{,}7\times10^{15}}$. As correções não mudam esse quadro: $\varepsilon$ é no máximo cerca de $1{,}3\times10^{12}$ (menos de $0{,}01\%$ do expoente), e os erros $R$ são da ordem de $10^2$. Um desvio de $1\%$, imperceptível para $N = 100$, é para $N = 10^{20}$ algo que nunca será observado.

Exercício 4.1.5. Em uma caixa com $N$ moléculas, cada molécula está, independentemente das outras, na metade esquerda com probabilidade $\tfrac12$. Suponha que a configuração das moléculas se renove, de forma independente, a cada $\tau = 10^{-10}\ \mathrm{s}$. Quanto tempo, em média, é preciso esperar para ver todas as moléculas à esquerda, para $N = 10$ e para $N = 100$? Compare com a idade do universo, cerca de $13{,}8$ bilhões de anos.

Solução. Em cada renovação, a probabilidade do evento é $P = 2^{-N}$. O número de tentativas até o primeiro sucesso tem distribuição geométrica, de média $1/P = 2^N$; o tempo médio de espera é $\tau\,2^N$. Para $N = 10$: $10^{-10}\times1024 \approx 1{,}0\times10^{-7}\ \mathrm{s}$. Para $N = 100$: $10^{-10}\times2^{100} \approx 1{,}3\times10^{20}\ \mathrm{s}$. A idade do universo é $13{,}8\times10^9\ \text{anos} \approx 4{,}4\times10^{17}\ \mathrm{s}$; a espera, com apenas $100$ moléculas, já é cerca de $300$ vezes maior. Para um gás macroscópico, com $N \sim 10^{20}$, o tempo de espera é $\tau\cdot10^{3\times10^{19}}$, e a unidade em que é medido deixa de importar.

Exercício 4.1.6. Por que não podemos medir a probabilidade de um microestado individual de um gás macroscópico, mas podemos medir a probabilidade de um macroestado?

Solução. Medir uma probabilidade exige observar o evento com uma frequência mensurável. Um microestado de um gás é especificado por cerca de $10^{23}$ números, que nenhum instrumento registra. Classicamente, um microestado é um ponto exato do espaço de fase, e um ponto isolado de um contínuo tem probabilidade nula. Mesmo contando os microestados com resolução finita (estados quânticos, ou as células de volume $h^f$ do tópico 4.2), o número dos acessíveis é da ordem de $e^{10^{23}}$ ou mais, como veremos no tópico 4.8; se forem equiprováveis, a probabilidade de cada um é dessa ordem com o sinal do expoente trocado, e nenhum microestado se repete em observações reais. Um macroestado, ao contrário, é definido por poucas grandezas que os instrumentos medem, e reúne uma fração enorme dos microestados. Por isso a teoria é testada pelas suas previsões sobre macroestados e médias, e não pelas probabilidades de microestados individuais: o postulado do tópico 4.3 é uma hipótese sobre estas, mas só é verificado por meio daquelas.

O que construímos

Este tópico ainda não fez física de um sistema específico; ele deixou prontos a linguagem e o argumento que sustentam os capítulos 4 e 5:

Duas peças ainda faltam para que essas contas virem previsões. A primeira é uma regra que dê probabilidade a cada microestado; até aqui ela foi apenas sugerida, e será o postulado do tópico 4.3. A segunda é um lugar onde morem os microestados de um sistema clássico, que não são discretos como moedas e spins: o espaço de fase. É o assunto do próximo tópico, 4.2 Espaço de Fase e Teorema de Liouville.