Resonancia estocstica en un sistema lineal

Hector Calisto , Fernando Mora , Enrique Tirapegui Departamento de Fsica, Facultad de Ciencias Universidad de Tarapac Casilla 7-D Arica e-mail: hcalisto@uta.cl Departamento de Fsica, Facultad de Ciencias Universidad de Chile, Las Palmeras 3425, Nuoa, Santiago Departamento de Fsica, Facultad de Ciencias Fsicas y Matemticas Universidad de Chile, Blanco Encalada 2008, Santiago
Abstract En este artculo se resuelve en forma exacta un sistema lineal sometido a un ruido coloreado cuadrtico multiplicativo del tipo Ornstein-Uhlenbeck y forzado por una seal externa peridica, usando tcnicas de integracin funcional y se muestra que este sistema tambin presenta el fenmeno de la resonancia estocstica. Este fenmeno consiste bsicamente en la amplicacin de la respuesta de un sistema dinmico sometido a una perturbacin externa peridica cuando se agrega una fuente de ruido al sistema Mostramos que es posible diferenciar tres casos distintos a partir de la solucin general, segn si el te rmino de ruido es cuadrtico completo, lineal o slo cuadrtico sin el trmino lineal y en cada uno de ellos se encuentra el fenmeno de la resonancia para el comportamiento de la amplitud del valor medio estacionario versus uno de los parmetros del proceso de Ornstein-Uhlenbeck.

27

Introducin

La Resonancia Estocstica [1-5] es un fenmeno en el cual la respuesta de un Sistema Dinmico a una Perturbacin Extern a es optimizada por la presencia de un cierto nivel de Ruido. Para ilustrar este fenmeno consideremos el movimiento sobreamortiguado de una partcula de masa m y coeciente de friccin en un potencial biestable simtrico V (x) tal como se muestra en la siguiente gura [4].

Fig. 1 Partcula en un potencial biestable. La partcula est sometida a uctuaciones o ruido que pueden ser debidas, por ejemplo, al contacto con una fuente de calor. Estas fuerzas causan transiciones entre los pozos del potencial con una tasa dada por la famosa tasa de Kramers V 0 b exp (1) rk = 2 D
00 en que 2 0 = V (xm )/m es la frecuencia angular de oscilacin en los mnimos xm del 2 potencial y b = V 00 (xb )/m la frecuencia en el mximo xb ; V es la altura de la barrera de potencial que separa los dos mnimos y D es la intensidad del ruido que depende de la temperatura segn D = kB T . Si se perturba el sistema con una fuerza peridica dbil, de frecuencia , el potencial biestable es balanceado peridicamente hacia arriba y hacia abajo, subiendo y bajando en forma peridica la barrera de potencial. An cuando la perturbacin es demasiado dbil para forzar a la partcula a saltar entre los dos pozos, los saltos debido al ruido entre los dos pozos pueden sincronizarse con la perturbacin peridica dbil. Esta sincronizacin, de carcter estadstico, ocurre cuando el tiempo promedio de espera Tk (D) = 1/rk entre dos transiciones entre los pozos inducidas por el ruido es comparable con la mitad del perodo T = 2/. Lo anterior proporciona la llamada condicin de coincidencia de escala de tiempo para la llamada resonancia estocstica, i.e.,

28

1 Tk T (2) 2 El trmino resonancia estocstica fue introducido por Benzi, Sutera, Vulpiani y Nicolis [1-3], en el contexto de un modelo para explicar el cambio en el clima de la tierra entre eras glaciales y perodos de clima normal, considerando un perodo de alrededor de 100.000 aos. En este modelo el clima global es representado por un potencial biestable, en que un mnimo representa una baja temperatura terrestre correspondiente a una situacin de era glacial. La pequea modulacin de la excentricidad de la tierra es representada como una perturbacin peridica dbil. Las uctuaciones climticas de corto trmino, tales como las uctuaciones de mediano plazo (no estacionales) de la radiacin solar son modeladas como ruido blanco Gaussiano. Si el ruido es "sintonizado" segn la ecuacin (2), entonces un salto sincronizado entre el clima glacial y normal aumentar signicativamente la respuesta del clima terrestre a una perturbacin dbil causada por la variacin de la excentricidad orbital de la tierra. Un modelo genrico para introducir la resonancia estocstica y que permite un clculo analtico es el de una partcula en un potencial biestable. La posicin de la partcula se "ltra", considerando solo en que pozo del potencial se encuentra en un cierto instante de tiempo. Consideremos entonces un sistema simtrico (potencial biestable), no sometido a perturbaciones externas que realiza transiciones entre dos estados xm con una tasa W0 . Estas transiciones puede ser debidas al ruido que el sistema experimenta al estar en contacto con una fuente trmica. Sea n (t) la probabilidad que el sistema ocupe alguno de los dos estados en el tiempo t, es decir, x(t) = xm . Si el sistema es perturbado por una seal externa peridica A(t) = A0 cos[t], entonces realizar transiciones entre los puntos , en forma alternada y las densidades de probabilidad de transicin W (t) (tasas de transicin para abreviar), desde los estados xm , dependern del tiempo en forma peridica. Luego se puede escribir una ecuacin maestra para las probabilidades n (t) dn (t) = W (t)n (t) + W (t)n (t) dt o haciendo uso de la condicin de normalizacin n+ + n = 1, dn (t) = [W (t) + W (t)]n (t) + W (t) dt Al integrar formalmente la ecuacin (4) se obtiene Z t W ( ) d n (t) = g (t) n (t0 ) + g ( ) t0 Z t g (t) = exp d [W+ (t) + W (t)]
t0

(3)

(4)

(5) (6)

en que n (t0 ) es una condicin inicial arbitraria. Siguiendo a Mcnamara y Wiesenfeld [6], se escribe para las tasas de transicin las llamadas tasas peridicas de transicin moduladas del tipo Arrhenius: A0 xm cos (t) (7) W ( ) = rk exp D

29

Supongamos ahora que la amplitud de modulacin es pequea, es decir, A0 xm /D 1, luego se puede expandir en serie con respecto al parmetro pequeo A0 xm /D. As # " 1 A0 xm 2 A0 xm 2 cos (t) + cos (t) ... W ( ) = rk 1 D 2 D # " 1 A0 xm 2 W+ (t) + W (t) = 2rk 1 + cos2 (t) + ... (8) 2 D Integrando las ecuaciones (5) y (6) y reteniendo trminos hasta el primer orden en el parmetro A0 xm /D, n+ (t|x0 , t0 ) = 1 n (t|x0 , t0 ) = en que o 1 n [2rk (tt0 )] e [2 x0 ,xm 1 (t0 )] + 1 + (t) (9) 2

xm 2rk A0 D (t) = q cos t 2 + 2 4rk = arctan 2rk

(10)

(11)

La expresin n+ (t|x0 , t0 ) se debe leer como la probabilidad condicional de que x(t) se encuentre en el estado + en el tiempo t, sabiendo que el estado inicial era x0 x(t0 ). La delta de Kronecker x0 ,xm reeja el estado discreto del sistema y vale 1 cuando el sistema se encuentra inicialmente en el estado +. La solucin (9) permite el clculo de cualquier cantidad estadstica de inters del proceso discreto x(t) a primer orden en el parmetro de expansin A0 xm /D. En particular, calculemos la respuesta temporal promedio del sistema frente a la perturbacin peridica. Por denicin de valor medio o esperado Z (12) hx(t)|x0 , t0 i = dxP (x, t|x0 , t0 )x en que la probabilidad condicional se escribe P (x, t|x0 , t0 ) n+ (t) (x xm ) + n (t) (x + xm ) (13)

donde nuevamente las deltas de Dirac obligan a la partcula a estar en uno u otro pozo del potencial. Reemplazando y tomando el lmite asinttico t0 lo que nos dene el llamado promedio estacionario y que denotamos por el smbolo hx(t)ist podemos escribir nalmente: hx(t)ist x(D) =
t0 A0 x2 m

lim hx(t)|x0 , t0 i= x(D) cos (t (D))

(14) (15)

2rk q D 2 + 2 4rk (D) = arctan 2rk

(16)

30

Examinando la expresin anterior se puede ver el comportamiento de x(D) como funcin de la intensidad del ruido D tal como lo muestra la gura 2. A la expresin x(D) la llamamos amplitud del promedio estacionario.
x@DD
-

w0=1.2 ; wb =g=xm=1; A=10-2

Frecuencia HHzL

0.014 0.012 0.01 0.008 0.006 0.004 0.002

W=0,30 W=0,40 W=0,50 W=0,60

D 0.5 1 1.5 2 2.5 3

Fig. 2 Amplitud x(D) versus D La gura 2 muestra el comportamiento de la amplitud del promedio estacionario, como funcin de la intensidad del ruido, para distintos valores de la frecuencia. Ntese que cada curva, exhibe un mximo, para un valor del ruido distinto de cero ; este mximo es lo que se denomina resonancia estocstica y el valor del ruido para el cual ocurre este mximo es lo que se llama el valor de resonancia estocstica. A medida que la frecuencia aumenta, el efecto de resonancia disminuye. Debe notarse, sin embargo, 1 que la condicin de resonancia Tk T es solo aproximada, lo esencial es que ambas 2 escalas de tiempo bsicamente son del mismo orden de magnitud. La tabla 1 muestra la armacin anterior. En sta se ha calculado, primero el tiempo de correlacin, TD , que es el inverso del valor del ruido D para el cual una curva con cierta frecuencia presenta un mximo. Luego, para la frecuencia de esa curva se calcula su perodo T = 2/ y nalmente se calcula el cuociente de ambas escalas de tiempo TD /T TD 4, 76 4, 35 4, 00 3, 85 T 20, 9 15, 7 12, 6 10, 5 Tabla 1
TD T

0, 23 0, 28 0, 32 0, 37

Resonancia Estocstica en un Sistema Lineal

Hasta hace un tiempo se pensaba que la biestabilidad de un sistema dinmico era un requisito esencial del fenmeno de resonancia estocstica; sin embargo, tambin se

31

encontr que existe en sistemas lineales [7-12], es decir, sistemas con un potencial cuadrtico sometidos tanto al llamado ruido multiplicativo dicotmico como tambin para ruido multiplicativo Gaussiano. Estrictamente la presencia del trmino de ruido origina que el sistema sea no lineal en su respuesta. La denominacin lineal se reere simplemente a que cuando se mira el sistema en trminos de la variable dinmica x la ecuacin diferencial resultante es lineal y de primer orden en esta variable. Sin embargo, las soluciones que existen son solo aproximadas. El modelo considerado es del tipo (17) x (t) = ao + a1 (t) + a2 2 (t) x(t) + A sin(t) donde ao , a1 , a2 son parmetros libres (t) es un ruido coloreado. En este artculo tomamos (t) como el proceso de Ornstein-Uhlenbeck denido por: (t) = (t) + c (t) (18)

donde > 0 es el recproco del tiempo de correlacin del proceso de Ornstein-Uhlenbeck y c > 0 mide la intensidad del ruido blanco Gaussiano (t) con valor medio h (t)i = 0 y funcin de correlacin h (t) (t0 )i = (t t0 ). Precisamos que sistemas forzados por un ruido cuadrtico, que modelizan un ruido de signo constante, pero sin una seal peridica externa, han sido considerados previamente en la literatura [13-15]. En [13] una tcnica de derivada funcional es utilizada para calcular promedios y las funciones de correlacin para sistemas lineales sometido a un ruido Gaussiano general. Este mtodo proporciona ecuaciones diferenciales a derivadas parciales para las funciones de correlacin y es diferente a nuestro procedimiento que utiliza la tcnica de la integral funcional, que permite el clculo directo de las funciones de correlacin a partir de la solucin de la ecuacin (17) expresada como funcional del ruido coloreado. En [14] el autor construye un elegante mtodo para obtener ecuaciones de evolucin para la distribucin de probabilidad p(x, t) del proceso generado de la ecuacin (17), que tal como el autor precisa, representa el sistema estocstico, exactamente soluble, ms simple con un ruido cuadrtico. A partir de la ecuacin de evolucin para la probabilidad este autor deriva ecuaciones de evolucin para los momentos del proceso x(t). Finalmente en [15] se estudia un sistema lineal bajo ruido cuadrtico aditivo, es decir, x (t) = x(t) + el2 (t). Una ecuacin maestra exacta para la distribucin de probabilidad p(x, t) es encontrada y se estudia la expansin de Kramers-Moyal de esta ecuacin. La ecuacin (1) se puede considerar como ecuacin diferencial de primer orden lineal para la variable x(t). Una integracin formal de la ecuacin (1) conduce a: Z t a0 (tt0 ) [ (); t, t0 ]+ A d sin( )ea0 (t ) [ (); t, ] (19) x(t) = x0 e
t0

donde [ (); t2 , t1 ] = e

es un funcional de (). En situaciones prcticas uno no est interesado en la realizacin especca del ruido sino en los valores medios del proceso bajo consideracin. En el caso presente, ya que tenemos una solucin exacta vlida para cualquier realizacin dada, es ms simple calcular los valores medios directamente de la ecuacin (19). Realizando entonces el promedio h...i sobre todas las realizaciones del ruido coloreado () se obtiene Z t d sin( )ea0 (t ) (t, ) (21) hx(t)i=x0 ea0 (tt0 ) (t, t0 ) + A
t0

U t2 2 t d (a1 ( )+a2 ( ))
1

(20)

32

donde

Para calcular el valor medio anterior buscamos una representacin de integral funcional, siguiendo los mtodos desarrollados en [16], escribimos entonces j = t + j ; N +1 = t,
0

E D Ut 2 0 (t, t ) = e t0d (a1 ( )+a2 ( )) ,

t>t

(22)

j = 0, 1, . . . ., N + 1,

tt = N +1

(23)

Luego la expresin discretizada de (22) es (t, t ) = donde WN +1=WN +1 ( N +1 , N +1 ; . . . ; 0 , 0 ) =

N +1 Y j =0
0

N +1 S j =1

(a1 j +a2 2 j)

+ Z N +1 N +1 S Y (a1 j +a2 2 j) j =1 d j WN +1 e =
j =0

(24)

P ( j , j | j 1 , j 1 )W1 ( 0 , 0 )

(25)

es la densidad de probabilidad conjunta del proceso de Ornstein-Uhlenbeck denido 0 0 0 por la ecuacin(18). Aqu P (, | , ), > , es la densidad de probabilidad 0 condicional y W1 ( 0 , 0 ) es la densidad de probabilidad a un tiempo 0 = t . Ya que estamos interesados en el comportamiento del valor medio a tiempos largos, tomamos la densidad de probabilidad condicional en el estado estacionario. Elegimos W1 como la probabilidad estacionaria independiente del tiempo del propio proceso de OrnsteinUhlenbeck r 2 e c 0 (26) W1 ( 0 , 0 ) = Pst ( 0 ) = c Para pequeo, (N grande) obtenemos de la ecuacin (18) que la densidad de probabilidad condicional a tiempos cortos es dada con suciente precisin por [16] 1 e 2c P ( j , j | j 1 , j 1 ) = 2 c

j

+ j 1

2

(27)

donde hemos denido j j j 1 , j = 1, 2, . . . , N + 1. Reemplazando (25), (26) y (27) en (24) y considerando que (27) esta discretizada en el pre-punto, tenemos que cambiar a la discretizacin del punto medio para poder hacer una integracin por 1 partes en la versin continua de (24), este es el origen del factor e 2 (tt0 ) en la siguiente frmula. Despus de un poco de lgebra obtenemos r Z 1 2 2 0 0 (tt0 ) 2 d 0 d e 2c (0 + ) I (, t; 0 , t ) (28) (t, t ) = e c donde 1 I (, t; 0 , t ) = 2 c
0

 N +1 S Z Y j N d j 2c j =1 ( )2 +2 2 j +2 c a1 j e 2 c j =1

(29)

que es independiente de la discretizacin y p = 2 + 2 c a2 > 0

(30)

33

es un nmero real y positivo. Si ste no es el caso no tendremos un estado estacionario. Al completar cuadrados en el argumento de la exponencial, la expresin previa se puede escribir de manera formal como I=e
ca2 1 (tt0 ) 22

De

1 2 c

Ut

0 t

  2  2 +2 + ca1 d 2

( (t) ) ( (t ) 0 )

(31)

en que las deltas de Dirac son usadas como una notacin solamente para indicar que 0 los valores de t y t son jos para propsitos de la presente integracin. Realizando ahora la transformacin ca1 (32) () = () + 2 que no cambia la medida de integracin D = D ni tampoco otro factor en la integracin puesto que el Jacobiano vale 1, se obtiene Z Ut ca2 1 1 (tt0 ) 0 2 +2 2 ) 2 ((t) ) ((t ) 0 ) (33) I = e 2 De 2c t0 d ( Ahora podemos usar las tcnicas introducidas por Langouche-Roekaerts-Tirapegui para el clculo del funcional cuadrtico [16], lo que arroja nalmente s   ca2 cosh 2 cosh 2 1 (tt0 ) + 0 0 2 c sinh c sinh 2 c sinh e (34) I = e 22 2c sinh
1 1 , 0 = 0 + ca . donde (t t ), = + ca 2 2 Reemplazando la expresin (34) en (28) y usando la transformation (32) se puede escribir d 0 d = d0 d, y realizando todas las transformaciones apropiadas ms una simple integracin gaussiana nalmente se llega al resultado s " 2 ! a1 1 (/)2 0 0 2 c exp (t, t ) = t t 2 + 1 (/)2 e2 2 # c 2a1 1 e (35) + + 1 (/) e 0

donde =+ and = (36) Volviendo a la ecuacin (21) vemos que para tener un estado estacionario < x(t) >st es necesario analizar ea0 (t ) (t, ) en el lmite , ya que nalmente tendremos que tomar el lmite t0 . De la ecuacin (35) podemos ver que esto implica la condicin 2 a1 >0 (37) a0 + 2c 2 + Entonces es directo ver que hx(t)ist = A Z
t

ds sin(s)ea0 (ts) (t, s)

(38)

34

De (35) vemos que (t, s) depende solo (t s). Realizando el cambio de variables u = (t s) en la formula (28) podemos escribir Z A hx(t)ist = du sin(t u)ea0 u (u) (39) 0 y nalmente por simples manipulaciones algebraicas llegamos al resultado exacto q A 2 + B 2 sin(t ) B1 (40) hx(t)ist = 2 donde Z B1 = u ea0 u (u) du cos (41) 0 Z u ea0 u (u) du sin (42) B2 = 0 B1 = arctan (43) B2 Para futuras referencias escribimos explcitamente s " 2 ! a1 1 (/)2 1 2c exp u 2 + 1 (/)2 e2u # 2a1 2 1 eu c + + 1 (/) eu

(u) =

(44)

Resultados

Los siguientes son los resultados principales del trabajo numrico realizado con las expresiones analticas de la seccin precedente. Primero trazamos lo que llamamos las supercies de la resonancia. El resultado que mostramos en la gura 3 es el dibujo de p 2 + B 2 versus c y , los parmetros del proceso de OrnsteinB la supercie st A 1 2 Uhlenbeck:

1.5 2 2.5 3

1.1

st
1

0 0.5 1

Fig. 3 Una supercie de resonancia

35

Entonces, haciendo ahora c constante, dibujamos familias st variando y . Podemos distinguir tres casos: 1. El Caso General donde todos los coecientes (a0 , a1, a2 ) son distintos de cero. 3. El Caso Cuadrtico Puro (a1 = 0). 2. El Caso Lineal (a2 = 0).

3.1

El Caso General

Esta es la solucin del problema general con ambos trminos lineal y cuadrtico en el ruido presentes en la ecuacin. La condicin para un estado estable del valor medio implica que tenemos que satisfacer la restriccin dada por la desigualdad 2 a1 >0 (45) a0 + 2c 2 + o en trminos de los parmetros originales p 1 ca2 2 + 2ca2 1 > + 2 a0 + 2 2 + 2ca2 Asignando a los parmetros los valores siguientes: a0 = a1 = A = 1; a2 = 1; c = 0.98

(46)

se obtiene la gura 4 que muestra la amplitud estacionaria st en funcin de . Ntese que hemos encontrado una familia de curvas, cada una de ellas se identica por una frecuencia particular perteneciente al conjunto {0.25; 0.30; 0.35; 0.40; 0.45}
Frequency HHzL = 0.25 = 0.30 = 0.35 = 0.40 = 0.45

st
2

1.5

0.5

2 2.5 3 3.5 4

Fig. 4 Caso general. Amplitud estacionaria st versus

36

3.2

El Caso Lineal

Esta es la solucin del problema con un trmino linear en el ruido [9, 12] y es simplemente un caso particular de la solucin general, que se obtiene poniendo a2 = 0 en los resultados de la seccin 2. Para este caso particular, de la condicin (46) obtenemos 1 ca2 1 a0 > (47) 2 2 En este caso nuestro esquema reproduce los resultados de [9]. Tomando los siguientes valores para los parmetros: a0 = a1 = A = 1; c = 0.98

obtenemos la gura 5 que muestra la amplitud estacionaria st en funcin del parmetro . El conjunto de frecuencias examinadas en este caso es {0.20; 0.25; 0.30; 0.35; 0.40} Como en el caso anterior hemos trazado una familia de curvas, donde cada miembro es identicado por una frecuencia particular.
Frequency HHzL = 0.20 = 0.25 = 0.30 = 0.35 = 0.40

st
1.75 1.5 1.25 1 0.75 0.5 0.25

0.8 1 1.2 1.4

Fig. 5 El caso lineal. Amplitud estacionaria st versus

3.3

El caso cuadrtico puro

Esta es la solucin del problema solamente con un trmino cuadrtico en el ruido y tambin corresponde al caso particular de la solucin general encontrada en la seccin 2 , con a1 = 0. La desigualdad (46) se reduce a la expresin p 1 2 + 2ca2 > (48) a0 + 2 2

37

En contraste con los casos anteriores, los parmetros aqu tienen los valores siguientes a0 = 0.525; a2 = 1; A = 1; c = 0.50

Las frecuencias estudiadas son iguales que para el caso general. La gura 6 la amplitud estacionaria st en funcin del parmetro .
Frequency HHzL =0.25 =0.30 =0.35 =0.40 =0.45

st
3 2.5 2 1.5 1 0.5

1 1.5 2 2.5 3

Fig. 6 El caso cuadrtico puro. Amplitud estacionaria st versus Como se puede ver en todas las guras anteriores, la amplitud estacionaria del valor medio disminuye montonamente, a medida que crece lo cual implica que el fenmeno de resonancia estoctica desaparece en el lmite de ruido blanco, , conrmando un resultado ya existente en la literatura [7, 9]. La razn para asignar el valor 1 a algunos de los parmetros en cada uno de los casos, es que existe la posibilidad de un rescalamiento de los parmetros en las ecuaciones (17) y (18), un procedimiento que reduce el nmero de parmetros independientes del problema original. Finalmente debido a su simplicidad, la ecuacin lineal (17) admite la solucin exacta (40) para el valor medio x (t) , de donde uno puede analizar las diversas posibilidades de obtener resonancia estocstica variando los parmetros que determinan las propiedades de la amplitud del valor medio. La integracin de las ecuaciones (41) y (42) requerida para este anlisis ha sido realizada numricamente usando el Software Mathematica. Actualmente estamos trabajando en el clculo de la funcin de correlacin estacionaria hx(t) x(t0 )ist para luego estudiar va la transformada de Fourier la razn seal a ruido (Signal to Noise Ratio SNR), que mide de la intensidad de la seal con respecto a la intensidad del ruido. Este procedimiento es ampliamente usado en la literatura sobre resonancia estocstica [4, 5]. Agradecimientos H. Calisto agradece a la direccin de investigacin de la Universidad de Tarapac proyecto 4722-06. F. Mora y E. Tirapegui agradecen el soporte de FONDECYT proyecto nmero 1020374 y ACT 15. E. Tirapegui tambin agradece el soporte de CIMAT y al programa ECOS-CONICYT. F. Mora tambin agradece el soporte de CONICYT a travs de una Beca de Doctorado.

38

References
[1] R. Benzi, A. Sutera, A. Vulpiani, The mechanism of stochastic resonance , J. Phys. A 14, L453 (1981) [2] C. Nicolis, Solar variability and stochastic eects on climate, Sol. Phys. 74, 473 (1981) [3] R. Benzi, G. Parisi, A. Sutera and A. Vulpiani, Stochastic resonance in climatic change, Tellus 34, 10 (1982) [4] L. Gammaitoni, P. Hnggi, P. Jung and F. Marchesoni, Stochastic resonance, Rev. Mod. Phys. 70, 223 (1998) [5] V. S. Anishchenko, A. B. Neiman, F Moss, L Schimansky-Geier, Stochastic resonance: noise enhanced order, Physics-Uspekhi 42 (1), 7 (1999). [6] B. McNamara and K. Weisenfeld, Theory of stochastic resonance, Phys. Rev. A 39, 4854 (1989). [7] A. Fulinski, Relaxation, noise-induced transitions, and stochastic resonance driven by non-Markovian dichotomic noise, Phys. Rev. E 52, 4523 (1995) [8] A. V. Barzykin and K. Seki, Stochastic resonance driven by Gaussian multiplicative noise , Europhys Lett. 40, 117 (1997) [9] V. Berdichevky and M. Gitterman, Multiplicative stochastic resonance in linear systems: Analytical solution, Europhys Lett. 36, 161 (1996) [10] V. Berdichevsky and M. Gitterman, Stochastic resonance in linear systems subject to multiplicative and additive noise, Phys. Rev. E 60, 1494 (1999) [11] A. V. Barzykin, K. Seki and F. Shibata, Periodically driven linear system with multiplicative colored noise, Phys. Rev. E 57, 6555 (1998) [12] Fernando Mora, Tesis de Magister en Ciencias Mencin Fsica, Facultad de Ciencias, Universidad de Chile, Enero 2005 [13] W. Becker and M.S. Zubairy, Stochastic averaging by functional dierentiation, J. Math. Phys. 27, 991 (1986) [14] J. Luczka, A stochastic process driven by the quadratic Ornstein-Uhlenbeck noise: generator, propagators and all that, J. Phys. A: Math. Gen. 21, 3063 (1988) [15] J. Luczka, P. Hnggi and A. Gadomski, Non-Markovian process driven by quadratic noise: Kramers-Moyal expansion and Fokker-Planck modeling, Phys. Rev. E 51, 2933 (1995) [16] F. Langouche, D. Roekaerts, E. Tirapegui, Functional Integration and Semiclassical Expansions, Reidel Publishing Company, 1982

39