科学网

 找回密码
  注册

tag 标签: 标量

相关帖子

版块 作者 回复/查看 最后发表

没有相关内容

相关日志

什么是张量?——物理笔记12
热度 1 mayaoji 2018-1-4 01:27
1 、标量、矢量和张量 电量 q 、质量 m 是标量,而力 F 、速度 v 、电场强度 E 都是矢量。标量只有大小没有方向,而矢量既有大小又有方向。 电偶极矩 d 是矢量, d = qr 。介质的电极化强度 P 是单位体积的电偶极矩,它也是矢量。 将介质置于电场中,介质会产生极化,其极化程度遵循电极化定律: P = αE P 是电极化强度, E 是电场强度, α 是电极化率。 当介质各向同性时, α 是常数, P 和 E 方向相同,且成正比。 当介质各向异性时,介质在不同方向有不同的性质,不同方向的介质加上同样强度的电场,产生的电极化强度不同,且方向也不一定与场强相同。当场强 E 不太大时,电极化定律仍然成立。它可以用分量表示为(只考虑二维空间): P 1 = α 11 E 1 + α 12 E 2 P 2 = α 21 E 1 + α 22 E 2 也可以用下面的矩阵表示: 场强 P 是矢量,它要用 E 1 、 E 2 两个数表示。而各向异性介质的电极化率是张量,它要用 α 11 、 α 12 、 α 21 、 α 22 四个数来表示。 2 、点的坐标变换 x'oy' 是坐标系 xoy 绕 o 点旋转角 而成。 点 Q 在坐标 xoy 的坐标为 (x,y) , 在坐标 x'oy' 的坐标为 (x',y') 。 也可以写成: x 1 ’ = a 11 x 1 + a 12 x 2 x 2 ’ = a 21 x 1 + a 22 x 2 即: 3 、二维空间张量的定义 零阶张量:即标量。 一阶张量:即矢量。它的定义如下: 一个量 A ,它在坐标系 xoy 中的值为 ( x 1 , x 2 ) ,若其在不同坐标系中的变换规律和点的坐标变换规律相同: 则 A 是矢量,也称一阶张量。 二阶张量: 一个量 A ,它在坐标系 xoy 中的值为 ( x 11 , x 12 , x 21 , x 22 ) ,若其在不同坐标系中的变换规律为: 则称 A 是二阶张量。 由此类推,可得其他高阶张量的定义。 膺矢量的定义: 在坐标转动时取正号,坐标反演时取负号。而矢量则在任何时候都取正号。 其他膺张量的定义与此类似。 可以验证,各向异性介质的电极化率是二阶张量。
个人分类: 物理学|11656 次阅读|2 个评论
最易混淆和错误理解的两个基本物理量—质量与能量
热度 5 chenfap 2013-12-30 10:22
最易混淆和错误理解的两个基本物理量—质量与能量 最近在网上偶然看见有人建议用汉字书写比赛的方法来纠正对汉字的误写,还提到‘冒’字是最易写错的汉字,人们常误把‘冒’字中‘目’之上的两横和两竖相连接,而应当是分开的!。这使我连想到,在物理学中有两个基本物理量,即质量与能量,最易混淆和错误理解;虽然这几年有些中文物理杂志,如《大学物理》、《物理》等,常刊登一些说明质量与能量有何区别的文章,本博也发表过好几篇强调质量与能量有所不同的博文,然而从网上可以看到,还是有不少人对质量与能量这两个基本量,有着错误的理解和混淆。为了改变这种现象,是否也可采取对物理概念进行分辨比赛的方法来纠正对物理概念的混淆和错误理解呢?对物理概念的混淆和错误理解之纠正不是小问题,因为一个国家的科学技之发展与提高是建立在国民的科学知识水平之上的。 关于质量与能量的物理概念之涵义、它们的基本特性和与物理规律的联系、以及它们彼此的区别,本博已作过比较详细的介绍,就不再重复了。下面只列出一些比较,供大家参考: 1 、质量是用来描述物体惯性的大小以及用来大致比较物体所含物质多少的物理量,而能量是用来描述物体做工之本领和所处状态的物理量。一个物体的能量不仅与其质量有关,还与其运动状态有关。故质量与能量并不彼此等价。 2 、在相对论的 4 维表述中,质量是标量,而能量是 4 维向量的时间分量。 3 、在相对论中存在能量守恒定律而不存在质量守恒定律。 4 、一个物理体系的质量有可能全部消失而仅出现能量(如正负电子湮没为光子,光子质量为 0 ,能量不为 0 ),而一个物理体系的能量不可能全部消失而仅出现质量(即除质量外,这个体系的能量为 0 )。
个人分类: 未分类|5112 次阅读|12 个评论
再发:逆运算在数集扩展中的作用
热度 1 TUGJAYZHAB 2011-5-3 02:54
逆运算在数集扩展中的作用 (讨论稿, 2008-10-19 ) (2012-8-31 修改,再发) 人类首先认识的是 自然数 , N : 1 , 2 , 3 ,… 首先发现的运算规则是 加法 : 1+1=2 。 有了加法运算的结果 ( 和 ) 之后,为了反过来求原因,古人发现了加法的逆运算, 减法 : 2-1=1 。 减法导致了人类对数的认识的一大飞跃,认识了 负数 : 1-2=-1 。 人们对数的认识, 数集 , 也从 自然数 N 扩展到 整数 Z 。 整数 包括零,正整数(即自然数 N ),和负正数。如果用 数轴 来表示数集,这时的数轴好象竹子,一节一节的。 数集 Z 的元素,整数,和数轴上的节一一对应。 在重复的加法运算的基础上,人们发现了 乘法 运算规则:由 2+2=4 ,定义了 2*2=4 。 有了乘法运算的结果 ( 积 ) 之后,为了反过来求原因,古人发现了乘法的逆运算, 除法 : 4/2=2 。 除法导致了人类对数的认识的又一次大飞跃,即认识了 分数 : 1/2=1/2 。 数的认识也因此从 整数 扩展到 分数 ,数集扩大到 有理数 ,记为 Q 。有理数包括零、正有理数和负有理数,它们是 有限小数 或(无限) 循环小数 。数集发展到这个阶段,数轴上的点非常密,几乎布满了整个数轴。每一个有理数在数轴上有一个对应的点,但数轴上仍有无穷多个点,没有对应的有理数。 在重复的乘法运算的基础上,人们发现了 乘方、幂 的运算规则: 2^2=4 。 有了乘方运算的结果 ( 幂 ) 之后,为了反过来求原因,人们发现了乘方的逆运算, 开方 : 4^ ( 1/2 ) =2 。 开方导致了人类对数的认识的又一次大飞跃,认识了 无理数 ,数集也扩展到 实数 。 实数 R 包括有理数和无理数。 无理数 是无限不循环小数,有正有负。 这样一来, 实数 和 数轴 上的点实现了完全的一一对应。我们称“数”为“点”的 坐标 ,“点”为“数”的 投影 。 线上的点是一元的。为了和下面的 向量 对应,我们又称一元的数,实数为 标量 。 数轴上的 点 和 标量 是一一对应的。所有的实数(标量)组成了数轴,一条线。 现在,人们对数的认识,由线扩展到了面,扩展到了体,扩展到了 多维空间 。平面上的点是和二元数组(二元向量)一一对应的;三维空间的点是和三元向量一一对应的。 多维空间 的点和 多元向量 是一一对应的。 这时的 多维(线性、向量)空间 ,记为 R^n ,中,仅定义了 加法 , 减法 : 分量的和做和的分量,分量的差做差的分量 。但没有定义严格意义上的 向量乘法 和 向量除法 。而是仿照矩阵,定义了 点乘 和 叉乘 (内积和外积),并得到了相当广泛的应用和成功。然而, 点乘 和 叉乘 是 不封闭 的,即 积不属于同一个集合,不是同一个多维空间的向量,没有逆运算 。而且, 点乘和叉乘也不满足交换律、结合律、分配律 。数的扩展,走进了一个盲肠。 由于生态学的发展,系统分析的需要,人们在多维空间里定义了 向量的乘法 、 向量的除法 : 分量的积做积的分量,分量的商做商的分量 。 由于这样定义的向量乘法满足交换律、结合律、分配律、而且这样定义的乘法、除法是封闭的,即,积、商仍在同一集合内,定义了向量乘法、除法的向量空间, R^m, 晋升为群,记为 G ,称白 - 梁群 。 在白 - 梁群中,在多维空间, R^m ,向量既有加法和减法,又有向量乘法、除法、和幂运算。由于运算封闭,它们运算的结果是唯一确定的,而且也与空间的点是一一对应的。‘数’和‘形’在高维空间达到了新的统一。 这样,由逆运算推动,人类对数的认识不断扩展,实现了几次大的飞跃:从正数到负数,从点到线(实数),由线到面(直角坐标系)、再到体(三维空间)、再到多维空间(多元向量),实现了数(多元向量)及其运算结果与多维空间的点一一对应的局面。至此,数及其四则运算充满了多维空间, m - 维空间。在白 - 梁群, G ,中,人们对数及其运算的认识完成了又一次扩展,又一次飞跃。 参考:《数学手册》高等教育出版社, 1977 ,第一页。 Martin and Patricia Perkins: Advanced Mathematics. CollinsEducational, 1994 。 T.Jay Bai, et al., Multi-dimensional sphere model and instantaneous vegetation trend analysis. Ecological Modelling, 97, 75-86. 梁, 2008 , http://www.planta.cn/forum/viewtopic.php?p=78581#78581 无独有偶,请同时参阅博友陈辉的相关博文: 《 发现 “ 无理数 ” , 最终形成 “ 实数 ” 概念 》 http://blog.sciencenet.cn/home.php?mod=spaceuid=278395do=blogid=438992 《碰到“没有答案的问题”,人类就创造出新数》 http://blog.sciencenet.cn/home.php?mod=spaceuid=278395do=blogid=438453 《 虚数 —— 一 种 “ 并不存在的数 ”》 http://blog.sciencenet.cn/home.php?mod=spaceuid=278395do=blogid=438237 相关链接: http://blog.sciencenet.cn/blog-333331-667800.html
个人分类: MDSM 通讯|2744 次阅读|4 个评论
投资实验周报告(36)
TUGJAYZHAB 2010-9-11 08:31
上周报告 http://www.sciencenet.cn/m/user_content.aspx?id=359194 趋势分析在ETF市场的投资实验 投资实验周报告(36) 9/10/2010 自2009年12月31日, 用MDSM管理的IRA从$30,469.85 增/跌到$31,106.97。是原值的102.09%,净增/跌了2.09%。与市场平均(无为投资)相比,领先$905.68。而同期的市场指数:SGI(商高),DIA(道琼斯),QQQQ(纳思达克),SPY(标准普尔)和无为投资分别净增/跌了3.70%,0.68%,1.86%,0.04%,和 -0.88%。MDSM暂居第二,继续领先。 详见表。 表:MDSM与几个指数(包括向量,标量平均)的比较 12/31/2009 9/10/2010 初始值 当前值 净增率 SGI 526.52 546.01 3.70% DIA 104.07 104.78 0.68% QQQQ 45.75 46.6 1.86% SPY 111.44 111.48 0.04% 无为投资 $30,470.00 $30,201.29 -0.88% MDSM $30,470.00 $31,106.97 2.09% 下周报告 http://www.sciencenet.cn/m/user_content.aspx?id=364750 年终报告 http://bbs.sciencenet.cn/home.php?mod=spaceuid=333331do=blogid=400732
1558 次阅读|0 个评论
第四讲 向超球面投影,数据标准化和状态向量
TUGJAYZHAB 2010-6-2 09:05
第四讲 向超球面投影。数据标准化和状态向量: Vegetation data Standardization, state vectors. M-vector divided by its own vector length. ShangGao Index. Importance Values of a species or m-percentages (relative coveages) of a species. Direction of the vectors expressed by m-cosine values. Radius and State Vector, standardized Centroid m-vector. Cosine values as Similarity Coefficient. 多元向量,趋势分析,聚类 , 相似 , 超球面 , 标准化 , 投影 , 标量 , 余弦 , 多元 向量在多维空间的方向问题是 MDSM 的核心 , 方向用余弦表示 , 表现系统的相对组成 . 向量的性质 : M- 向量除 ( 乘 ) 以标量 ,量值有变化,但 方向不变。 推论 : α A ≈ A 其中,黑体大写 A 表示多元向量,而 α 表示标量。数乘后的多元向量保持与自己相似。 M- 向量 = 始自原点的射线 (vs. segment) 而区别于线段 . 线性代数中的类似的表述 : 移到原点 , 相关的两个向量重合 (Leon,); 行列式决定矩阵是否有逆 ( 行列式等于零的实质是向量线性相关 ). 向量除以自己的向量长度 (magnitude) 。 Y'=Y/|Y| 。 式 称 多元向量标准化 (Standardization, Normalization). 或向超球面投影。MultiDimensional Sphere Model, MDSM 名称由此而来。 单位向量 (unit vector) 长度 =1。 第三讲介绍对N个样本 中心化 提炼出 形心向量 , 再 标准化 得到系统的 状态向量 (state vector)。 超球面半径和状态向量 (State Vectors) 可以描述系统状态。 练习 : 二元向量 OS=(3,4) 在超球面上的投影 S'=(0.6,0.8) 已知 A, B, C, 求它们在超球面的投影 : A', B' C'. 单位向量的坐标 ( 在各坐标轴上的投影 ) 是单位向量和各坐标轴夹角的余弦 ( 可以证明 ), 是投影 : 二维空间中 (3,4) 在两轴上的投影 . 求以下余弦值 : AOA(I), I=1,2,3,4,5. 与 A' 比较 , 余弦公式 ,COS=. 作 B 作 C 股票市场的向量长度被命名为 商高指数 (SGI) , 商高其人 ( 周髀 算经 ), 二维空间中两向量的加法 :3^2+4^=5^2. 西汉 -200, 毕氏 -500. 定义和意义 ? 商高指数 , 要经常用到 , 与道琼指数 (30) 的比较 : 1). M 个股票的综合 . 其变化率可以被分解为 M 个趋势值 . 能更好地反映全局 . 而道琼是孤立的 , 和个别股票没有联系 . 道琼上扬 , 经传媒报道 , 股市升温 . 股 民争相投资盲目抢购任意的股票 . 经济学家指出股市过热 , 却无能为力 . 大家 都在防止股市下跌 , 一旦风吹草动 , 股民又争相盲目抛售 , 冲击国民经济 . SGI 可以破除大锅饭 , 防止大起大落 , 冲击经济 . 2). 道琼指数的点数 , 不可横向 , 纵向比较 . 而 SGI% 可以比较任意两个股市 . 一个股市的任意两个时间段 . 3). 道琼的成份股有主观性 . 比如电子工业是现代工业的重要支柱 , 道琼中要 有反映 . 谁该出去 , 谁该进来 ,IBM 还是 MicroSoft? 股票支数的变化可能影响商高指数 ( 很小 ), 但不影响排序 ( 在任何子集中唯一 确定 ), 股票支数的增减尤其反映状态 . 序位有传递性 ( 见下文 ). 4). 道琼告诉人们进入或退出股市的时机 , 但只有股票趋势值能告诉我们该 买卖哪个股票 , 给出横向比较的结果 5). 道琼变化指示股市的变化 , 其等同于 SGI. 而趋势值的变化反映资金的流动 . 标准化 : 股票重要值 (Importance Value) ,余弦值 , 单位向量在 i 轴的投影 , 相 对多度 ( 植物在植被中的 ). 同百分比的比较 : 向量百分比 , 平方和等于一 . 百分比 :3+4=7, 3/7=43%, 4/7=57%, 43%+57%=100% 余弦 : 3+4=5, 0.6^2+0.8^2=0.36+0.64=1 但百分比仅可用于一维 . 而 MDSM 可以更深刻描述多维系统的组成和系统的 指数增长 . 练习 : 已知 5- 向量 A, 求 A'(I)^2=1 用 M- 余弦向量表示方向 , 表示系统的组成 . 从余弦可以计算正切 ( 余弦 -- 正弦 -- 正切 -- 线性 ). 但由于我们预设股市是指数增长 , 所以我们不用正切 . 不是线性系统 ,但 包含了线性系统(二阶趋势值等于一时,见第五第六讲)。 标准化滤去了利多 , 利空以及政策层面的影响 ,滤去 来自股市外部的影响 , 对所有 股票的影响 , 而只保留了股市对外界影响的反应 , 股市相对组成的信息 ; 余弦 向量的动态显示股票互相消长的信息 , 资金在股市内部流动的信息。达到监 测股市的目的。 若 Y(k)=S(k)+M(k)+T(k) 其中 , Sample 样本波动 , 取样误差 , Market 股市动态 ( 表现为道琼指数 , 商高指 数的变化 ), Trend 股票动态 , 股票自己的运动规律 . 股票的价格是由它自己的运动规律 T, 股票市场的运动规律 M 和随机波动 S 合 成的 . 我们要尽可能滤去 S 和 M, 以求 T. 滤去 S, 用中心化 . 滤去 M, 用标准化 . 讨论 ( 在植被学中 , 基本上 , 所有的物种都正相关 , 通过水分温度协调 ): 通过中心化 , 标准化 , 我们可能发现很多 " 随机变量 " 其实并不随机 , 而是围绕 一个定值波动 . 在植被类型 , 季节 , 面积确定之后 , 变量的取值范围就大体被限 定了 . 可能 , 有些变量之所以被认为是随机变量 , 仅是由于我们对其分布规律 , 对 它所属的系统不够了解的缘故 . 标准化是比较好的 ( 与 PCA 平行的 ) 投影选择 . 几何解释 :X 变量在 X 轴上以 3 为中心在 0-3- 无穷大之间呈不对称的钟状(正态)分布 ; Y 变量在 Y 轴上以 4 为中心在 0-4- 无穷大之间呈不对称的钟状(正态)分布。 则有 , 二元向量 (X,Y) 在二维空间呈纺锤 ( 同心椭圆 ) 分布 . 椭圆的长轴是 Y=4/3X.( 图 1,Afifi, 1984, pp,319). 根据同样原理 , 我们也许可以推论 : 3 个正态分布的变量 X=3,Y=4,Z=5 所组成的三元向量在三维空间的分 布呈椭球体 , 椭球体的长轴是 20/3X=15/4Y=12/5Z. 所以 , 可能有推论 ( 有待证明 ): M 个正态分布的变量所组成的 M 元向量在 M 维空间的分布呈超 椭球体 , 超椭球体的长轴过原点 . 从多维空间向超椭球体的长轴投影 (PCA), 是最大方差投影 , 可用来在一维上分 辨变量 . 相应的 , 沿长轴方向 , 向单位超球面投影是最小方差投影 , 最具确定性 , 最少随机性 . 确定性变量和随机变量之间是可以转换的。 或者说:确定性变量和(或)随机变量之间是可以转换的。 真,假,或随机变量。 变换有可能将随机变量转化成确定性变量。 比如 , 随机变量除自己 , 则商永远是 一 , 不但是确定性变量 , 而且是常量。 变量的非随机化: 随机变量/ 随机变量=1 随机变量(i)/ ∑ 随机变量=份额(i) 分量在系统中所佔份额接近常量。系统有确定的组成。 每支股票的波动看起来很大,似乎我们无法认识,但股票在市场构成中的比例却是相对稳定的,是我们可以认识,可以把握的。 参考资料 ( 略 ): ORLOCI 计算机初步 ( 略 ):
个人分类: 第四讲|3955 次阅读|1 个评论
一句话
TUGJAYZHAB 2010-5-7 00:03
一句话 昨天跟一个朋友聊起我的科研。朋友说他有个朋友也许有兴趣,并问我:“如果只给你三分钟,你能否交代清楚你的模型”。我刚听挺上火:二十多年的研究怎能在三分钟里讲清楚,我精心准备并压缩了的幻灯也要演示20多分钟。你的朋友爱听不听。他太忙,没时间听,我还没时间给他讲呢。但后来细想,这位朋友说得有一定的道理。这不但是个新的挑战,而且确实有实际意义。人们现在都很忙,没有时间听长篇大论。而且,现在也是该概括、总结、抽象的时候了。比如,这次来《科学网》开博,我原来的简要介绍是: “系统动态监测和趋势分析--在多维变量空间,使用多元向量” ,就很叫人摸不着头脑。干这行的,不用你介绍,而不干这行的,看了介绍也依旧不得要领。应该如何总结《超球面模型》,使感兴趣的人能认识其意义;使旁观者有兴趣继续了解呢。 经过一番思考,我对这位朋友说,我可以把《超球面模型》概括成一句话。 对有科学背景的朋友,这句话是: “向量除法” 。 有一定数学基础的博友都知道,向量是没有除法的。目前向量的乘法定义,包括点乘、叉乘(内积、外积)都是不封闭的。就是说,乘完后,“积”不再是同一空间的向量,所以没有逆运算、没有除法。与向量相对应, 标量 是有四则运算的,因此可以做许多事情(我们现在做的绝大多数分析、计算都 仅限于标量 );而向量只有加减法和数乘,却没有向量乘除法。如果有一天, 向量 也能做四则运算,由于多维空间是比实数轴更大的集合,因此 向量分析 、 向量运算 的功能、潜力是我们目前所无法预设的。《超球面模型》的意义就在这里。 对一般公众,这句话是: 3+4=5。 在一根数轴上, 3+4=7 成立。但,却是有条件的:只在一维成立。 在平面上,两向量首尾 垂直 相连,则“向量和”是5而不是7(平面几何中的“商高定理”、“毕氏定理”)。 平面上的“向量加法”包括了直线上的“标量加法”。 “向量加法”是“标量加法”的扩展,“标量加法”是“向量加法”的特例。 而且,有数学定理保证(费尔马定理),平面上的向量加法,在多维空间成立。 据此,我更新了我的博客简介。 续:一句话概括超球面模型(2) http://blog.sciencenet.cn/home.php?mod=spaceuid=333331do=blogid=322229
个人分类: MDSM 通讯|2994 次阅读|2 个评论

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-6-2 18:58

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部