量纲分析

1.定义

物理量:物理量是指物质、物体、系统、现象、事件、过程、转换、关系或物质的一个方面的定量表征。它能够通过严格的操作性定义(即可观察、可测量、可操作)来度量,并进而可以量化。

简单来说,物理量就是物理学中可以被测量和用数值来描述的“性质”或“特征”。

单位:单位是用于衡量某一特定物理量的标准量值。它是用来和待测量物理量进行比较的参照标准。

2.性质

物理量通常表示为一个数值和一个单位的乘积,即:$$Z={Z}[Z]$$

其中 $Z$ 是物理量,${Z}$ 是其数值(一个纯数),$[Z]$ 是其单位。

3.定义

量纲:量纲是物理量的基本属性,它定性地描述了导出量与基本量之间的关系。它只关注物理量的本质类别,而不关注其具体数值和单位。

4.已知

一个物理量的量纲可以表示为七个基本量纲的乘积。这七个基本量纲对应着物理学中的七个基本物理量:

  • 长度 (L)
  • 质量 (M)
  • 时间 (T)
  • 电流 (I)
  • 热力学温度 (Θ)
  • 物质的量 (N)
  • 发光强度 (J)

5.性质

幂次律:对于任意一个物理量 A,它的量纲可以表示为 dim(A)。我们可以用以下形式来表示:$$dim(A)=L^aM^bT^cI^dΘ^eN^fJ^g$$

其中 a,b,c,d,e,f,g 都是有理数,称为量纲指数。

一致性:每个物理公式中相加量的量纲必须一致,称为一致性。如果违反,则公式一定是错误的。

6.定义

物理公式:物理公式是运用数学符号、物理量和运算规则,定量地描述物理量之间相互关系的数学表达式。

7.物理学第零定理

物理规律与尺度选择无关,物理公式形式不变而仅变系数。

这意味着物理定律的本质是独立的,不依赖于我们选择的单位系统。当我们改变单位时,公式的形式保持不变,只有其中的常数系数会发生变化。

8.白金汉 Π 定理

如果一个物理定律可以由 n 个物理量 $q_1​,q_2​,…,q_n$​ 来描述,即存在一个函数关系 $f(q_1​,q_2​,…,q_n​)=0$,并且这 n 个物理量可以用 k 个独立的基本量纲(例如,质量 M、长度 L、时间 T 等)来表示,那么这个物理关系可以被简化为只包含 p=n−k 个独立的无量纲量(或称为 Π 群)的函数关系。

数学上,其形式可以表示为:$$Φ(Π_1​,Π_2​,…,Π_{n−k}​)=0$$

其中:

  • k≤7,对应于国际单位制中的七个基本量纲

9.推理

步骤 1: 向量表示量纲

假设有 n 个物理量 $q_1​,q_2​,…,q_n$​ 描述一个物理现象。

这些物理量涉及到 k 个基本量纲,我们设为 $D_1​,D_2​,…,D_k$​(例如,长度 L,质量 M,时间 T 等)。

每个物理量 qj​ 的量纲可以表示为基本量纲的乘积:$$ \text{dim}(q_j) = D_1^{a_{1j}} D_2^{a_{2j}} \cdots D_k^{a_{kj}} $$

我们可以将每个物理量 $q_j$​ 的量纲表示为一个 k 维列向量 $v_j$,其中分量是基本量纲的指数:

$$\mathbf{v_j} = \begin{pmatrix} a_{1j} \\ a_{2j} \\ \vdots \\ a_{nj} \end{pmatrix}$$

步骤 2:量纲矩阵 A

我们将所有 n 个物理量的量纲向量组合起来,形成一个 k×n 的量纲矩阵 A:

$$ A = \begin{pmatrix} a_{11} & a_{12} & \cdots & a_{1n} \\ a_{21} & a_{22} & \cdots & a_{2n} \\ \vdots & \vdots & \ddots & \vdots \\ a_{k1} & a_{k2} & \cdots & a_{kn} \end{pmatrix} $$

矩阵 A 的列是各个物理量的量纲向量。

步骤 3:无量纲量的条件

一个无量纲量 Π 可以表示为 n 个物理量 $q_1​,q_2​,…,q_n$​ 的乘积形式:$$\Pi = q_1^{x_1} q_2^{x_2} \cdots q_n^{x_n}$$

为了使 Π 无量纲,其量纲必须为 1(即所有基本量纲的指数都为 0)。

$$\dim(\Pi) = \dim(q_1^{x_1} q_2^{x_2} \cdots q_n^{x_n})$$ $$= \dim(q_1)^{x_1} \dim(q_2)^{x_2} \cdots \dim(q_n)^{x_n}$$ $$= (D_1^{a_{11}} \cdots D_k^{a_{k1}})^{x_1} (D_1^{a_{12}} \cdots D_k^{a_{k2}})^{x_2} \cdots (D_1^{a_{1n}} \cdots D_k^{a_{kn}})^{x_n}$$ $$= D_1^{(a_{11}x_1 + a_{12}x_2 + \cdots + a_{1n}x_n)} \cdots D_k^{(a_{k1}x_1 + a_{k2}x_2 + \cdots + a_{kn}x_n)}$$

要使 Π 无量纲,每个基本量纲的指数必须为零:

$$a_{11}x_1 + a_{12}x_2 + \cdots + a_{1n}x_n = 0$$$$a_{21}x_1 + a_{22}x_2 + \cdots + a_{2n}x_n = 0$$$$\vdots$$$$a_{k1}x_1 + a_{k2}x_2 + \cdots + a_{kn}x_n = 0$$

这可以写成矩阵形式:$$Ax = 0$$

其中

$$\mathbf{x} = \begin{pmatrix} x_1 \\ x_2 \\ \vdots \\ x_n \end{pmatrix}$$

这是一个 n 维列向量,其分量 $x_j$​ 是形成无量纲量 Π 的指数。

步骤 4:矩阵的零空间

方程 Ax=0 的解空间被称为矩阵 A 的零空间,记为 Null(A)。零空间中的每一个非零向量 x 都对应一个无量纲量 Π。

根据线性代数中的秩-零化度定理 :

rank(A)+nullity(A)=n

其中:

  • nullity(A) 是矩阵 A 的零空间的维数,它表示方程 Ax=0 的线性无关解的数量。每一个线性无关的解向量都对应一个独立的无量纲量。

由此定理,我们可以得到独立无量纲量的数量 p:

p=nullity(A)=n−rank(A)

很明显 rank(A)=k。

所以,p=n−k。

这意味着,存在 p=n−k 个线性无关的向量 $x_1​,x_2​,…,x_{n−k}$​ 构成了零空间的一组基。每一个这样的向量 $x_i$​ 都对应着一个独立的无量纲量 $Π_i$​。

因此,任何一个描述物理现象的函数关系 $f(q_1​,q_2​,…,q_n​)=0$ 都必须能够被表示为这些独立的无量纲量之间的函数关系:$$Φ(Π_1​,Π_2​,…,Π_{n−k}​)=0$$

10.后记

这是我第一次用latex(或者说用到了把代码渲染成数学公式的手段,毕竟我只用到了渲染公式,没有用到latex最为著名的排版功能)来书写一篇较稳完整的笔记,引擎采用katex。

必须承认这对于新手的我来说是相当有挑战的事情,尤其是wordpress的云端编辑对于数学语言并不友好,很多快捷键(比如自动加\$\$)都没有办法是用,其中很多复杂符号我还要一个一个找,这就让讨厌打字的站主相当痛苦。毕竟站主之前绝大部分公式都是手写,现在ai这么发达,我本来想形成一套手写转latex代码的工作流,但是具体内容很多都要微调,而且步骤复杂(众所周知,站主极力避免过于冗长的步骤,除非步骤是有乐趣的,很明显,不断拍照上传并没有乐趣),所以最后还不如打代码,这个体验感真的比手写差太多了。怎么说呢?没有很流畅的数学漫游的感觉。

基于这一点,我的建议是这是一项专用于展示的(或者说宣传)技术。思路是可以现在适配latex插件的obsidian编辑再拷贝到站点来。后续希望更加熟悉语法和编辑,让源文本看上去更加规范一点。

文章出现了很多格式问题,实属站主无奈之举,欢迎提出。

评论

  1. Windows Edge
    6 月前
    2025-6-08 23:08:10

    怎么开始梁灿彬起来了

    • 博主
      菲兹克斯喵
      Windows Edge
      6 月前
      2025-6-08 23:36:24

      嗯,没错,这篇文章所描述理论我第一次见确实是在梁灿彬《量纲理论与应用》,但是当时没有很搞明白,只是记住了几个著名论断。恰好最近头脑里流行“记忆打捞清理”之类的国策,要求是把之前可能会模糊的有用记忆清理修复一下放在某个位置;正好博客添加了渲染引擎而且我之前的文章提到过面向他人的笔记,所以为什么不把两条线取一个交点作为试点呢?至于为什么是量纲理论,这应该是在我能够讲清楚逻辑和内容不至于过于无聊的平衡点上(这个平衡点是出于主观的判断)。以上就是这个问题的答案。

发送评论 编辑评论


				
|´・ω・)ノ
ヾ(≧∇≦*)ゝ
(☆ω☆)
(╯‵□′)╯︵┴─┴
 ̄﹃ ̄
(/ω\)
∠( ᐛ 」∠)_
(๑•̀ㅁ•́ฅ)
→_→
୧(๑•̀⌄•́๑)૭
٩(ˊᗜˋ*)و
(ノ°ο°)ノ
(´இ皿இ`)
⌇●﹏●⌇
(ฅ´ω`ฅ)
(╯°A°)╯︵○○○
φ( ̄∇ ̄o)
ヾ(´・ ・`。)ノ"
( ง ᵒ̌皿ᵒ̌)ง⁼³₌₃
(ó﹏ò。)
Σ(っ °Д °;)っ
( ,,´・ω・)ノ"(´っω・`。)
╮(╯▽╰)╭
o(*////▽////*)q
>﹏<
( ๑´•ω•) "(ㆆᴗㆆ)
😂
😀
😅
😊
🙂
🙃
😌
😍
😘
😜
😝
😏
😒
🙄
😳
😡
😔
😫
😱
😭
💩
👻
🙌
🖕
👍
👫
👬
👭
🌚
🌝
🙈
💊
😶
🙏
🍦
🍉
😣
Source: github.com/k4yt3x/flowerhd
颜文字
Emoji
小恐龙
花!
上一篇
下一篇