Python物理数值解析

让我们回忆一下库仑定律：来自位于 $r_0$ 处的单个点电荷 $q_0$ 的位于 $P$ 点（位置 $r$）的测试电荷 $Q$ 上的力由下式给出：

$${\mathbf{F}}_0=k\frac{q_{0}Q}{{\left(\mathbf{r}-{\mathbf{r}}_0\right)}^2}\frac{\mathbf{r}-{\mathbf{r}}_0}{\left|\mathbf{r}-{\mathbf{r}}_0\right|},(1)$$

其中库仑常数是 $k=1/\left(4\pi {ϵ}_0\right)$ SI 单位（${ϵ}_0$ 是自由空间的介电常数）。 力与两个电荷的乘积成正比，与两个电荷之间的距离的平方成反比，并沿着从电荷 $q_0$ 到电荷 $Q$ 的线点。电场就是力 $F_0$ 与电荷 $Q$ 的比值。 测试电荷 $Q$ 在测试电荷的大小变为零的极限。 在实践中，这给了我们：

$${\mathbf{E}}_0(\mathbf{r})=k{q}_0\frac{\mathbf{r}-{\mathbf{r}}_0}{{\left|\mathbf{r}-{\mathbf{r}}_0\right|}^3},(2)$$

在那里我们取消了 $Q$，并借此机会合并了两个分母。 这是由 $r_0$ 处的点电荷 $q_0$ 引起的 $r$ 位置处的电场。

如果我们面临多个点电荷，我们可以应用叠加原理：$Q$ 上的合力由作用在 $Q$ 上的各个力的矢量和组成。 因此，如果我们处理 $n$ 点电荷 $q_0,q_1,\dots ,q_{n-1}$ 分别位于 ${\mathbf{r}}_0,{\mathbf{r}}_1,\dots ,{\mathbf{r}}_{n-1}$ 处，则情况如图 1.5 所示。 为了便于查看，我们的图形是二维的，但形式主义同样适用于三个维度。 位置 $r$ 处的总电场为：

$$\mathbf{E}(\mathbf{r})=\sum _{i=0}^{n-1}{\mathbf{E}}_i(\mathbf{r})=\sum _{i=0}^{n-1}k{q}_i\frac{\mathbf{r}-{\mathbf{r}}_i}{{\left|\mathbf{r}-{\mathbf{r}}_i\right|}^3},(3)$$

即，单个电场贡献的总和，${\mathbf{E}}_i(\mathbf{r})$。 请注意，您可以考虑空间中任何一点的总电场 $r$。 另请注意，电场是一个矢量：在空间中的任何点，该 $E$ 都有大小和方向。 可视化矢量场的一种方法包括绘制场线，即帮助我们跟踪场方向的假想曲线。 更具体地说，给定点的场线的切线为我们提供了该点的电场方向。 场线不交叉； 它们以正电荷（“源”）开始，以负电荷（“汇”）结束。

绘制场线

我们将在 Python 中绘制电场线； 虽然存在更复杂的向量场可视化方法（例如，线积分卷积），但我们在下面描述的内容应该足以让您对事物有定性的感觉。 虽然绘图函数（甚至库）的变化往往比编程基础设施的其他方面快得多，但无论具体实现是什么样子，所讨论的原则都适用。

我们面临两个任务：首先，我们需要根据方程式（3）在电荷附近的几个点产生电场（矢量），其次，我们需要以这样一种方式绘制场线，以便我们可以从物理上解释正在发生的事情。 和前面的代码一样，我们为每个任务创建一个 Python 函数。 为简单起见，我们从一个只有两个点电荷（大小相等，符号相反）的问题开始。 此外，我们将自己限制在两个维度上（笛卡尔坐标 x 和 y）。

代码 1.3 是一个 Python 实现，其中为了简单起见，库仑常数被分开。 我们首先导入 numpy 和 matplotlib，因为繁重的工作将由函数 streamplot() 完成，该函数需要 NumPy 数组作为输入。 我们还导入了平方根和 deepcopy() 函数，它们可以创建一个不同的列表列表。

import numpy as np
import matplotlib.pyplot as plt
from math import sqrt
from copy import deepcopy
def makefield(xs, ys):
	qtopos = {1: (-1,0), -1: (1,0)}
	n = len(xs)
	Exs = [[0. for k in range(n)] for j in range(n)]
	Eys = deepcopy(Exs)
	for j,x in enumerate(xs):
		for k,y in enumerate(ys):
			for q,pos in qtopos.items():
				posx, posy = pos
				R = sqrt((x - posx)**2 + (y - posy)**2)
				Exs[k][j] += q*(x - posx)/R**3
				Eys[k][j] += q*(y - posy)/R**3
	return Exs, Eys
def plotfield(boxl,n):
	...

详情参阅 - 亚图跨际