2 votos

¿Hallar la distribución estacionaria del siguiente proceso estocástico?

Tomemos el proceso estocástico procedente de

$$\ddot X + \frac{\eta}{m} \dot X + \frac{k}{m}X = \frac{1}{m} W(t)\tag{1}$$

(donde $W$ es ruido blanco) o, de forma equivalente, la ecuación diferencial de Itô

$$ d \begin{pmatrix} X\\V\\\end{pmatrix} = \begin{pmatrix} V\\ -\dfrac{\eta}{m} V - \dfrac{k}{m}X\\\end{pmatrix}dt + \begin{pmatrix} 0&0\\0&\frac1m\end{pmatrix}\begin{pmatrix} d\beta_1 \\d\beta_2\end{pmatrix}\tag{2} $$

$$ \equiv d \mathbf{X} = f(\mathbf{X})dt + \mathbf{L}\, d\boldsymbol{\beta} \tag{3}.$$

Esto es sólo el oscilador armónico amortiguado conducido por el ruido blanco. En particular, $\beta_1,\beta_2$ son de movimiento browniano. Sé por la literatura que la distribución estacionaria es de la forma

$$p(x,v) = \exp( - Ax^2 - Bv^2 )$$ (ver edición).

Intento: Creo que necesito usar la ecuación de Fokker-Planck:

$$\frac{\partial p(\mathbf{X},t)}{\partial t} = 0= - \sum_{i}\frac{\partial}{\partial X_i}[\mathbf{f}_i(\mathbf{X})p(\mathbf{X},t)]+ \sum_{i,j} \frac{\partial^2}{\partial X_i X_j}\left[(\mathbf{L}^T\mathbf{L})_{ij} \,p(\mathbf{X},t)\right]\tag{4}$$ donde el $0$ es porque consideramos la distribución estacionaria. Esto, sin embargo, me da (escribiendo $p(\mathbf{X},t) = p(x,v)$ )

$$0=-\left[ \frac{\partial}{\partial x}(vp(x,v)) + \frac{\partial}{\partial v}\left(\left( -\frac{\eta}{m}v - \frac{k}{m}x\right) p(x,v)\right) \right]+ \frac12 \frac{\partial^2}{\partial v^2} \frac{p(x,v)}{m^2}\tag{5}$$

que ciertamente no se resuelve con una gaussiana $p(x,v)$ .

Editar: Un error me impidió resolver (5) con un ansatz gaussiano y enchufar y tirar. Gracias estocástico para aclarar esto.

1voto

stochastic Puntos 88

He confirmado que $(2)$ tiene la siguiente distribución: $$P(x,v)=\frac{\eta\sqrt{km}}{\pi}e^{-\eta(kx^2+mv^2)}.$$

También satisface $(5).$

Detalles : Reescribamos su ecuación en forma de matriz: $$d\vec x= A\vec x\, dt+L\,d\vec \beta,$$ donde $$A = \left(\begin{array}{cc}0&1\\-\frac km&-\frac\eta m\end{array}\right).$$

En primer lugar, obsérvese que partiendo de una distribución gaussiana, el lado derecho de la ecuación es una combinación lineal de gaussianas, y ahí el cambio en $x$ será gaussiana y, por lo tanto $x$ permanece gaussiano. Así que la solución en estado estacionario debería ser una gaussiana. Todo lo que necesitas hacer es encontrar la covarianza $\newcommand\mean[1]{\left\langle#1\right\rangle} C=\mean{\vec x .\vec x^\top}.$ Usando el lema de Ito tenemos: $$\frac{dC}{dt}=\frac{d}{dt}\mean{\vec x .\vec x^\top}=A\mean{\vec x .\vec x^\top}+\mean{\vec x .\vec x^\top}A^\top+L^\top L = AC+CA^\top+L^\top L. $$

En estado estacionario, $AC+CA^\top+L^\top L=0$ puede resolverse para $C$ : $$C=\left(\begin{array}{cc}\frac1{2k\eta}&0 \\ 0&\frac1{2\eta m}\end{array}\right).$$ Dada la matriz de covarianza, la distribución gaussiana viene dada por $$ P(\vec x) = \frac1{\sqrt{det(2\pi C)}}e^{-\frac12\vec x^\top.C^{-1}.\vec x}. $$

i-Ciencias.com

I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.

Powered by:

X