强度量与广延量

玻尔百科

定义

强度量与广延量是热力学中根据物理性质对系统规模的依赖性而进行的一种属性分类。强度量（如温度和压力）不随系统大小改变，而广延量（如质量和体积）则与系统规模成正比且具有加和性。两个广延量的比值可用于定义密度等强度量，但该分类框架在受引力等长程力主导的系统中可能不再适用。

关键要点

广延量（如体积、熵）的大小与系统物质的量成正比并具有可加性，而强度量（如温度、压强）则不依赖于系统大小，反映的是系统的内在状态。
两个广延量的比值必然是一个强度量，这是构建描述物质本征属性（如密度、化学势）的物理量的关键方法。
强度量的空间均匀化是物理系统（如气体混合、相变）自发趋向热力学平衡的根本驱动力。
标准热力学中的广延性概念是基于短程相互作用的假设，在引力等长程力主导的系统（如星系、黑洞）中会失效。

引言

在物理世界中，我们如何描述一个系统的属性？有些属性取决于我们拥有“多少东西”，而另一些则似乎只与“东西本身”有关。这便是热力学与统计物理学中一对最基本却也最深刻的概念——广延量与强度量的区别。初看起来，这或许只是一个简单的名词分类，但实际上，它是一把钥匙，能够解锁我们对物质平衡、相变乃至宇宙演化的深层理解。它揭示了为什么温度计可以测量一大锅汤的温度，也暗示了为什么黑洞的行为如此诡异，挑战着我们对物理定律的认知。

本文将系统地剖析这一概念，带领读者超越简单的定义。在第一章“原理与机制”中，我们将深入其物理定义、用以区分的“规模测试”、背后的数学基础，并追溯到熵的微观起源。接着，在第二章“应用与交叉学科联系”中，我们将跨越化学、材料科学、工程学乃至宇宙学，见证这一思想在解决实际问题和连接不同学科时的强大力量。最后，通过“动手实践”部分，你将有机会运用所学知识解决具体问题，将抽象理论内化为真正的直觉与技能。

原理与机制

想象一下，你是一位大厨，正在准备一锅美味的汤。如果你的朋友来访，你需要准备双倍的份量。你会怎么做？很简单，你把所有的食材——水、蔬菜、肉——都加倍。这锅汤的总重量和总体积，这些我们称之为广延量 (extensive variables) 的属性，也随之加倍了。它们的大小与你系统的“体量”成正比。

但现在，想一想汤的“品质”。它的温度，或者它的咸度，会因为你煮了两倍的量而改变吗？当然不会。如果你把两锅同样温度和咸度的汤混合在一起，得到的还是一锅同样温度和咸度的汤。这些不依赖于系统大小，描述系统“状态”或“品质”的属性，我们称之为强度量 (intensive variables)。

这个简单的厨房类比，实际上触及了热力学和统计物理学中最核心、最基本的概念之一。区分广延量和强度量，不仅仅是一个名词游戏；它是一把钥匙，能帮助我们理解物质世界的行为，从混合液体到星系的形成，都遵循着同样的深刻原理。

“规模”的考验：广延量与强度量的基本判据

让我们把这个思想实验变得更精确一些。在物理学中，我们判断一个物理量是广延的还是强度的，可以通过一个简单的“规模测试”：想象我们有一个处于平衡态的均匀系统，然后我们用一个假想的隔板把它分成两半。

如果这个物理量在每一半中的值都是整体的一半，那么它就是广延的。比如体积 ( $V$ )、粒子数 ( $N$ )、质量 ( $M$ )、内能 ( $U$ ) 和熵 ( $S$ )。它们都具有可加性： $V_{总} = V_A + V_B$ 。

反之，如果每一半的值都和整体的值完全相同，那么它就是强度的。比如温度 ( $T$ )、压强 ( $P$ ) 和密度 ( $\rho$ )。它们在整个系统中是均匀分布的。

一个经典的例子是混合不同温度的水。假设你有一杯 $50$ 毫升 $20^\circ\text{C}$ 的水和另一杯 $100$ 毫升 $80^\circ\text{C}$ 的水。把它们混合在一个绝热容器中。最终的体积，在忽略分子间相互作用的微小影响下，就是两者之和 $V_C = V_A + V_B = 150 \text{ mL}$ ，这体现了体积的广延性。但最终的温度 $T_C$ 呢？它显然不是 $20+80=100^\circ\text{C}$ 。温度作为强度量，不会简单相加。相反，它会达到一个新的平衡值，这个值是初始温度的加权平均值： $T_C = \frac{V_A T_A + V_B T_B}{V_A + V_B}$ 。这清晰地表明，广延量是“量的总和”，而强度量则代表一种“平衡的品质”。

创造强度的炼金术：比例的魔力

更有趣的事情发生了，当我们开始组合这些广延量时。假设我们取两个广延量，比如系统的总能量 $E$ 和总粒子数 $N$ ，然后将它们相除。我们会得到什么？

让我们再次运用规模测试。如果我们将系统的大小加倍，比如说通过一个因子 $\lambda$ （ $\lambda=2$ 就是加倍），那么所有的广延量都会变为原来的 $\lambda$ 倍： $E \to \lambda E$ ， $N \to \lambda N$ 。现在看看它们的比值：

\frac{E}{N} \to \frac{\lambda E}{\lambda N} = \frac{E}{N}

这个比值在系统规模变化时保持不变！这意味着，两个广延量的比值一定是一个强度量。

这是一个极其强大且优美的规则。它就像一种炼金术，能从“量”中提炼出“质”。这解释了为什么许多我们熟悉的物理量都是强度的：

密度 $\rho = M/V$ (质量/体积)
单位体积熵 $S/V$
人均能量 $E/N$

这个规则可以推广。比如，吉布斯自由能 $G = U - TS + PV$ 本身是一个广延量（你可以自己验证一下，把所有广延量乘以 $\lambda$ ，会发现 $G$ 也乘以了 $\lambda$ ）。但是，人均吉布斯自由能 $g = G/N$ ，也就是我们所说的化学势 $\mu$ ，它就变成了一个强度量。任何“比”量（specific quantity），如比热容（单位质量的热容），都是强度量。同样，两个强度量的比值，比如 $P/T$ ，也显然是强度量。

驱动平衡：强度量如何主宰世界

强度量不仅仅是被动的描述符，它们是驱动物理过程达到平衡的“力”。当两个系统接触时，广延量（如能量、粒子）会自发地从一个系统流向另一个系统，直到它们接触面上的某个强度量变得相等。

热接触：能量会流动，直到温度 ( $T$ ) 相等。
力学接触（例如通过一个可移动的活塞）：体积会调整，直到压强 ( $P$ ) 相等。
化学接触（允许粒子交换）：粒子会扩散，直到化学势 ( $\mu$ ) 相等。

想象一个被一个可导热、可自由移动的活塞分成两部分的密闭气缸。系统为了达到熵最大的平衡态，活塞会移动，热量会传递，直到最终两边的温度和压强都完全相等。有趣的是，在这种情况下，我们可以推导出两边体积的比例恰好等于它们粒子数的比例： $V_1/V_2 = N_1/N_2$ 。这个宏观的、优雅的比例关系，其根源就在于微观交换中强度量（ $T$ 和 $P$ ）的最终均一化。

这个原理在相变过程中表现得淋漓尽致。为什么水在沸腾时，即使你持续加热，温度也始终保持在 $100^\circ\text{C}$ ？因为在气液共存时，系统被一个铁律锁定：液相的化学势必须等于气相的化学势，即 $\mu_{liquid}(T, P) = \mu_{gas}(T, P)$ 。由于化学势是温度和压强的函数，这个等式在 $T-P$ 图上定义了一条唯一的曲线（共存曲线）。只要水和水蒸气同时存在，系统的状态点就只能停留在这条线上。你加入的能量（一个广延量）只会用于将更多的水分子（一个广延量）变成水蒸气，而系统的“品质”——温度和压强这两个强度量——则被牢牢固定住了。

更进一步，系统的各个强度量之间并非完全独立，它们被一个深刻的关系式——吉布斯-杜亥姆方程 (Gibbs-Duhem relation) 所约束。这个关系式告诉我们，在一个多组分的系统中，如果你固定了温度和压强，那么各组分化学势的变化就不是独立的。改变其中一个，其他的必须随之调整以维持平衡。这就像一个精心设计的移动雕塑，牵一发而动全身，展现了热力学系统内部和谐而深刻的统一性。

深层结构：从基本定律到变量类型

我们可能会问，为什么温度、压强这些量天然就是强度的？这背后隐藏着更深的数学结构。在热力学中，我们通常假设一个系统的所有信息都可以从一个“基本关系”中推导出来，例如内能 $U$ 作为熵 $S$ 、体积 $V$ 和粒子数 $N$ 的函数： $U(S, V, N)$ 。

这个基本函数 $U$ 本身必须是广延的。这意味着，它必须是一个关于其所有广延自变量（ $S, V, N$ ）的一次齐次函数。用数学语言来说，就是 $U(\lambda S, \lambda V, \lambda N) = \lambda U(S, V, N)$ 。

而强度量，如温度和压强，恰恰是通过对这个广延函数求偏导数定义的：

T \equiv \left(\frac{\partial U}{\partial S}\right)_{V,N}, \quad P \equiv -\left(\frac{\partial U}{\partial V}\right)_{S,N}

一个数学上的优美事实是：一个一次齐次函数的偏导数必然是一个零次齐次函数。零次齐次函数意味着什么？ $f(\lambda x, \lambda y) = \lambda^0 f(x,y) = f(x,y)$ 。这正是强度量的定义——在系统规模缩放时保持不变！

因此，温度之所以是强度量，根本原因在于它是广延的能量对广延的熵的导数。这个看似简单的数学性质，为整个热力学大厦提供了坚实的逻辑基石。这个原则是如此强大，以至于我们可以反过来用它来检验物理模型的自洽性。例如，如果我们构建了一个描述新材料中粒子相互作用的理论模型，我们必须确保其总能量（或自由能）满足广延性的要求。这一要求会反过来对模型中的参数施加严格的约束。

规则被打破之时：长程力的警示

那么，是否所有系统的能量都是广延的呢？答案是：不。而思考这个例外，能让我们对规则本身有更深刻的理解。

让我们考虑一个由引力聚集在一起的星际气体云。引力是一种长程力——云中的每一个粒子都会与其它所有粒子相互作用，无论它们相距多远。现在，如果我们把这个系统的粒子数和体积都加倍（保持密度不变），会发生什么？

系统的动能部分，与温度和粒子数成正比，确实是广延的。但引力势能部分则完全不同。由于每个粒子都与所有其他粒子相互作用，当你把粒子数加倍时，相互作用的“对数”大约是原来的四倍。精确计算表明，在密度恒定的情况下，引力势能的量级与 $N^{5/3}$ 成正比，比线性关系 $N^1$ 增长得快得多！

这意味着，包含长程引力作用的系统的总能量不是广延的。你不能简单地把一个星系“切”成两半，然后说每一半的能量是总能量的一半。这揭示了一个至关重要的事实：我们通常讨论的广延性和强度性，以及建立其上的标准热力学，都隐含了一个前提——系统中的相互作用是短程的，即粒子只关心它的近邻。当这个前提被打破时，整个游戏规则都会改变。

回归微观：熵的起源

最后，让我们回到一切的起点：微观世界。为什么宏观世界存在广延量？这要归功于 Ludwig Boltzmann 的天才洞察。

想象一个由 $N$ 个独立的存储单元组成的固态硬盘。每个单元有 $g$ 种可能的状态。那么整个系统的总微观状态数 $\mathcal{V}$ 是多少？由于每个单元是独立的，总状态数是每个单元状态数的乘积： $\mathcal{V} = g^N$ 。

现在，让我们用“规模测试”来检验 $\mathcal{V}$ 。如果我们将两个这样的系统组合起来，总单元数变为 $2N$ ，总状态数变为 $\mathcal{V}_{组合} = g^{2N} = (g^N)^2 = (\mathcal{V})^2$ 。这个量既不满足加法（广延性， $2\mathcal{V}$ ），也不满足不变性（强度性， $\mathcal{V}$ ）。因此，微观状态总数这个量本身，既不是广延的，也不是强度的。

Boltzmann 所做的，就是取它的对数。我们定义一个新的量，叫做熵 $S$ （在我们的模型里是“信息内容” $\mathcal{I}$ ）， $S = k_B \ln \mathcal{V}$ ，其中 $k_B$ 是 Boltzmann 常数。现在再看组合系统：

S_{组合} = k_B \ln(\mathcal{V}_{组合}) = k_B \ln(\mathcal{V}^2) = 2 (k_B \ln \mathcal{V}) = 2S

通过一个简单的对数运算，一个原本具有乘法性质的微观量，神奇地转化为了一个具有加法性质的、我们可以直接感知的宏观广延量！

这正是熵的本质。它是一座桥梁，连接着微观世界的概率与宏观世界的可测量属性。而正是因为有了熵这个广延量，我们才能定义温度这个强度量，进而构建起整个热力学和统计物理学的宏伟大厦。从一锅汤的咸淡，到熵的诞生，广延与强度的二元之舞，谱写了物理世界中最和谐、最深刻的乐章之一。

应用与交叉学科联系

好了，我们现在已经掌握了这场游戏的“规则”。我们明白了，宇宙中的某些属性，比如质量或能量，取决于你拥有“多少东西”——我们称之为广延量。而另一些属性，比如温度或密度，则取决于你拥有“哪种东西”，而与数量无关——我们称之为强度量。

你可能会觉得，这不过是个简单的分类游戏，一种物理学家用来整理思绪的记账方法。但事情远非如此。这个看似简单的区分，实际上是一把惊人强大的“奥卡姆剃刀”，它能帮助我们剖析横跨几乎所有科学领域的复杂问题。从化学家的烧杯到工程师的蓝图，再到宇宙学家的方程，这个思想无处不在。现在，就让我们踏上旅程，看看这个简单的概念是如何在科学的广阔天地中大放异彩的。

化学与材料科学的基石

想象一下，你是一位在质检实验室工作的化学家，面前有一大桶不知名的透明液体。你的任务是确认它的身份。你会怎么做？你可以称量它的质量，也可以测量它的体积。但这两个量都是广延的——你舀出一勺还是一桶，得到的数值天差地别。这些数值无法告诉你这“是”什么。

然而，如果你计算质量与体积的比值——也就是密度——奇妙的事情发生了。无论你取样多少，这个比值都几乎保持不变。这个不依赖于样本大小的特性，正是强度量的精髓。密度，这个强度量，就像是物质的指纹，它揭示了物质的内在属性，而不是你碰巧拿了多少。

这个思想是整个材料科学的基石。当我们描述一种新合金时，我们会说它的熔点是多少，密度是多少，或者摩尔热容是多少。注意到共同点了吗？这些都是强度量。比如，加热一块小铝锭和加热一块大铝锭，让它们升高相同的温度，所需的总热量（总热容， $C$ ）是不同的，因为总热容是一个广延量。但是，如果我们计算每摩尔物质升高一度所需的热量（摩尔热容， $C_m$ ），这个数值对于任何大小的纯铝块都是一样的。通过将一个广延量（总热容）除以另一个广延量（摩尔数），我们创造出了一个强大的强度量，它描述了材料本身的性质。

这种思想的优雅之处在描述气体行为的范德华方程中得到了完美的体现：

\left(P + a\frac{n^2}{V^2}\right)(V - nb) = nRT

乍一看，这个方程里有体积 $V$ 和摩尔数 $n$ 这两个广延量。但我们可以耍个小聪明，引入一个强度量——摩尔体积 $v = V/n$ 。方程立刻变得更加普适和优美：

\left(P + \frac{a}{v^2}\right)(v - b) = RT

现在，方程里全是像压力 $P$ 、温度 $T$ 和摩尔体积 $v$ 这样的强度量。这意味着这个方程描述的是气体“本身”的行为，与容器里装了多少气体无关。而常数 $a$ 和 $b$ 呢？它们是描述特定气体分子间吸引力和分子自身体积的参数，它们是每种气体的内在“指纹”，自然也是强度量。通过关注强度量，物理学家们将一个依赖于系统大小的复杂问题，提炼成了一个普适的、只与物质种类相关的简洁定律。

工程师的工具箱：从电池到催化剂

如果说强度量和广延量是科学家理解世界的透镜，那么它们就是工程师改造世界的工具。

想想电动汽车的设计。工程师们需要为汽车提供合适的电压和足够的续航里程。电压（电动势， $\mathcal{E}$ ）是一个强度量，它由电池的化学材料决定。而电池的总容量（能释放的总电荷， $Q$ ）则是一个广延量，它取决于电池内部活性物质的总量。

如果你想获得更高的电压来驱动强大的马达，你会怎么做？你会将许多电池单元串联起来。在串联电路中，总电压是每个单元电压的加和，但整个电池组能释放的总电荷，受限于其中任何一个最先耗尽的单元，因此总电荷容量不变。反之，如果你想要更长的续航里程，即更大的总电荷容量，你会将电池单元并联起来。在并联电路中，总电压和单个单元的电压相同，但总电荷容量是所有单元容量的总和。这个简单的串并联选择，就是工程师在日常工作中对强度量和广延量的巧妙操控。

另一个生动的例子来自电化学领域。一位工程师正在测试一种用于制氢的新型催化剂。她制作了两片电极，一片面积是 $1 \text{ cm}^2$ ，另一片是 $5 \text{ cm}^2$ 。测量结果显示，大电极上发生的反应总电流是小电极的五倍。一位新手可能会兴奋地得出结论：我们在大电极上的催化工艺效率更高！

但经验丰富的工程师会冷静地指出，总电流是一个广延量，它自然会随着电极面积的增大而增大。要真正比较两种催化剂的“内在”活性，我们必须考察一个强度量——电流密度 $j_0$ ，即单位面积上的电流。计算后发现，两片电极的电流密度是相同的。这意味着催化剂的内在性能并没有区别，更大的电流仅仅是因为有更大的反应面积。在科研和工程领域，分清广延的“总量”和强度的“效率”，是避免被表象迷惑、做出正确判断的关键一步。

物理与化学中的深层联系

当我们更深入地探索，会发现强度量与广延量的二分法触及了更多物理世界的核心。

在放射化学中，一种放射性同位素（比如用于医疗的钴-60）的半衰期是一个强度量。它是由原子核的内在不稳定性决定的，与你有一克还是一吨该物质无关。它像是该物质的一个内部时钟。然而，样本的总放射性活度（每秒的衰变次数）则是一个广延量，它与你有多少个不稳定的原子核成正比。一个描述“种类”，一个描述“数量”。

在化学平衡领域，平衡常数 $K_{eq}$ 是一个至关重要的强度量。它与反应的标准吉布斯自由能变 $\Delta G^\circ$ 直接相关，而 $\Delta G^\circ$ 本身就是定义在“每摩尔反应”上的强度量。这意味着，在给定温度下，一个化学反应的平衡点是由参与反应的物质本性决定的，而与你的反应釜有多大、初始投料有多少无关。正是因为 $K_{eq}$ 的强度属性，化学家才能在实验室的小试烧瓶中摸索出最佳反应条件，并有信心将它放大到工业规模的巨大反应器中。

这种思想也延伸到了电磁学。当一块电介质被置于电场中，它会被极化。整个材料块的总偶极矩 $\vec{p}_{\text{total}}$ 是一个广延量，它简单地是材料中所有微观偶极矩的矢量和。但是，物理学家更关心的是极化强度 $\vec{P}$ ，即单位体积内的偶极矩。这是一个强度量，它反映了材料本身对电场的响应能力，剔除了体积大小的影响。同样，在磁学中，总磁矩是广延的，而像磁化率这样的响应系数，如果定义为单位体积或单位质量的量，就变成了强度的，用以表征材料的内在磁性。

生命、宇宙及万物：当规则变得“怪异”

到目前为止，我们建立的图像似乎清晰而和谐：世界由依赖于大小的广延量和不依赖于大小的强度量构成。但科学最激动人心的时刻，往往是当我们发现规则的边界，甚至是例外的时候。

让我们把目光从物理“物质”上移开，思考一下“信息”。在信息论的创始人 Claude Shannon 看来，一个信息源的熵（衡量其不确定性或“惊奇程度”）与物理学的熵有着深刻的类比。考虑一条由 $N$ 个独立随机符号构成的消息。它的总信息熵 $S_N$ 是与消息长度 $N$ 成正比的。也就是说，信息熵是一个广延量！。这揭示了一个深刻的统一性：信息和能量一样，具有“可加性”，系统的某个广延属性确实反映了其“容量”——无论是容纳能量的容量，还是容纳信息的容量。

但事情并不总是这么简单。想象一条长长的聚合物链，像一串随意串起来的珠子。它的“大小”可以用其两端的均方根距离 $R_{rms}$ 来衡量。这条链由 $N$ 个单体组成。那么 $R_{rms}$ 是广延的吗？如果我们把链加长一倍（ $N \to 2N$ ）， $R_{rms}$ 会翻倍吗？答案是不会。通过统计力学分析可以发现， $R_{rms}$ 与 $N^{1/2}$ 成正比。它既不是与 $N^1$ 成正比的广延量，也不是与 $N^0$ 成正比的强度量。这是一种新的标度行为！它告诉我们，对于这种由许多相互关联部分组成的复杂系统，其集体属性的“大小”可能遵循一种更微妙的规律，介于简单的强度和广延之间。

这种对标度律的深入思考，甚至延伸到了宇宙的尺度。宇宙学家用一个称为“状态方程参数” $w = P/\rho$ 的量来描述充满宇宙的“流体”（无论是物质、辐射还是暗能量）。压力 $P$ 是强度的，而能量密度 $\rho = E/V$ 也是强度的（因为总能量 $E$ 和体积 $V$ 都是广延的，它们的比值与大小无关）。因此， $w$ 是一个强度量。这个量告诉我们宇宙在特定时期是由“何种”能量形式主导的，这与我们观测的宇宙区域有多大无关。

然而，最令人震惊的“规则破坏者”来自宇宙中最神秘的天体——黑洞。在经典热力学中，熵是广延的：两个相同的系统合在一起，熵加倍。这意味着熵通常与系统的质量或体积成正比。但根据 Bekenstein-Hawking 公式，一个黑洞的熵 $S$ 并不正比于它的体积或质量 $M$ ，而是正比于它事件视界的“面积” $A$ 。而对于一个简单的史瓦西黑洞，其半径与质量成正比，因此面积与质量的平方成正比，即 $S \propto A \propto M^2$ 。

黑洞的熵不是广延的！这是一个石破天惊的发现。它暗示着，在引力的极端领域，我们关于“物质”和“空间”的直觉彻底失效了。有些物理学家认为，这预示着一个更加深刻的“全息原理”：一个三维体积内的信息，或许可以被完全编码在它的二维边界上。我们看似理所当然的广延性，可能只是在弱引力世界中的一种有效近似。

结语

我们的旅程从一杯简单的液体开始，最终抵达了黑洞的边缘。我们看到，区分广延量与强度量这个简单的思想，不仅仅是一种分类法。它是一种思维工具，帮助我们从纷繁复杂的现象中提炼出物质的本质属性，指导我们设计和创造，并最终引领我们探索已知物理定律的边界。它提醒我们，在科学中，有时最简单的问题——比如“这个属性是否取决于大小？”——恰恰是通往最深刻见解的大门。

动手实践

练习 1

本练习旨在巩固广延（extensive）和内含（intensive）变量的基本定义。通过一个简单的思想实验——合并两个相同的理想气体系统——我们将直接应用这些定义来对一系列物理量进行分类。这个练习是建立对这些核心热力学概念直观理解的第一步。

问题: 一位实验物理学家研究一种理想气体的热力学性质。实验装置由两个相同的刚性容器组成，标记为系统 A 和系统 B，由一个可移动的绝热隔板隔开。每个容器中都装有恰好一摩尔相同的单原子理想气体。初始时，两个系统彼此处于热平衡状态，温度为 $T$ ，压强为 $P$ 。每个容器的体积为 $V$ 。

然后，物理学家移开隔开两个容器的隔板，使它们合并成一个更大的系统，称为系统 C。此过程的进行方式是与外界没有热量交换，也不对外做功。合并后的系统 C 现在包含两摩尔理想气体，总体积为 $2V$ ，并让其达到一个新的平衡态，发现其温度和压强仍为 $T$ 和 $P$ 。

考虑以下四个物理量： (i) 摩尔动能，定义为气体的总平动动能除以摩尔数。 (ii) 容器的体积。 (iii) 粒子数密度，定义为单位体积内的气体粒子数。 (iv) 理想气体常数 $R$ 。

如果一个物理量在组合系统中的值等于其在各个子系统中的值之和，则该物理量称为广延量。如果一个物理量在组合系统中的值与它在每个子系统中的值相同，则该物理量称为内含量。

根据这些定义，将上面列出的四个物理量分类为内含(I)或广延(E)。下列哪个选项正确表示了物理量(i), (ii), (iii), (iv)的分类序列？

A. I, E, I, I B. E, E, I, I C. I, I, E, I D. E, E, E, E E. I, E, E, I F. E, I, I, E

显示求解过程

练习 2

掌握了基本定义后，我们将从纯粹的分类转向实际的定量分析。本练习模拟了一个常见的实验场景：混合两种不同浓度的荧光染料溶液。你的任务是推导混合后系统的一个内含性质（强度密度）如何变化，从而将抽象概念应用于解决具体问题。

问题: 一位研究人员正在研究一种溶解在水中的荧光染料。决定荧光颜色的特征发射波长，在所有该染料的稀溶液中都观察到是相同的，因为这是染料分子在其溶剂环境中的一个固有属性。

在恒定的紫外线（UV）照射下，溶液发射的总荧光强度 $I$ 与溶液中存在的染料分子总数 $N$ 成正比。这种关系可以表示为 $I = \alpha N$ ，其中 $\alpha$ 是一个与系统相关的常数。

该研究人员在标准温度和压力下，于不同的烧杯中配制了两种不同的溶液：

溶液1：体积为 $V_1$ ，染料摩尔浓度为 $C_1$ 。其强度密度（定义为单位体积的总强度）为 $\rho_{I,1} = I_1/V_1$ 。
溶液2：体积为 $V_2$ ，染料摩尔浓度为 $C_2$ 。

之后，将两个烧杯中的全部内容物在一个更大的容器中合并并充分混合，形成最终的溶液，即溶液3。假设体积是完全可加的。

推导最终溶液的强度密度 $\rho_{I,3}$ 与初始溶液1的强度密度之比的闭式解析表达式。最终表达式应只包含 $V_1$ , $V_2$ , $C_1$ , 和 $C_2$ 。

显示求解过程

练习 3

最后一个练习将探讨广延性的一个更微妙的方面，挑战那种认为“广延性”总是与系统总体积或总质量成正比的简单观念。通过分析界面自由能的例子，本练习引入了“相对于特定参数的广延性”这一概念。这促使我们对热力学定义进行更精确、更批判性的思考。

问题: 考虑一个保持在恒定温度和压力下的封闭热力学系统。该系统由两种不相溶的大量流体（例如，油和水）组成，它们之间形成一个明显的界面。系统的总吉布斯自由能包含来自此界面的贡献，称为总界面自由能， $G_{int}$ 。该能量由关系式 $G_{int} = \gamma A$ 给出，其中 $A$ 是界面的总面积， $\gamma$ 是界面张力。界面张力 $\gamma$ 是一个强度性质，它取决于流体的种类和热力学状态（温度、压力），但与界面的大小或形状无关。

如果对于任何缩放因子 $\lambda > 0$ ，当系统变换使得参数变为 $\lambda S$ 时，导致性质变为 $\lambda X$ ，则系统的性质 $X$ 被定义为相对于尺寸参数 $S$ 是广延的。例如，对于单一均质物质，质量和体积是相对于彼此的广延性质。

根据这些定义，以下哪个陈述最准确地将总界面自由能 $G_{int}$ 分类？

A. $G_{int}$ 相对于系统的总体积 $V$ 是广延的。 B. $G_{int}$ 相对于界面面积 $A$ 是广延的。 C. $G_{int}$ 是一个强度性质。 D. $G_{int}$ 相对于总体积 $V$ 和界面面积 $A$ 都是广延的。 E. $G_{int}$ 是广延的还是强度的分类取决于界面的具体几何形状。

显示求解过程