电磁场中场点和源点及▽(R)▽(1/R)▽.▽(1/R)

  • r → \overrightarrow{r} r 表示场点, r → ′ \overrightarrow{r}' r 表示源点
    在这里插入图片描述

  • R → \overrightarrow{R} R 表示源点指向场点
    R → = r → − r → ′ \overrightarrow{R}=\overrightarrow{r}-\overrightarrow{r}' R =r r

  • R表示源点和场点之间的距离,标量函数
    R = ∣ r → − r → ′ ∣ = ( x − x ′ ) 2 + ( y − y ′ ) 2 + ( z − z ′ ) 2 R=\left | \overrightarrow{r}-\overrightarrow{r}' \right |=\sqrt{(x-x')^2+(y-y')^2+(z-z')^2} R=r r =(xx)2+(yy)2+(zz)2

  • e R → \overrightarrow{e_R} eR 表示 R → \overrightarrow{R} R 方向上的单位矢量


∇ R = R → R = e R → \nabla{R}=\frac{\overrightarrow{R}}{R}=\overrightarrow{e_R} R=RR =eR

  • 先计算一个分量 ∂ R / ∂ x \partial{R}/\partial{x} R/x
    在这里插入图片描述

  • 再整合起来
    在这里插入图片描述

  • ▽’表示变化得是带’的坐标,即场点不动,移动源点,场点和源点在同一直线上,相反方向相差一个负号


∇ 1 R = − ∇ R R 2 = − e R → R 2 \nabla{\frac{1}{R}}=-\frac{\nabla{R}}{R^2}=-\frac{\overrightarrow{e_R}}{R^2} R1=R2R=R2eR

  • 下面给出直接计算的思路

在这里插入图片描述


∇ 2 1 R = 0 , r → ≠ r → ′ \nabla^2{\frac{1}{R}}=0,\overrightarrow{r}\neq \overrightarrow{r}' 2R1=0,r =r

在这里插入图片描述

  • 补充一下分量x的计算过程
    在这里插入图片描述
  • 38
    点赞
  • 102
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
好的,以下是一份示例代码,可以实现你所需要的三个功能: ```python import queue # 定义图的邻接矩阵,这里使用二维列表表示 graph = [ [0, 1, 1, 0, 0, 0], [1, 0, 0, 1, 1, 0], [1, 0, 0, 0, 0, 1], [0, 1, 0, 0, 0, 1], [0, 1, 0, 0, 0, 1], [0, 0, 1, 1, 1, 0], ] # 定义深度优先遍历函数 def dfs(graph, start, visited=None): if visited is None: visited = set() visited.add(start) print(start, end=' ') for next_node, connected in enumerate(graph[start]): if connected and next_node not in visited: dfs(graph, next_node, visited) # 定义广度优先遍历函数 def bfs(graph, start): visited = set() q = queue.Queue() q.put(start) visited.add(start) while not q.empty(): node = q.get() print(node, end=' ') for next_node, connected in enumerate(graph[node]): if connected and next_node not in visited: q.put(next_node) visited.add(next_node) # 定义最短路径函数 def shortest_path(graph, start): dist = [float('inf')] * len(graph) dist[start] = 0 q = queue.Queue() q.put(start) while not q.empty(): node = q.get() for next_node, connected in enumerate(graph[node]): if connected and dist[node] + 1 < dist[next_node]: dist[next_node] = dist[node] + 1 q.put(next_node) return dist # 深度优先遍历 print('深度优先遍历:') dfs(graph, 0) print() # 广度优先遍历 print('广度优先遍历:') bfs(graph, 0) print() # 最短路径 print('最短路径:') dist = shortest_path(graph, 0) print(dist) ``` 在这个示例代码中,我们使用了以下三个函数: - `dfs(graph, start, visited=None)`:深度优先遍历函数,其中 `graph` 表示邻接矩阵,`start` 表示遍历的起,`visited` 表示已经访问过的节集合,如果 `visited` 为 `None`,则表示还没有访问任何节。该函数会输出遍历序列。 - `bfs(graph, start)`:广度优先遍历函数,与深度优先遍历函数类似,其中 `graph` 和 `start` 含义相同,该函数也会输出遍历序列。 - `shortest_path(graph, start)`:最短路径函数,其中 `graph` 和 `start` 含义相同,该函数会返回一个列表,表示源点 `start` 到图中每个的最短路径长度。在本示例代码中,我们使用了队列 `queue.Queue()` 来辅助实现广度优先遍历和最短路径算法。 当然,在实际应用中,以上三个函数的具体实现会因为不同的应用场景而有所不同。
评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值