跳轉到

05.1 狀態函數與全微分：內能、熵與自由能的數學定義#

1. 為什麼化學需要「狀態函數」？#

化學家關心的是反應前後的變化：一莫耳氫氣燃燒會放出多少能量？食鹽溶於水是放熱還是吸熱？要回答這些問題，十九世紀的物理學家發現了一個深刻的數學結構：系統的某些性質只依賴於「現在的狀態」，而不依賴於「如何到達這個狀態」。這類量稱為狀態函數（state function），而它的數學化身就是全微分（exact differential）。

定義（狀態函數）：若 \(F = F(x_1, x_2, \ldots, x_n)\) 是系統狀態變數的函數，且 \(F\) 的值唯一由狀態 \((x_1, \ldots, x_n)\) 決定，則 \(F\) 為狀態函數。其微小變化可寫為全微分 $\(dF = \sum_{i=1}^{n} \left(\frac{\partial F}{\partial x_i}\right)_{x_{j\neq i}} dx_i\)$

化學熱力學中最重要的狀態函數有：

符號 名稱 自然變數
\(U\) 內能 \(S,\ V,\ n\)
\(H = U + pV\) 焓 \(S,\ p,\ n\)
\(A = U - TS\) Helmholtz 自由能 \(T,\ V,\ n\)
\(G = U + pV - TS\) Gibbs 自由能 \(T,\ p,\ n\)
\(S\) 熵 \(U,\ V,\ n\)

注意 \(H\) 、 \(A\) 、 \(G\) 都是從 \(U\) 經過勒壤得變換（Legendre transform）產生的：把「不便利的自然變數」換成「實驗上容易控制的變數」。這不只是符號遊戲——它讓我們能把理論對準實驗條件。例如大多數化學反應在恆溫恆壓下進行，所以我們關心 \(G\) 而非 \(U\) 。

2. 第一定律與全微分的誕生#

熱力學第一定律寫作

\[dU = \delta Q + \delta W\]

這裡的 \(\delta\) 是刻意區別於 \(d\) 的記號：功 \(\delta W = -p\,dV\) 與熱 \(\delta Q = T\,dS\) （可逆過程）不是全微分，它們是「路徑依賴」的量。歷史上的因果鏈很清楚：

Clausius 的天才之筆在於注意到：對可逆循環 \(\oint \frac{\delta Q_{\mathrm{rev}}}{T} = 0\) 。由向量分析的經典定理，一個線積分沿任何閉曲線為零，若且唯若被積函數是某個狀態函數的全微分：

\[dS = \frac{\delta Q_{\mathrm{rev}}}{T}\]

熵就是這樣從積分技巧中被「創造」出來的狀態函數。 這是數學（全微分的判別準則）反過來驅動物理概念誕生的經典例子。

3. 全微分的判別準則：對稱性定理#

定理（Schwarz–Clairaut）：若 \(F(x,y)\) 的二階偏導數連續，則 $\(\frac{\partial^2 F}{\partial x \partial y} = \frac{\partial^2 F}{\partial y \partial x}\)$ 反過來，若 \(M(x,y)\,dx + N(x,y)\,dy\) 滿足 \(\partial M/\partial y = \partial N/\partial x\) （在單連通區域上），則存在 \(F\) 使 \(dF = M\,dx + N\,dy\) 。

例題：判斷 \(\delta Q = C_V\,dT + \left(\frac{\partial U}{\partial V}\right)_T dV\) 是否為全微分。對理想氣體 \(U = C_V T\) ，代入後

\[\frac{\partial}{\partial V}(C_V) = 0, \qquad \frac{\partial}{\partial T}\left[\left(\frac{\partial U}{\partial V}\right)_T\right] = 0\]

對理想氣體恰好「碰巧」可積分，但一般物質的 \(\delta Q\) 不可積——這正是它不是狀態函數的數學表徵。

4. 內能與熵的完整微分形式#

以 \(U = U(S, V, n)\) 為自然變數，第一與第二定律合併可得熱力學基本關係式：

\[dU = T\,dS - p\,dV + \sum_i \mu_i\, dn_i\]

讀出係數即得定義：

\[T = \left(\frac{\partial U}{\partial S}\right)_{V,n}, \quad p = -\left(\frac{\partial U}{\partial V}\right)_{S,n}, \quad \mu_i = \left(\frac{\partial U}{\partial n_i}\right)_{S,V,n_{j\neq i}}\]

這是整個熱力學的「母方程」：溫度、壓力、化學勢全部都是 \(U\) 的偏導數。Gibbs 在 1875–1878 年的《論非均質物質的平衡》中建立了這套架構，往後五十年的化學熱力學（包括化學勢、相律、平衡常數）全部由這一條微分式衍生。

5. 三次勒壤得變換#

\[H = U + pV \;\Rightarrow\; dH = T\,dS + V\,dp + \sum_i \mu_i\,dn_i$$ $$A = U - TS \;\Rightarrow\; dA = -S\,dT - p\,dV + \sum_i \mu_i\,dn_i$$ $$G = U + pV - TS \;\Rightarrow\; dG = -S\,dT + V\,dp + \sum_i \mu_i\,dn_i\]

每個勢都自帶一組偏導數定義，例如：

\[S = -\left(\frac{\partial G}{\partial T}\right)_{p,n}, \qquad V = \left(\frac{\partial G}{\partial p}\right)_{T,n}, \qquad \mu_i = \left(\frac{\partial G}{\partial n_i}\right)_{T,p}\]

化學意義：恆溫恆壓下，自發過程的判據就是 \(dG < 0\) ；平衡時 \(dG = 0\) 。這把「化學反應往哪個方向走」化約成對一個純量的微分判斷。

6. 數值實驗：用理想氣體驗證全微分#

我們用 Python 檢查：對 1 莫耳理想氣體， \(S(T,p) = C_p \ln T - R \ln p + S^\circ\) 是狀態函數，所以沿不同路徑從 \((T_1,p_1)\) 走到 \((T_2,p_2)\) ，積分 \(\int \frac{\delta Q_{\mathrm{rev}}}{T}\) 應該相同。

import numpy as np

R, Cp, Cv = 8.314, 29.1, 20.8   # J/(mol·K)，雙原子氣體近似

def dS_reversible(T, p, dT, dp):
    """可逆微小步中 dQ_rev/T = dU/T + p dV/T 的展開式"""
    # p dV = R dT - V dp （對理想氣體）
    return (Cv * dT + R * dT - (R * T / p) * dp) / T

def entropy_along_path(T1, p1, T2, p2, path, n=2000):
    total = 0.0
    for i in range(n):
        a, b = i / n, (i + 1) / n
        Ta, Pa = path(T1, p1, T2, p2, a)
        Tb, Pb = path(T1, p1, T2, p2, b)
        total += dS_reversible((Ta + Tb) / 2, (Pa + Pb) / 2,
                               Tb - Ta, Pb - Pa)
    return total

# 路徑 A：先恆壓升溫，再恆溫壓縮
def path_A(T1, p1, T2, p2, s):
    T = T1 + s * (T2 - T1)
    p = p1 + max(0, (s - 0.5) * 2) * (p2 - p1)
    return T, p

# 路徑 B：先恆溫壓縮，再恆壓升溫
def path_B(T1, p1, T2, p2, s):
    p = p1 + min(1, s * 2) * (p2 - p1)
    T = T1 + max(0, (s - 0.5) * 2) * (T2 - T1)
    return T, p

T1, p1, T2, p2 = 300.0, 1.0e5, 500.0, 3.0e5
SA = entropy_along_path(T1, p1, T2, p2, path_A)
SB = entropy_along_path(T1, p1, T2, p2, path_B)
Sanalytic = Cp * np.log(T2 / T1) - R * np.log(p2 / p1)

print(f"路徑 A  ΔS = {SA:.3f} J/(mol·K)")
print(f"路徑 B  ΔS = {SB:.3f} J/(mol·K)")
print(f"解析式  ΔS = {Sanalytic:.3f} J/(mol·K)")

執行結果三個數字一致（約 \(5.35\ \mathrm{J\,mol^{-1}K^{-1}}\) ）：熵變與路徑無關，這正是全微分的數值體現；若改積 \(\delta Q\) 本身，兩條路徑會得到不同答案。

7. 為什麼「全」微分如此重要：循環過程與極值原理#

由全微分的積分性質，對任何循環過程

\[\oint dU = \oint dS = \oint dG = 0\]

因此 Carnot 熱機的效率分析才能乾淨地展開： \(\oint \delta W = \oint \delta Q \neq 0\) （功與淨熱可以不為零），但狀態函數「走一圈回到原點」。這個對比是熱機工程與化學能量學共同的地基。

另一個深遠的後果：恆 \(T,p\) 下的平衡極值原理

\[G(T, p, n_1, \ldots, n_k) \to \min\]

把化學平衡轉化成多變數函數的極值問題。第六章將看到，這一極值問題對組成 \(n_i\) 求導，就誕生化學勢相等的平衡條件，再往下一步就是平衡常數 \(K\) 。

8. 章末小結#

  • 狀態函數的數學定義 = 其無窮小變化是全微分； \(\delta Q\) 、 \(\delta W\) 用 \(\delta\) 標記正是因為它們路徑依賴。
  • 熵源於 Clausius 的積分觀察： \(\oint \delta Q_{\mathrm{rev}}/T = 0\) 蘊含狀態函數的存在。
  • \(dU = T\,dS - p\,dV + \sum \mu_i\, dn_i\) 是母方程； \(H\) 、 \(A\) 、 \(G\) 是勒壤得變換的產物，目的是對準實驗控制變數。
  • Schwarz 對稱性 \(F_{xy} = F_{yx}\) 是熱力學一致性（下一節 Maxwell 關係式）的數學根源。
  • 全微分的路徑無關性可用數值積分直接驗證。

下一步#

下一節 05.2 中，我們把「偏導數可以交換次序」這個純數學事實套用在 \(U, H, A, G\) 上，將得到四條 Maxwell 關係式——它把實驗測不到的量（如熵隨壓力的變化）換成測得到的量（如體積隨溫度的變化），是偏微積分在化學中最優雅的應用。