#simulación por agentes

1. ¿Por qué modelar esto? 🌠

Porque con \(N>2\) no hay solución analítica — aparece el caos determinista. La compu se vuelve telescopio: podemos contar historias orbitales en cámara lenta y aprender de estabilidad, energía y transferencia de momento.

Mini-glosario express

• Cuerpo/partícula: agente con masa \(m\).
• \(\vec r_{ij}\): vector desde \(i\) a \(j\); \(r_{ij}=||\vec r_{ij}||\).
• \(G\): constante gravitacional (usamos u.a.: \(G=1\)).
• \(\vec v, \vec a\): velocidad y aceleración.
• COM: centro de masa. Quitamos su movimiento para que la “escena” no se nos vaya del encuadre.
• \(\varepsilon\) (softening): acolchado numérico: \(\sqrt{r^2+\varepsilon^2}\) evita singularidades en choques muy cercanos.
• \(\Delta t\): paso de tiempo; muy grande ⇒ inestabilidad, muy chico ⇒ más lento pero más fiel.

Dato musical random: Walking on the Moon (The Police, 1979) es perfecto de fondo; en nuestro universo nadie camina… ¡todos orbitan! 🎶🌙

---

2. Física exprés (pero bien puesta) 🧠🔭

• Segunda ley de Newton para cada cuerpo \(i\):  \[  m_i\,\vec a_i \;=\; \sum_{j\neq i} \vec F_{ij}.  \]

• Integración temporal (Velocity-Verlet): con aceleración \(\vec a(t)\),  \[  \vec x_{t+\Delta t} = \vec x_t + \vec v_t\,\Delta t + \tfrac12\vec a_t\,\Delta t^2,\qquad  \vec v_{t+\Delta t} = \vec v_t + \tfrac12\left(\vec a_t + \vec a_{t+\Delta t}\right)\Delta t.  \]  Es casi conservativo de energía (mucho más que Euler).

• Energía total (con suavizado \(\varepsilon\) para evitar singularidades numéricas):  \[  E = \underbrace{\tfrac12\sum_i m_i |\vec v_i|^2}_{\text{Cinética}}      \;-\; \underbrace{\sum_{i<j}\frac{G\,m_i m_j}{\sqrt{r_{ij}^2+\varepsilon^2}}}_{\text{Potencial}}.  \]

1. ¿Por qué molestarse con una cajita? 📦🤔  

James Clerk Maxwell y Ludwig Boltzmann jugaban mentalmente con miles de moléculas rebotonas para descubrir la relación entre la presión \(P\), el volumen \(V\) y la temperatura \(T\). Nosotros haremos lo mismo… ¡pero con Python y emojis!  

Dato random musical: Daddy Yankee popularizó la palabra gasolina en medio mundo; hoy haremos gas-o-física. 💃⛽️  

---

2. Fundamento Físico (micro ↔ macro)  

• Colisiones elásticas: conservan energía cinética y momento lineal.  
• Presión microscópica:    \[    P \;=\; \frac{1}{\Delta t\,A}\,\sum_i \Delta p_i  \]  donde \(\Delta p_i\) es el impulso transferido por la partícula \(i\) al muro y \(A\) el área del muro.  
• Temperatura:    \[    T \;=\; \frac{2}{3\,N\,k_B}\,\sum_{i=1}^{N}\frac{1}{2} m v_i^{2}  \]  (En 2-D tomamos \(V = L^2\) para conectar con la ley ideal; el código ajusta la constante).  

💡 Spoiler: al promediar suficientes rebotes, la relación \(PV = N k_B T\) emerge — una sinfonía estadística.  

---

3. Algoritmo a lo Bullet-Time 🕶️  

1. Inicializa \(N\) partículas con posiciones aleatorias y velocidades gaussianas (distribución de Maxwell-Boltzmann).  
2. Avanza cada paso \(\Delta t\): pos += vel * dt.  
3. Rebote con muros: si \(x<0\) o \(x>L\) invierte \(v_x\); igual para \(y\). Suma \(2m v_\perp\) al contador de impulso para ese muro.  
4. (Opcional) Colisión partícula-partícula: detecta superposición e intercambia velocidades (mayor realismo, más CPU).