Fokker-Planck-Gleichung
Fokker-Planck-Gleichung
Fokker-Planck-Gleichung
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
<strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong><br />
Beschreibung<br />
stochastischer Prozesse<br />
David Kleinhans<br />
kleinhan@uni-muenster.de<br />
WWU Münster<br />
David Kleinhans, WWU Münster – <strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong> – Beschreibung elementarer stochastischer Prozesse 1
Geschichte<br />
Historische ’Highlights’ der stochastischen Prozesse:<br />
1905 Einsteins Beschreibung der Diffusion bei der Brown’schen Bewegung<br />
1908 Langevin-<strong>Gleichung</strong><br />
1914/17 <strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong><br />
1928 Mastergleichung<br />
1940-49 Kramers-Moyal-Entwicklung<br />
David Kleinhans, WWU Münster – <strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong> – Beschreibung elementarer stochastischer Prozesse 2
Geschichte<br />
Historische ’Highlights’ der stochastischen Prozesse:<br />
1905 Einsteins Beschreibung der Diffusion bei der Brown’schen Bewegung<br />
1908 Langevin-<strong>Gleichung</strong><br />
1914/17 <strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong><br />
1928 Mastergleichung<br />
1940-49 Kramers-Moyal-Entwicklung<br />
Jetzt: Stochastik im Zweitraffer!<br />
David Kleinhans, WWU Münster – <strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong> – Beschreibung elementarer stochastischer Prozesse 2
Wegweiser<br />
Einführung in die Stochastik<br />
Zufallsprozesse<br />
Wahrscheinlichkeitsdichten / bedingte Wahrscheinlichkeiten<br />
Charakteristische Funktion<br />
Momente und Kumulanten<br />
Elementare stochastische Prozesse: Langevin-<strong>Gleichung</strong><br />
Modell: Brownsche Bewegung<br />
Nichtlineare <strong>Gleichung</strong><br />
Zeitverhalten von Wahrscheinlichkeitsdichten: <strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong><br />
Kramers-Moyal-Entwicklung<br />
Berechnung der Entlicklungskoeffizienten für Langevin<br />
<strong>Fokker</strong>-<strong>Planck</strong>: Charakterisierung der <strong>Gleichung</strong><br />
David Kleinhans, WWU Münster – <strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong> – Beschreibung elementarer stochastischer Prozesse 3
Einführung in die Stochastik<br />
David Kleinhans, WWU Münster – <strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong> – Beschreibung elementarer stochastischer Prozesse 4
Stochastik: Motivation<br />
Stochastik (griechisch): Kunst des (geschickten) Vermutens<br />
Untersuchung makroskopischer, komplexer Systeme:<br />
Klassische, Newton’sche Beschreibung: Sehr (, häufig zu) viele Freiheitsgrade<br />
Mit Methoden der Stochastik:<br />
Deterministischer Anteil<br />
Fluktuierende, stochastischer Anteil<br />
⇒ Stochastische Beschreibung von physikalischen Prozessen<br />
David Kleinhans, WWU Münster – <strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong> – Beschreibung elementarer stochastischer Prozesse 5
Stochastik: Grundlagen 1<br />
Zufallsvariable ξ: nicht vorhersagbar<br />
Schar-Mittel: Viele Experimente oder Ensemble von Experimenten ξ n<br />
1<br />
∑<br />
〈f(ξ)〉 = lim f(ξ<br />
N→∞ N n )<br />
n<br />
Mit der Heavyside’schen-Θ-Funktion Θ(x − ξ) =<br />
⎧<br />
⎪⎨<br />
⎪⎩<br />
0 für ξ > x<br />
1<br />
2<br />
für ξ = x<br />
1 für ξ < x<br />
:<br />
Verteilungsfunktion<br />
P(ξ < x) + 1 P(ξ = x) = 〈Θ(x − ξ)〉<br />
2<br />
mit: d P(ξ ≤ x) > 0 ∀ x, P(ξ ≤ −∞) = 0, P(ξ ≤ +∞) = 1<br />
dx<br />
David Kleinhans, WWU Münster – <strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong> – Beschreibung elementarer stochastischer Prozesse 6
Grundlagen 2<br />
Einführung der Wahrscheinlichkeitsdichte (distribution function):<br />
W ξ (x) := d<br />
dx P(ξ ≤ x) = 〈 d Θ(x − ξ)〉 = 〈δ(x − ξ)〉<br />
dt<br />
Es gilt: ∫ W ξ (x) dx = 1 und W ξ (x) ≥ 0 ∀ x<br />
Alle Mittelwerte lassen sich mit Hilfe von W ξ (x) berechnen:<br />
〈f(ξ)〉 = 〈 ∫ f(x)δ(x − ξ) dx〉 = ∫ f(x)〈δ(x − ξ)〉 dx = ∫ f(x)W ξ (x) dx<br />
Momente M n :<br />
M n := 〈ξ n 〉<br />
David Kleinhans, WWU Münster – <strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong> – Beschreibung elementarer stochastischer Prozesse 7
Grundlagen 3<br />
Charakteristische Funktion:<br />
C ξ (x) := 〈e iuξ 〉 = ∫ e iux W ξ (x) dx<br />
Fouriertransformierte von W ξ (x)<br />
Berechnung der Momente:<br />
M n := 〈ξ n 〉 = 1<br />
i n<br />
dn<br />
du n C ξ (u)<br />
∣<br />
∣<br />
u=0<br />
Taylor-Entwicklung von C ξ (u) um u = 0:<br />
∑<br />
C ξ (u) = 1 + ∞<br />
n=1<br />
(iu) n<br />
n!<br />
M n<br />
Kumulanten K n :<br />
C ξ (u) =: e<br />
∞∑<br />
n=1<br />
(iu) n<br />
n!<br />
K n<br />
Kumulanten und Momente sind verknüpft:<br />
K 1 = M 1 M 1 = K 1<br />
K 2 = M 2 − M 2 1 M 2 = K 2 + K 2 1<br />
K 3 = M 3 − 3M 1 M 2 + 2M 3 1 M 3 = K 3 + 3K 2 K 1 + K 3 1<br />
.<br />
.<br />
David Kleinhans, WWU Münster – <strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong> – Beschreibung elementarer stochastischer Prozesse 8
’Einfache’ Verteilungen<br />
’Einfache’ Wahrscheinlichkeitsverteilungen für<br />
K n = 0 ∀ n > N<br />
N = 1:<br />
C ξ (u) = e iuK 1 ⇒ W ξ (x) = δ(x − K 1 )<br />
N = 2:<br />
C ξ (u) = e iuK 1− 1 2 u2 K 2<br />
⇒ W ξ (x) = 1<br />
2π<br />
∞∫<br />
−∞<br />
e −iux+iuK 1− 1 2 u2 K 2<br />
du<br />
W ξ (x) =<br />
1<br />
√ 2πK2<br />
e − 1 2<br />
(x−K 1 ) 2<br />
K 2<br />
David Kleinhans, WWU Münster – <strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong> – Beschreibung elementarer stochastischer Prozesse 9
Bedingte Wahrscheinlichkeiten<br />
Verallgemeinerung auf mehrere Zufallsvariable:<br />
ξ −→ ξ 1 , . . . , ξ r und W ξ (x) −→ W r (x 1 , . . . , x r )<br />
Bedingte Wahrscheinlichkeitsdichten:<br />
W r (x 1 , . . . , x r ) = P(x 1 |x 2 , . . . , x r ) · W r−1 (x 2 , . . . , x r )<br />
⇒ P(x 1 |x 2 , . . . , x r ) = W r(x 1 ,...,x r )<br />
∫<br />
Wr (x 1 ,...,x r )dx 1<br />
Korrelation zweier Zufallsvariablen:<br />
κ(ξ 1 , ξ 2 ) := 〈(ξ 1 − 〈ξ 1 〉)(ξ 2 − 〈ξ 2 〉)〉 = 〈ξ 1 ξ 2 〉 − 〈ξ 1 〉〈ξ 2 〉<br />
Es gilt: κ(ξ, ξ) = 〈(ξ − 〈ξ〉) 2 〉 = K 2<br />
David Kleinhans, WWU Münster – <strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong> – Beschreibung elementarer stochastischer Prozesse 10
Zeitabhängige Zufallsvariablen<br />
Zeitabhängigkeit der Zufallsvariablen:<br />
ξ −→ ξ(t) und damit<br />
W 1 (x) −→ W 1 (x 1 , t 1 ) = 〈δ(x 1 − ξ(t))〉<br />
Für die bedingte Wahrscheinlichkeitsdichten gilt nun:<br />
P(x n , t n |x n−1 , t n−1 , . . . , x 1 , t 1 ) = 〈δ(x n − ξ(t n ))〉| xn−1 ,t n−1 ,...,x 1 ,t 1<br />
=<br />
W n (x n , t n , . . . , x 1 , t 1 )<br />
∫<br />
Wn (x n , t n , . . . , x 1 , t 1 ) dx n<br />
David Kleinhans, WWU Münster – <strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong> – Beschreibung elementarer stochastischer Prozesse 11
Klassifikation von Zufallsprozessen<br />
Reiner Zufallsprozess: P(x n , t n |x n−1 , t n−1 , . . . , x 1 , t 1 ) = W(x n , t n )<br />
Es folgt: W n (x n , t n , . . . , x 1 , t 1 ) = W 1 (x n , t n ) · . . . · W 1 (x 1 , t 1 )<br />
Beachte: Für |t n − t n−1 | ≪ 1 muß ein physikalisches System eine Korrelation<br />
haben<br />
⇒ Reiner Zufallsprozess unphysikalisch!<br />
Markov-Prozess: P(x n , t n |x n−1 , t n−1 , . . . , x 1 , t 1 ) = P(x n , t n |x n−1 , t n−1 )<br />
Es folgt: W n (x n , t n , . . . , x 1 , t 1 ) =<br />
P(x n , t n |x n−1 , t n−1 )·P(x n−1 , t n−1 |x n−2 , t n−2 )·. . .·P(x 2 , t 2 |x 1 , t 1 )·W 1 (x 1 , t 1 )<br />
es gilt: lim P(x 2 , t 2 |x 1 , t 1 ) = δ(x 2 − x 1 ),<br />
t 2 →t 2<br />
⇒ Komplette Information steckt in W 2 !<br />
Generelle Prozesse (mehr Terme)<br />
lassen sich nach Wang, Uhlenbeck auf Markov-Prozesse zurückführen<br />
David Kleinhans, WWU Münster – <strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong> – Beschreibung elementarer stochastischer Prozesse 12
Elementare stochastische Prozesse:<br />
Langevin-<strong>Gleichung</strong>en<br />
David Kleinhans, WWU Münster – <strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong> – Beschreibung elementarer stochastischer Prozesse 13
Brown’sche Bewegung<br />
Prominentes Beispiel:<br />
Makroskopisches Teilchen in Flüssigkeit, Newton: mẍ + bẋ = F s (t)<br />
Langevin-<strong>Gleichung</strong>:<br />
˙v = −γv + Γ(t)<br />
Γ(t) stochastische Kraft mit folgenden Eigenschaften:<br />
〈Γ(t)〉 = 0<br />
〈Γ(t)Γ(t ′ )〉 = qδ(t − t ′ )<br />
Spektrale Dichte (nach Wiener-Khintchine-Theorem):<br />
∞∫<br />
S(ω) = 2 exp(−iωτ)〈Γ(t + τ)Γ(t)〉 dτ = 2q<br />
−∞<br />
Man nennt Γ(t) deltakorreliertes, weißes Rauschen<br />
(⇒ Markov-Prozess)<br />
David Kleinhans, WWU Münster – <strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong> – Beschreibung elementarer stochastischer Prozesse 14
Nichtlineare Langevin-<strong>Gleichung</strong><br />
Allgemeine, nichtlineare Formulierung:<br />
˙ξ = h(ξ,t) + g(ξ,t)Γ(t)<br />
mit<br />
〈Γ(t)〉 = 0<br />
〈Γ(t)Γ(t ′ )〉 = 2δ(t − t ′ )<br />
Falls g<br />
⎧<br />
⎪⎨<br />
⎪⎩<br />
konstant<br />
= g(ξ)<br />
⎫<br />
⎪⎬<br />
⎪⎭ nennt man das Rauschen: ⎧<br />
⎪⎨<br />
⎪ ⎩<br />
additiv<br />
multiplikativ<br />
Beachte:<br />
Multiplikatives Rauschen: Im Allgemeinen 〈g(ξ, t)Γ(t)〉 ̸= 0<br />
→ Rauschinduzierter Drift<br />
Beispiel:<br />
h(ξ, t) ≡ 0 und g(ξ, t) = a · ξ ⇒ ξ(t) = 〈ξ(0)〉 · e<br />
a<br />
t∫<br />
0<br />
Γ(t ′ ) dt ′ und 〈ξ(t)〉 = 〈ξ(0)〉 · e a2 t<br />
David Kleinhans, WWU Münster – <strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong> – Beschreibung elementarer stochastischer Prozesse 15
Zeitverhalten von<br />
Wahrscheinlichkeitsdichten:<br />
<strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong><br />
David Kleinhans, WWU Münster – <strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong> – Beschreibung elementarer stochastischer Prozesse 16
Motivation<br />
Bis jetzt:<br />
Beschreibung einzelner Prozesse<br />
Bewegungsgleichung für elementare Prozesse<br />
Ab jetzt:<br />
Übergang zu Ensemble von Prozessen, Untersuchung der Wahrscheinlichkeit W(x, t),<br />
das Teilchen zur Zeit t am Orte x zu finden.<br />
Bewegungsgleichungen für Wahrscheinlichkeitsdichte<br />
W(x, t + τ) = ∫ W(x, t + τ, x ′ , t) dx ′ = ∫ P(x, t + τ|x ′ , t)W(x ′ , t) dx ′<br />
⇒ Notwendig: Kenntnis von P(x, t + τ|x ′ , t) für τ ≪ 1<br />
David Kleinhans, WWU Münster – <strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong> – Beschreibung elementarer stochastischer Prozesse 17
Kramers-Moyal-Entwicklung (fwd) 1<br />
Mit M n (x ′ , t, τ) = 〈[ξ(t + τ) − ξ(t)] n 〉| ξ(t)=x ′ = ∫ (x − x ′ ) n P(x, t + τ|x ′ , t) dx gilt:<br />
C(u,x ′ ,t, τ) = 1 + ∞ ∑<br />
(iu) n M n (x ′ ,t,τ)<br />
n=1<br />
n!<br />
{= ∫ e iu(x−x′) P(x, t + τ|x ′ , t) dx}<br />
Rücktransformation:<br />
P(x, t + τ|x ′ , t) = 1<br />
2π<br />
= 1<br />
2π<br />
∞∫<br />
−∞<br />
e −iu(x−x′ )<br />
∞∫<br />
−∞<br />
[<br />
1 + ∞ ∑<br />
e −iu(x−x′) C(u, x ′ , t, τ) du<br />
(iu) n M n (x ′ ,t,τ)<br />
n!<br />
n=1<br />
]<br />
du<br />
Auswertung des Integrals:<br />
∞∫<br />
(iu) n e iu(x−x′) =<br />
1<br />
2π<br />
−∞<br />
Partielle Integration liefert später:<br />
∫<br />
f(x ′ ) ·<br />
(− ∂<br />
∂x) n<br />
δ(x − x ′ ) dx ′ =<br />
(<br />
− ∂<br />
∂x) n<br />
δ(x − x ′ )<br />
( ) n<br />
− ∂ ∫<br />
∂x f(x) δ(x − x ′ ) dx ′<br />
David Kleinhans, WWU Münster – <strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong> – Beschreibung elementarer stochastischer Prozesse 18
Kramers-Moyal-Entwicklung (fwd) 2<br />
Einsetzen von P(x, t + τ|x ′ , t) liefert:<br />
W(x, t + τ) = ∫ P(x, t + τ|x ′ , t)W(x ′ , t) dx ′<br />
= ∫ [ W(x, t) + ∞ ∑<br />
N=1<br />
1<br />
n!<br />
(<br />
]<br />
n<br />
−<br />
∂x) ∂ Mn (x, t, τ)W(x, t) δ(x − x ′ ) dx ′<br />
⇒ W(x,t+τ)−W(x,t)<br />
τ<br />
= ∞ ∑<br />
N=1<br />
1<br />
n!<br />
(<br />
− ∂<br />
∂x) n<br />
〈[ξ(t + τ) − ξ(t)] n 〉| ξ(t)=x<br />
W(x, t) 1 τ<br />
Im Grenzübergang τ → 0 gilt:<br />
∂<br />
∂t W(x, t) = ∑ ∞<br />
n=1<br />
(<br />
− ∂<br />
∂x) n<br />
D (n) (x, t)W(x, t)<br />
(Kramers-Moyal-Entwicklung, 1940-49)<br />
Dabei ist D (n) (x, t) = 1 1<br />
lim<br />
n! τ→0 τ 〈[ξ(t + τ) − ξ(t)]n 〉| ξ(t)=x<br />
.<br />
Entwicklungskoeffizienten für Langevin-<strong>Gleichung</strong> berechnen. . .<br />
David Kleinhans, WWU Münster – <strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong> – Beschreibung elementarer stochastischer Prozesse 19
Langevin: Entwicklungskoeffizienten 1<br />
Haben: Allgemeine, nichtlineare Langevin-<strong>Gleichung</strong>:<br />
˙ξ = h(ξ,t) + g(ξ,t)Γ(t)<br />
mit<br />
〈Γ(t)〉 = 0<br />
〈Γ(t)Γ(t ′ )〉 = 2δ(t − t ′ )<br />
Müssen berechnen:<br />
D (n) (x, t) = 1 1<br />
lim<br />
n! τ→0 τ 〈[ξ(t + τ) − ξ(t)]n 〉| ξ(t)=x<br />
David Kleinhans, WWU Münster – <strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong> – Beschreibung elementarer stochastischer Prozesse 20
Langevin: Entwicklungskoeffizienten 2<br />
ξ(t + τ) − x =<br />
t+τ ∫<br />
t<br />
h(ξ(t ′ ), t ′ ) + g(ξ(t ′ ), t ′ )Γ(t ′ ) dt ′<br />
Entwicklung von h und g um x = ξ(t):<br />
h(ξ(t ′ ), t ′ ) = h(x, t ′ ) + h ′ (x, t ′ )(ξ(t ′ ) − x) + . . .<br />
, für g entsprechend<br />
ξ(t + τ) − x =<br />
t+τ ∫<br />
t<br />
+<br />
h(x, t ′ ) dt ′ +<br />
t+τ ∫<br />
t<br />
t+τ ∫<br />
g(x, t ′ )Γ(t ′ ) dt ′ +<br />
t<br />
h ′ (x, t ′ )(ξ(t ′ ) − x) dt ′ + . . .<br />
t+τ ∫<br />
t<br />
g ′ (x, t ′ )(ξ(t ′ ) − x)Γ(t ′ ) dt ′ + . . .<br />
Iterieren:<br />
t+τ ∫<br />
= h(x, t ′ ) dt ′ +<br />
+<br />
+<br />
t<br />
t+τ ∫<br />
t<br />
t+τ ∫<br />
t<br />
t+τ ∫<br />
g(x, t ′ )Γ(t ′ ) dt ′ +<br />
g ′ (x, t ′ )<br />
∫t ′<br />
t<br />
t<br />
h ′ (x, t ′ )<br />
t+τ ∫<br />
t<br />
∫t ′<br />
t<br />
g ′ (x, t ′ )<br />
h(x, t ′′ ) dt ′′ dt ′ +<br />
∫t ′<br />
g(x, t ′′ )Γ(t ′′ )Γ(t ′ ) dt ′′ dt ′ + . . .<br />
t<br />
t+τ ∫<br />
t<br />
h ′ (x, t ′ )<br />
h(x, t ′′ )Γ(t ′ ) dt ′′ dt ′<br />
∫t ′<br />
t<br />
g(x, t ′′ )Γ(t ′′ ) dt ′′ dt ′ . . .<br />
David Kleinhans, WWU Münster – <strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong> – Beschreibung elementarer stochastischer Prozesse 21
Langevin: Entwicklungskoeffizienten 3<br />
Mittelwert:<br />
〈ξ(t + τ) − x〉 =<br />
t+τ ∫<br />
+<br />
t<br />
t+τ ∫<br />
t<br />
h(x, t ′ ) dt ′ +<br />
g ′ (x, t ′ )<br />
∫t ′<br />
t<br />
t+τ ∫<br />
t<br />
h ′ (x, t ′ )<br />
∫t ′<br />
t<br />
h(x, t ′′ ) dt ′′ dt ′ + . . .<br />
g(x, t ′′ )2δ(t ′′ − t ′ ) dt ′′ dt ′ + . . .<br />
Auswerten des Integrals:<br />
∫t ′<br />
t<br />
g(x, t ′′ )2δ(t ′′ − t ′ ) dt ′′ = g(x, t ′ )<br />
∫t ′<br />
t<br />
2δ(t ′′ − t ′ ) dt ′′ = g(x, t ′ )<br />
David Kleinhans, WWU Münster – <strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong> – Beschreibung elementarer stochastischer Prozesse 22
Langevin: Entwicklungskoeffizienten 3<br />
Mittelwert:<br />
〈ξ(t + τ) − x〉 =<br />
t+τ ∫<br />
+<br />
t<br />
t+τ ∫<br />
t<br />
h(x, t ′ ) dt ′ +<br />
g ′ (x, t ′ )<br />
∫t ′<br />
t<br />
t+τ ∫<br />
t<br />
h ′ (x, t ′ )<br />
∫t ′<br />
t<br />
h(x, t ′′ ) dt ′′ dt ′ + . . .<br />
g(x, t ′′ )2δ(t ′′ − t ′ ) dt ′′ dt ′ + . . .<br />
für τ ≪ 1:<br />
〈ξ(t + τ) − x〉 = h(x, t) · τ + 1 2 h′ (x, t)h(x, t)τ 2 + . . . + g ′ (x, t)g(x, t)τ + . . .<br />
⇒ D (1) 1<br />
(x,t) = lim<br />
τ→0 τ 〈ξ(t + τ) − x〉= h(x,t) + g′ (x,t)g(x,t)<br />
David Kleinhans, WWU Münster – <strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong> – Beschreibung elementarer stochastischer Prozesse 22
Langevin: Entwicklungskoeffizienten 4<br />
Ebenso erhält man D (2) (x, t) wieder aus:<br />
ξ(t + τ) − x<br />
=<br />
+<br />
+<br />
t+τ ∫<br />
t<br />
t+τ ∫<br />
t<br />
t+τ ∫<br />
t<br />
h(x, t ′ ) dt ′ +<br />
t+τ ∫<br />
g(x, t ′ )Γ(t ′ ) dt ′ +<br />
g ′ (x, t ′ )<br />
∫t ′<br />
t<br />
t<br />
h ′ (x, t ′ )<br />
t+τ ∫<br />
t<br />
∫t ′<br />
t<br />
g ′ (x, t ′ )<br />
h(x, t ′′ ) dt ′′ dt ′ +<br />
∫t ′<br />
g(x, t ′′ )Γ(t ′′ )Γ(t ′ ) dt ′′ dt ′ + . . .<br />
t<br />
t+τ ∫<br />
t<br />
h ′ (x, t ′ )<br />
h(x, t ′′ )Γ(t ′ ) dt ′′ dt ′<br />
∫t ′<br />
t<br />
g(x, t ′′ )Γ(t ′′ ) dt ′′ dt ′ . . .<br />
〈[ξ(t + τ) − x] 2 〉 = (h(x, t) · τ) 2 + ( 1<br />
2 h′ (x, t)h(x, t)τ 2) 2 + . . . + g(x, t)g(x, t)τ + . . .<br />
⇒ D (2) (x,t) = 1 2 lim<br />
τ→0<br />
1<br />
τ 〈[ξ(t + τ) − x]2 〉= [g(x,t)] 2<br />
Höhere Momente: Für deltakorreliertes Rauschen gilt: D (n) (x,t) = 0 ∀n ≥ 3<br />
David Kleinhans, WWU Münster – <strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong> – Beschreibung elementarer stochastischer Prozesse 23
<strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong> 1<br />
Mit diesen Entwicklungskoeffizienten<br />
D (1) (x, t) = h(x, t) + 1 2<br />
D (2) (x, t) = g 2 (x, t)<br />
D (n) (x, t) = 0 ∀n ≥ 3<br />
∂<br />
∂x g2 (x, t)<br />
erhalten wir aus der Kramers-Moyal-Entwicklung:<br />
Ẇ(x,t) =<br />
[<br />
]<br />
− ∂<br />
∂x D(1) (x,t) + ∂2<br />
∂x 2 D (2) (x,t) W(x,t) = L FP W(x,t)<br />
(<strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong>, 1914/17)<br />
lineare, partielle Differentialgleichung für W(x,t)<br />
reell, erster Ordnung in der Zeit: nicht invariant unter Zeitumkehr<br />
David Kleinhans, WWU Münster – <strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong> – Beschreibung elementarer stochastischer Prozesse 24
<strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong> 2<br />
Einfaches Beispiel: Lineare Langevin-<strong>Gleichung</strong> ˙v(t) = −γv(t) +<br />
√<br />
q<br />
2 Γ(t)<br />
D (1) = −γv und D (2) = q 2 = γkT<br />
m<br />
Stationärer Zustand:<br />
[<br />
Ẇ(v, t) = ! 0 = γ + γv ∂<br />
∂x + γkT<br />
m<br />
]<br />
∂ 2<br />
∂v 2 W(v)<br />
Die Maxwell-Verteilung W(v) =<br />
√<br />
m<br />
2πkT<br />
mv2<br />
e− 2kT<br />
erfüllt obige <strong>Gleichung</strong>!<br />
<strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong> für mehrere Variable:<br />
Ẇ(⃗x,t) =<br />
[<br />
− ∑ i<br />
∂<br />
D (1)<br />
∂x i i<br />
(⃗x,t) + ∑ i,j<br />
]<br />
∂ 2<br />
D (2)<br />
∂x i ∂x j ij<br />
(⃗x,t) W(⃗x,t)<br />
David Kleinhans, WWU Münster – <strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong> – Beschreibung elementarer stochastischer Prozesse 25
Zusammenfassung und Ausblick<br />
David Kleinhans, WWU Münster – <strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong> – Beschreibung elementarer stochastischer Prozesse 26
Zusammenfassung<br />
Langevin:<br />
Beschreibung einzelner Prozesse<br />
Bewegungsgleichung für Elementare Prozesse<br />
<strong>Fokker</strong>-<strong>Planck</strong>:<br />
Übergang zu Ensemble von Prozessen, Untersuchung der Wahrscheinlichkeit W(x, t),<br />
das Teilchen zur Zeit t am Orte x zu finden.<br />
Bewegungsgleichungen für Wahrscheinlichkeitsdichte<br />
Ẇ(x,t) =<br />
[<br />
]<br />
− ∂<br />
∂x D(1) (x,t) + ∂2<br />
∂x 2 D (2) (x,t) W(x,t) = L FP W(x,t)<br />
Kramers-Moyal-Entwicklung bis zur 2. Ordnung<br />
Für Markov-Prozesse verschwinden Ordnungen ≥ 3<br />
David Kleinhans, WWU Münster – <strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong> – Beschreibung elementarer stochastischer Prozesse 27
Vorschau<br />
Hier noch ein nettes Bild von Andreas :-)<br />
David Kleinhans, WWU Münster – <strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong> – Beschreibung elementarer stochastischer Prozesse 28
Ende<br />
Fragen zum Vortrag?<br />
Verwendete Quellen:<br />
The <strong>Fokker</strong>-<strong>Planck</strong> Equation, H. Risken, 1984<br />
Dynamik stochastischer Systeme (Vorlesungsskript), M. Janßen, 2001<br />
David Kleinhans, WWU Münster – <strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong> – Beschreibung elementarer stochastischer Prozesse 29
Übersprungene Folien<br />
David Kleinhans, WWU Münster – <strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong> – Beschreibung elementarer stochastischer Prozesse 30
Lineare Langevin-<strong>Gleichung</strong> 1<br />
Langevin-<strong>Gleichung</strong> ˙v = −γv + Γ(t) läßt sich für lineare Koeffizienten auswerten:<br />
Für v(t = 0) = v 0 :<br />
v(t) = v 0 e −γt +<br />
∫ t<br />
0<br />
e −γ(t−t′) Γ(t ′ ) dt ′<br />
Korrelation:<br />
∫t 1<br />
∫t 2<br />
〈v(t 1 )v(t 2 )〉 = v0 2e−γ(t 1+t 2 ) + e −γ(t 1+t 2 −t ′ 1 −t′ 2 ) 〈Γ(t ′ 1 )Γ(t′ 2 )〉 dt′ 1 dt′ 2<br />
0 0<br />
= v0 2e−γ(t 1+t 2 ) + q (<br />
2γ e<br />
−γ|t 1 −t 2 | − e −γ(t 1+t 2 ) )<br />
Auswertung des Integrals:<br />
t∫<br />
1<br />
0<br />
t∫<br />
2<br />
0<br />
= q ·<br />
= q<br />
2γ<br />
e γ(t′ 1 +t′ 2 ) 〈Γ(t ′ t 1<br />
1 )Γ(t′ 2 )〉 dt′ 1 dt′ 2 = q · ∫<br />
min(t 1 ,t 2 )<br />
∫<br />
0<br />
e 2γt′ 1dt 1 = q ·<br />
1<br />
2γ<br />
e 2γx∣ ∣x= t 1 +t 2 −|t 1 −t 2 |<br />
2<br />
(<br />
e γ(t 1 +t 2 ) · e −γ|t 1 −t2| − 1<br />
)<br />
0<br />
t∫<br />
2<br />
0<br />
x=0<br />
e γ(t′ 1 +t′ 2 ) δ(t ′ 2 − t′ t )dt′ 1 dt′ 2<br />
David Kleinhans, WWU Münster – <strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong> – Beschreibung elementarer stochastischer Prozesse 31
Lineare Langevin-<strong>Gleichung</strong> 1<br />
Langevin-<strong>Gleichung</strong> ˙v = −γv + Γ(t) läßt sich für lineare Koeffizienten auswerten:<br />
Für v(t = 0) = v 0 :<br />
v(t) = v 0 e −γt +<br />
∫ t<br />
0<br />
e −γ(t−t′) Γ(t ′ ) dt ′<br />
Korrelation:<br />
∫t 1<br />
∫t 2<br />
〈v(t 1 )v(t 2 )〉 = v0 2e−γ(t 1+t 2 ) + e −γ(t 1+t 2 −t ′ 1 −t′ 2 ) 〈Γ(t ′ 1 )Γ(t′ 2 )〉 dt′ 1 dt′ 2<br />
0 0<br />
= v0 2e−γ(t 1+t 2 ) + q (<br />
2γ e<br />
−γ|t 1 −t 2 | − e −γ(t 1+t 2 ) )<br />
Für γt 1 , γt 2 ≫ 1 ergibt sich: 〈v(t 1 )v(t 2 )〉 = q<br />
2γ e−γ|t 1−t 2 |<br />
Nach dem Gleichverteilungssatz:<br />
〈E〉 = m 2 〈[v(t)]2 〉 = m 2<br />
⇒ q = 2 γkT<br />
m<br />
q<br />
2γ<br />
!<br />
= 1 2 kT<br />
David Kleinhans, WWU Münster – <strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong> – Beschreibung elementarer stochastischer Prozesse 31
Lineare Langevin-<strong>Gleichung</strong> 2<br />
Geschwindigkeitsverteilungen schwierig zu beobachten.<br />
Besser: Mittleres Verschiebungsquadrat 〈(x(t) − x 0 ) 2 〉<br />
〈(x(t) − x 0 ) 2 〉 =<br />
=<br />
∫ t ∫ t<br />
0<br />
0<br />
〈[<br />
t ∫<br />
0<br />
〈v(t 1 )v(t 2 )〉 dt 1 dt 2<br />
v(t 1 ) dt 1<br />
] 2 〉<br />
=<br />
〈<br />
t ∫<br />
0<br />
∫ t<br />
0<br />
v(t 1 )v(t 2 ) dt 1 dt 2<br />
〉<br />
Wissen von eben: 〈v(t 1 )v(t 2 )〉 = v 2 0 e−γ(t 1+t 2 ) + q<br />
2γ<br />
(<br />
e<br />
−γ|t 1 −t 2 | − e −γ(t 1+t 2 ) )<br />
Integration:<br />
(<br />
∫t ∫t<br />
e −γ(t 1 +t 2 ) dt 1 dt 2 =<br />
0<br />
0<br />
∫t ∫t<br />
0<br />
0<br />
e −γ|t 1 −t 2 | ∫<br />
dt 1 dt 2 = 2 · t<br />
1−e −γt<br />
γ<br />
0<br />
t∫<br />
1<br />
0<br />
) 2<br />
e −γ(t 1 −t 2 ) dt 2 dt 1 = 2 γ t − 2<br />
γ 2 (1 − e−γt )<br />
David Kleinhans, WWU Münster – <strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong> – Beschreibung elementarer stochastischer Prozesse 32
Lineare Langevin-<strong>Gleichung</strong> 2<br />
Geschwindigkeitsverteilungen schwierig zu beobachten.<br />
Besser: Mittleres Verschiebungsquadrat 〈(x(t) − x 0 ) 2 〉<br />
〈(x(t) − x 0 ) 2 〉 =<br />
=<br />
∫ t ∫ t<br />
0<br />
0<br />
〈[<br />
t ∫<br />
0<br />
〈v(t 1 )v(t 2 )〉 dt 1 dt 2<br />
v(t 1 ) dt 1<br />
] 2 〉<br />
=<br />
〈<br />
t ∫<br />
0<br />
∫ t<br />
0<br />
v(t 1 )v(t 2 ) dt 1 dt 2<br />
〉<br />
Wissen von eben: 〈v(t 1 )v(t 2 )〉 = v0 2e−γ(t 1+t 2 ) + q (<br />
2γ e<br />
−γ|t 1 −t 2 | − e −γ(t 1+t 2 ) )<br />
( )<br />
⇒ 〈(x(t) − x 0 ) 2 〉 = v0 2 − q (1−e γt ) 2<br />
2γ γ 2 + q<br />
γ 2 t − q<br />
γ 3 (1 − e −γt )<br />
Für γt ≫ 1:<br />
〈(x(t) − x 0 ) 2 〉 = 2Dt mit D = q<br />
2γ 2 = kT<br />
mγ<br />
(Einsteins Resultat für die Diffusionskonstante, 1905)<br />
David Kleinhans, WWU Münster – <strong>Fokker</strong>-<strong>Planck</strong>-<strong>Gleichung</strong> – Beschreibung elementarer stochastischer Prozesse 32