1. Définition du modèle On considère un modèle de gaz parfait classique, constitué de N particules ponctuelles se déplaçant sur un domaine bidimensionnel. Les coordonnées (x, y) des particules sont dans l'intervalle [0, 1]. Les particules ont la même probabilité de se trouver en tout point de ce domaine (la densité de probabilité est uniforme). Soit v → i la vitesse de la particule i. Pour un gaz parfait, il n'y a pas d'énergie d'interaction entre les particules, donc l'énergie totale du système est la somme des énergies cinétiques des particules: E = 1 2 ∑ i = 1 N v → i 2 (1) L'énergie totale est supposée constante. Toutes les configurations de vitesse qui vérifient cette équation sont équiprobables. On se propose de faire une simulation de Monte-Carlo, consistant à échantillonner les positions et les vitesses aléatoirement afin de faire des calculs statistiques. Il faudra pour cela respecter les deux hypothèses d'équiprobabilité énoncées précédemment. La distribution des positions est indépendante de la distribution des vitesses.
Le calcul, pour être un peu "piégé" (mais sans aucune difficulté mathématique), n'en conduit pas moins à un résultat étonnamment simple: \[{\mu}_{j}^{\left(\mathrm{gp}\right)}\left(T, P, \underline{y}\right)={\mu}_{i}^{\left(\mathrm{std}\right)}\left(T\right)+RT\ln\frac{P{y}_{i}}{{P}^{\left(\mathrm{std}\right)}}\] Remarque: Cette définition est valable même si le mélange considéré n'est pas un gaz parfait! Dans le cas d'un gaz parfait, la pression partielle [ 6] d'un constituant est la pression qu'il aurait s'il occupait seul le volume du mélange. Fondamental: \[{f}_{i}^{\left(\mathit{gp}\right)}=P{y}_{i}={P}_{i}\] On notera que le potentiel chimique [ 4] du constituant \[i\] peut s'exprimer de deux façons équivalentes: \[\begin{array}{ccc}{\mu}_{i}^{\left(\mathrm{gp}\right)}\left(T, P, \underline{y}\right)& =& {\mu}_{i}^{\left(\mathrm{std}\right)}\left(T\right)+RT\ln\frac{Py_{i}}{{P}^{\left(\mathrm{std}\right)}}\\ & =& {\mu}_{i}^{\left(\mathrm{gp}, \mathrm{pur}\right)}\left(T, P\right)+RT\ln{y}_{i} \end{array}\]
Loi de Dalton La loi de Dalton stipule que la pression au sein d'un mélange de gaz parfaits est égale à la somme des pressions partielles de ses constituants. p = p 1 + p 2 + p 3 +... p n n ∑ i =1 p i
Quelle limite à cette simulation ce calcul met-il en évidence? Donner 6 nouveaux coups de pompe Quelle grandeur fait-on directement varier? Mesurer la nouvelle pression P 3 On peut considérer que le nombre de coups de pompe est proportionnel à la quantité de matière. Calculer le rapport n 3 /n 1. Le comparer au rapport P 3 / P 1. Constats des mesures précédentes: la pression augmente si le volume diminue. la pression augmente si la température augmente. Ces constatations sont-elles en accord avec l'équation de gaz parfaits? La pression se retrouve aussi dans la formule P = F / S; une force sur une surface. Interpréter les constats précédents avec cette formule.
Propriétés du gaz
01 nh=100 P=1000 (e, h)= distribution_energies(N, E, ecm, nh, P) plot(e, h, 'o') xlabel('ec') ylabel('proba') Les énergies cinétiques obéissent à la distribution de Boltzmann (distribution exponentielle). La température est T=E/N, l'énergie cinétique moyenne des particules. Pour le vérifier, on divise l'histogramme par sa première valeur, on le multiplie par E/N, puis on trace le logarithme népérien: plot(e, (h/h[0])*E/N, 'o') ylabel('ln(p/p0)') La probabilité pour une particule d'avoir l'énergie cinétique e est bien: p ( e) = p ( 0) e - e T (5) 3. b. Distribution des vitesses On cherche la distribution de la norme du vecteur vitesse. La fonction suivante calcule l'histogramme. vm est la vitesse maximale. def distribution_vitesses(N, E, vm, nh, P) def distribution_vitesses(N, E, vm, nh, P): h = vm*1. 0/nh m = ((2*e)/h) Voici un exemple vm = (2*ecm) (v, h) = distribution_vitesses(N, E, vm, nh, P) plot(v, h, 'o') xlabel('v') C'est la distribution des vitesses de Maxwell.