from scipy import *
import matplotlib.pyplot as plt
def plot_elines(x_grid, y_grid, potential, field):
fig, ax = plt.subplots(figsize=(13, 13))
im_cs = ax.contour(x_grid, y_grid, potential, 18, cmap='inferno')
plt.clabel(im_cs, inline=1, fontsize=7)
ax.quiver(x_grid[::3, ::3], y_grid[::3, ::3],
field[0, ::3, ::3], field[1, ::3, ::3],)
ax.set_xlabel("$x$")
ax.set_ylabel("$y$")
plt.show()
# define q configuration (x,y positions)
charges = [
[1, 1],
]
xx, yy = meshgrid(linspace(-4, 4), linspace(-4, 4))
# potential function
e_pot = 0.
for idx, q in enumerate(charges):
dx, dy = xx-q[0], yy-q[1]
rr = hypot(dx, dy)
e_pot += 1/(4*pi) * 1./rr
e_field = gradient(-e_pot)
e_field /= hypot(e_field[0], e_field[1]) * 5
# why is this needed?
e_field[0] = e_field[0].T
e_field[1] = e_field[1].T
plot_elines(xx, yy, e_pot, e_field)
我对从numpy / scipy使用gradient
函数有疑问。
我在这里绘制电场等势线和单个正电荷的场矢量。定义是
E = -grad(V)
根据定义,场矢量(颤动线)和等势线(轮廓线)在空间的所有点都应彼此正交,并且由于电荷为正,因此箭头需要指向远离电荷本身的方向。
我正在使用scipy的gradient
函数来计算E,但是我发现如果我不转置gradient
函数的x-y网格输出,则输出是错误的。
比较两个输出(有.T
(正确)和没有.T
(错误)):
与
为什么需要移调?还是我画错了什么?
谢谢。
答案 0 :(得分:1)
转置为您提供正确图的事实纯属巧合,因为电荷在x和y位置对称(即在45°线上)。
真正的问题来自对numpy.gradient
的错误解释。它将沿轴向返回渐变。轴0的第一个数组,轴1的第二个数组。现在,您所用的轴0对应于y
轴,轴1对应于x
轴。
e_field_y, e_field_x = numpy.gradient(-e_pot)
因此,当在颤动图中选择各个字段分量时,需要选择第一个条目作为y分量,选择第二个条目作为x分量。
ax.quiver(x_grid[::3, ::3], y_grid[::3, ::3],
field[1, ::3, ::3], field[0, ::3, ::3],)
完整的代码将如下所示
import numpy as np
import matplotlib.pyplot as plt
def plot_elines(x_grid, y_grid, potential, field):
fig, ax = plt.subplots(figsize=(13, 13))
im_cs = ax.contour(x_grid, y_grid, potential, 18, cmap='inferno')
plt.clabel(im_cs, inline=1, fontsize=7)
ax.quiver(x_grid[::3, ::3], y_grid[::3, ::3],
field[1, ::3, ::3], field[0, ::3, ::3],)
ax.set_xlabel("$x$")
ax.set_ylabel("$y$")
ax.set_aspect("equal")
plt.show()
# define q configuration (x,y positions)
charges = [
[1, 0],
]
xx, yy = np.meshgrid(np.linspace(-4, 4), np.linspace(-4, 4))
# potential function
e_pot = 0.
for idx, q in enumerate(charges):
dx, dy = xx-q[0], yy-q[1]
rr = np.hypot(dx, dy)
e_pot += 1/(4*np.pi) * 1./rr
e_field = np.gradient(-e_pot)
e_field /= np.hypot(e_field[0], e_field[1]) * 5
plot_elines(xx, yy, e_pot, e_field)
我把电荷从反对角线移开了。
最后一个提示:如果您使用不同形状的网格,则可以很好地检查此类代码的一致性。例如。如果您沿x取50分,沿y取51分,那么您将得到一个错误,而不是看似有效的代码,并且会更容易地针对基本问题。