从 麦克斯韦方程组 到 波动方程 再到 二维波动方程

从 麦克斯韦方程组 到 波动方程 再到 二维波动方程

flyfish

从麦克斯韦方程组,推导出了电场和磁场的波动方程。这两个波动方程描述了电磁场的传播,并且它们的形式与标准的波动方程一致。波动方程表明电场和磁场都以波的形式传播,传播速度 c c c 由以下关系确定:
c = 1 μ 0 ϵ 0 c = \frac{1}{\sqrt{\mu_0 \epsilon_0}} c=μ0ϵ0 1这个速度 c c c 恰好是光速,这证明了光是一种电磁波。

麦克斯韦方程组在真空中的形式

  1. 高斯定律(电场)
    ∇ ⋅ E = ρ ϵ 0 \nabla \cdot \mathbf{E} = \frac{\rho}{\epsilon_0} E=ϵ0ρ

  2. 高斯定律(磁场)
    ∇ ⋅ B = 0 \nabla \cdot \mathbf{B} = 0 B=0

  3. 法拉第电磁感应定律
    ∇ × E = − ∂ B ∂ t \nabla \times \mathbf{E} = -\frac{\partial \mathbf{B}}{\partial t} ×E=tB

  4. 安培-麦克斯韦方程
    ∇ × B = μ 0 J + μ 0 ϵ 0 ∂ E ∂ t \nabla \times \mathbf{B} = \mu_0 \mathbf{J} + \mu_0 \epsilon_0 \frac{\partial \mathbf{E}}{\partial t} ×B=μ0J+μ0ϵ0tE
    在真空中,电荷密度 ρ \rho ρ 和电流密度 J \mathbf{J} J 都为零,因此方程简化为:

  5. ∇ ⋅ E = 0 \nabla \cdot \mathbf{E} = 0 E=0

  6. ∇ ⋅ B = 0 \nabla \cdot \mathbf{B} = 0 B=0

  7. ∇ × E = − ∂ B ∂ t \nabla \times \mathbf{E} = -\frac{\partial \mathbf{B}}{\partial t} ×E=tB

  8. ∇ × B = μ 0 ϵ 0 ∂ E ∂ t \nabla \times \mathbf{B} = \mu_0 \epsilon_0 \frac{\partial \mathbf{E}}{\partial t} ×B=μ0ϵ0tE

推导电场的波动方程

首先对法拉第电磁感应定律取旋度:
∇ × ( ∇ × E ) = ∇ × ( − ∂ B ∂ t ) \nabla \times (\nabla \times \mathbf{E}) = \nabla \times \left( -\frac{\partial \mathbf{B}}{\partial t} \right) ×(×E)=×(tB)利用向量分析中的恒等式 ∇ × ( ∇ × E ) = ∇ ( ∇ ⋅ E ) − ∇ 2 E \nabla \times (\nabla \times \mathbf{E}) = \nabla (\nabla \cdot \mathbf{E}) - \nabla^2 \mathbf{E} ×(×E)=(E)2E,并结合高斯定律(电场) ∇ ⋅ E = 0 \nabla \cdot \mathbf{E} = 0 E=0,得到:
∇ × ( ∇ × E ) = − ∇ 2 E \nabla \times (\nabla \times \mathbf{E}) = -\nabla^2 \mathbf{E} ×(×E)=2E所以:
− ∇ 2 E = ∇ × ( − ∂ B ∂ t ) -\nabla^2 \mathbf{E} = \nabla \times \left( -\frac{\partial \mathbf{B}}{\partial t} \right) 2E=×(tB)
∇ 2 E = ∂ ∂ t ( ∇ × B ) \nabla^2 \mathbf{E} = \frac{\partial}{\partial t} (\nabla \times \mathbf{B}) 2E=t(×B)再利用安培-麦克斯韦方程中的 ∇ × B = μ 0 ϵ 0 ∂ E ∂ t \nabla \times \mathbf{B} = \mu_0 \epsilon_0 \frac{\partial \mathbf{E}}{\partial t} ×B=μ0ϵ0tE,得到:
∇ 2 E = ∂ ∂ t ( μ 0 ϵ 0 ∂ E ∂ t ) \nabla^2 \mathbf{E} = \frac{\partial}{\partial t} \left( \mu_0 \epsilon_0 \frac{\partial \mathbf{E}}{\partial t} \right) 2E=t(μ0ϵ0tE)
∇ 2 E = μ 0 ϵ 0 ∂ 2 E ∂ t 2 \nabla^2 \mathbf{E} = \mu_0 \epsilon_0 \frac{\partial^2 \mathbf{E}}{\partial t^2} 2E=μ0ϵ0t22E这就是电场的波动方程:
∇ 2 E − μ 0 ϵ 0 ∂ 2 E ∂ t 2 = 0 \nabla^2 \mathbf{E} - \mu_0 \epsilon_0 \frac{\partial^2 \mathbf{E}}{\partial t^2} = 0 2Eμ0ϵ0t22E=0

推导磁场的波动方程

对安培-麦克斯韦方程取旋度:
∇ × ( ∇ × B ) = ∇ × ( μ 0 ϵ 0 ∂ E ∂ t ) \nabla \times (\nabla \times \mathbf{B}) = \nabla \times \left( \mu_0 \epsilon_0 \frac{\partial \mathbf{E}}{\partial t} \right) ×(×B)=×(μ0ϵ0tE)同样利用向量恒等式 ∇ × ( ∇ × B ) = ∇ ( ∇ ⋅ B ) − ∇ 2 B \nabla \times (\nabla \times \mathbf{B}) = \nabla (\nabla \cdot \mathbf{B}) - \nabla^2 \mathbf{B} ×(×B)=(B)2B 和高斯定律(磁场) ∇ ⋅ B = 0 \nabla \cdot \mathbf{B} = 0 B=0,得到:
∇ × ( ∇ × B ) = − ∇ 2 B \nabla \times (\nabla \times \mathbf{B}) = -\nabla^2 \mathbf{B} ×(×B)=2B所以:
− ∇ 2 B = ∇ × ( μ 0 ϵ 0 ∂ E ∂ t ) -\nabla^2 \mathbf{B} = \nabla \times \left( \mu_0 \epsilon_0 \frac{\partial \mathbf{E}}{\partial t} \right) 2B=×(μ0ϵ0tE)
∇ 2 B = μ 0 ϵ 0 ∂ ∂ t ( ∇ × E ) \nabla^2 \mathbf{B} = \mu_0 \epsilon_0 \frac{\partial}{\partial t} (\nabla \times \mathbf{E}) 2B=μ0ϵ0t(×E)再利用法拉第电磁感应定律 ∇ × E = − ∂ B ∂ t \nabla \times \mathbf{E} = -\frac{\partial \mathbf{B}}{\partial t} ×E=tB,得到:
∇ 2 B = μ 0 ϵ 0 ∂ ∂ t ( − ∂ B ∂ t ) \nabla^2 \mathbf{B} = \mu_0 \epsilon_0 \frac{\partial}{\partial t} \left( -\frac{\partial \mathbf{B}}{\partial t} \right) 2B=μ0ϵ0t(tB)
∇ 2 B = μ 0 ϵ 0 ∂ 2 B ∂ t 2 \nabla^2 \mathbf{B} = \mu_0 \epsilon_0 \frac{\partial^2 \mathbf{B}}{\partial t^2} 2B=μ0ϵ0t22B这就是磁场的波动方程:
∇ 2 B − μ 0 ϵ 0 ∂ 2 B ∂ t 2 = 0 \nabla^2 \mathbf{B} - \mu_0 \epsilon_0 \frac{\partial^2 \mathbf{B}}{\partial t^2} = 0 2Bμ0ϵ0t22B=0

从标准波动方程到二维波动方程

从标准波动方程推导出二维波动方程。先从三维标准波动方程出发,逐步简化到二维波动方程。
标准波动方程在三维空间中的一般形式为:
1 v 2 ∂ 2 ψ ∂ t 2 = ∇ 2 ψ \frac{1}{v^2} \frac{\partial^2 \psi}{\partial t^2} = \nabla^2 \psi v21t22ψ=2ψ
其中:

  • ψ ( x , y , z , t ) \psi(x, y, z, t) ψ(x,y,z,t) 是描述波动的函数。

  • v v v 是波速。

  • ∇ 2 ψ \nabla^2 \psi 2ψ 是拉普拉斯算子,定义为:
    ∇ 2 ψ = ∂ 2 ψ ∂ x 2 + ∂ 2 ψ ∂ y 2 + ∂ 2 ψ ∂ z 2 \nabla^2 \psi = \frac{\partial^2 \psi}{\partial x^2} + \frac{\partial^2 \psi}{\partial y^2} + \frac{\partial^2 \psi}{\partial z^2} 2ψ=x22ψ+y22ψ+z22ψ

推导二维波动方程

为了得到二维波动方程,需要假设波动在 z z z 方向上没有变化。这意味着:
∂ ψ ∂ z = 0 \frac{\partial \psi}{\partial z} = 0 zψ=0
从而: ∂ 2 ψ ∂ z 2 = 0 \frac{\partial^2 \psi}{\partial z^2} = 0 z22ψ=0因此,拉普拉斯算子简化为:
∇ 2 ψ = ∂ 2 ψ ∂ x 2 + ∂ 2 ψ ∂ y 2 \nabla^2 \psi = \frac{\partial^2 \psi}{\partial x^2} + \frac{\partial^2 \psi}{\partial y^2} 2ψ=x22ψ+y22ψ将这个简化的拉普拉斯算子代入标准波动方程中,得到:
1 v 2 ∂ 2 ψ ∂ t 2 = ∂ 2 ψ ∂ x 2 + ∂ 2 ψ ∂ y 2 \frac{1}{v^2} \frac{\partial^2 \psi}{\partial t^2} = \frac{\partial^2 \psi}{\partial x^2} + \frac{\partial^2 \psi}{\partial y^2} v21t22ψ=x22ψ+y22ψ通常会把 ψ \psi ψ 改写为 u u u 以表示二维波动函数,且将波速 v v v 改写为 c c c ,于是方程变为:
1 c 2 ∂ 2 u ∂ t 2 = ∂ 2 u ∂ x 2 + ∂ 2 u ∂ y 2 \frac{1}{c^2} \frac{\partial^2 u}{\partial t^2} = \frac{\partial^2 u}{\partial x^2} + \frac{\partial^2 u}{\partial y^2} c21t22u=x22u+y22u为了使方程更加简洁,将 c 2 c^2 c2 移到右边:
∂ 2 u ∂ t 2 = c 2 ( ∂ 2 u ∂ x 2 + ∂ 2 u ∂ y 2 ) \frac{\partial^2 u}{\partial t^2} = c^2 \left( \frac{\partial^2 u}{\partial x^2} + \frac{\partial^2 u}{\partial y^2} \right) t22u=c2(x22u+y22u)
这就是二维波动方程。

把步骤简化就是

  1. 从标准波动方程出发:
    1 v 2 ∂ 2 ψ ∂ t 2 = ∇ 2 ψ \frac{1}{v^2} \frac{\partial^2 \psi}{\partial t^2} = \nabla^2 \psi v21t22ψ=2ψ

  2. 将拉普拉斯算子展开为三维形式:
    ∇ 2 ψ = ∂ 2 ψ ∂ x 2 + ∂ 2 ψ ∂ y 2 + ∂ 2 ψ ∂ z 2 \nabla^2 \psi = \frac{\partial^2 \psi}{\partial x^2} + \frac{\partial^2 \psi}{\partial y^2} + \frac{\partial^2 \psi}{\partial z^2} 2ψ=x22ψ+y22ψ+z22ψ

  3. 假设波动在 z z z 方向上没有变化,即 ∂ ψ ∂ z = 0 \frac{\partial \psi}{\partial z} = 0 zψ=0 ,于是 ∂ 2 ψ ∂ z 2 = 0 \frac{\partial^2 \psi}{\partial z^2} = 0 z22ψ=0

  4. 简化拉普拉斯算子:
    ∇ 2 ψ = ∂ 2 ψ ∂ x 2 + ∂ 2 ψ ∂ y 2 \nabla^2 \psi = \frac{\partial^2 \psi}{\partial x^2} + \frac{\partial^2 \psi}{\partial y^2} 2ψ=x22ψ+y22ψ

  5. 将简化后的拉普拉斯算子代入标准波动方程:
    1 v 2 ∂ 2 ψ ∂ t 2 = ∂ 2 ψ ∂ x 2 + ∂ 2 ψ ∂ y 2 \frac{1}{v^2} \frac{\partial^2 \psi}{\partial t^2} = \frac{\partial^2 \psi}{\partial x^2} + \frac{\partial^2 \psi}{\partial y^2} v21t22ψ=x22ψ+y22ψ

  6. 改写为二维波动函数 u u u 和波速 c c c ,得到:
    1 c 2 ∂ 2 u ∂ t 2 = ∂ 2 u ∂ x 2 + ∂ 2 u ∂ y 2 \frac{1}{c^2} \frac{\partial^2 u}{\partial t^2} = \frac{\partial^2 u}{\partial x^2} + \frac{\partial^2 u}{\partial y^2} c21t22u=x22u+y22u

  7. 最终整理得到二维波动方程:
    ∂ 2 u ∂ t 2 = c 2 ( ∂ 2 u ∂ x 2 + ∂ 2 u ∂ y 2 ) \frac{\partial^2 u}{\partial t^2} = c^2 \left( \frac{\partial^2 u}{\partial x^2} + \frac{\partial^2 u}{\partial y^2} \right) t22u=c2(x22u+y22u)

这样就从标准波动方程推导出了二维波动方程。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/pingmian/41414.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【C++】日期类

鼠鼠实现了一个日期类,用来练习印证前几篇博客介绍的内容!! 目录 1.日期类的定义 2.得到某年某月的天数 3.检查日期是否合法 4.(全缺省)构造函数 5.拷贝构造函数 6.析构函数 7.赋值运算符重载 8.>运算符重…

高效PD,稳定传输,LDR6023CQ芯片,打造顶级直播体验

在当今市场,一款备受瞩目的直播神器——无线领夹麦克风(MIC),正风靡于网红直播、在线教育、专业采访、高清视频录制及视频会议等多个领域。麦克风,这一昔日课堂上的常见设备,已随着科技的飞速发展而焕然一新…

数字信号处理及MATLAB仿真(2)——离散系统

上回书说到如何来编写一些简单的离散时间序列,今天咱们就来谈谈一些关于常系数差分方程的操作吧。 说到这里咱们对于常系数差分方程可能最关心的就是怎么去求解了。 其中最关键的部分就是filter函数,可以用来计算系统在输入信号为x的输出信号y。大家学过…

ASUS/华硕枪神5 G533Q G733Q系列 原厂win10系统 工厂文件 带F12 ASUS Recovery恢复

华硕工厂文件恢复系统 ,安装结束后带隐藏分区,一键恢复,以及机器所有驱动软件。 系统版本:Windows10 原厂系统下载网址:http://www.bioxt.cn 需准备一个20G以上u盘进行恢复 请注意:仅支持以上型号专用…

JAVA--JSON转换工具类

JSON转换工具类 import com.alibaba.fastjson.JSONObject; import com.fasterxml.jackson.annotation.JsonInclude; import com.fasterxml.jackson.core.JsonProcessingException; import com.fasterxml.jackson.databind.DeserializationFeature; import com.fasterxml.jackso…

NoSQL 非关系型数据库 Redis 的使用:

redis是基于内存型的NoSQL 非关系型数据库,本内容只针对有基础的小伙伴, 因为楼主不会做更多的解释,而是记录更多的技术接口使用,毕竟楼主不是做教学的,没有教学经验。 关于redis的介绍请自行搜索查阅。 使用redis数据…

h5 video 标签播放经过 java 使用 ws.schild( jave、ffmpeg ) 压缩后的 mp4 视频只有声音无画面的问题排查记录

1. 引入 ws.schild MAVEN 依赖&#xff1a; <dependency><groupId>ws.schild</groupId><artifactId>jave-all-deps</artifactId><version>3.5.0</version></dependency><dependency><groupId>ws.schild</grou…

QSettings 详解

QSettings 详解 QSettings是Qt框架中提供的一个类&#xff0c;用于方便地读写应用程序的配置信息。下面是对QSettings的详细解释&#xff1a; 一、基本概念 定义&#xff1a;QSettings提供了一个平台无关的API来读取和写入应用程序的配置数据。它可以处理多种格式&#xff0c…

idm下载慢怎么回事 idm批量导入下载使用方法

IDM (Internet Download Manager)是一款兼容性大&#xff0c;支持多种语言的下载管理软件&#xff0c;它可以自动检测并下载网页上的内容&#xff0c;这正是这一优点&#xff0c;使得它受到了广大用户的喜爱。在日常使用互联网的过程中&#xff0c;快速下载文件对我们来说非常重…

Victor CMS v1.0 SQL 注入漏洞(CVE-2022-26201)

前言 CVE-2022-26201 是 Victor CMS v1.0 中发现的一个 SQL 注入漏洞。该漏洞允许攻击者通过特制的 SQL 查询注入到应用程序中&#xff0c;从而访问或操作数据库中的数据。以下是详细信息&#xff1a; 漏洞描述&#xff1a; 类型&#xff1a;SQL 注入 (SQL Injection)影响版本…

掌握 SQL Server 中的 FLOOR 函数:数据舍入的艺术

掌握 SQL Server 中的 FLOOR 函数&#xff1a;数据舍入的艺术 引言 在数据分析和处理中&#xff0c;我们经常需要对数值进行精确控制&#xff0c;比如将数值舍入到特定的精度。SQL Server 提供了多种数学函数&#xff0c;其中 FLOOR 函数就是用来执行向上舍入操作的强大工具。…

专业课笔记——(第十二章:文件的读写)

目录 一、文件概述 1.存储角度 2.文件类型 3.文件操作流程 二、文件的基本操作 1.文件的使用模式 2.文件字符形式的输入输出 3.文件字符串形式的输入输出 4.文件格式化形式的输入输出 5.文件数据块形式的输入输出 6.文件的随机读写 一、文件概述 1.存储角度 文件存…

LLM - 神经网络的训练过程

1. 对于回归问题&#xff0c;用损失函数来计算预测值和真实值的差异&#xff0c;一种常用的公式是如下图所示(Mean Square Error)&#xff0c;如果损失函数的值越小说明神经网络学习越准确&#xff0c;所以神经网络训练目标是减小损失函数的值&#xff0c; 2. 对于分类问题&…

并发、多线程和HTTP连接之间有什么关系?

一、并发的概念 并发是系统同时处理多个任务或事件的能力。在计算中&#xff0c;这意味着系统能够在同一时间段内处理多个任务&#xff0c;而不是严格按照顺序一个接一个地执行它们。并发提高了系统的效率和资源利用率&#xff0c;从而更好地满足用户的需求。在现代应用程序中&…

SwiftUI中List的liststyle样式及使用详解添加、移动、删除、自定义滑动

SwiftUI中的List可是个好东西&#xff0c;它用于显示可滚动列表的视图容器&#xff0c;类似于UITableView。在List中可以显示静态或动态的数据&#xff0c;并支持垂直滚动。List是一个数据驱动的视图&#xff0c;当数据发生变化时&#xff0c;列表会自动更新。针对List&#xf…

神领物流项目第一天

文章目录 聚焦快递领域首先第一个是验证码模块流程登录接口权限管家 聚焦快递领域 首先第一个是验证码模块流程 首先生成验证码的流程 可以使用工具类去生成验证码 LineCaptcha lineCaptcha CaptchaUtil.createLineCaptcha(160, 60, 4, 26);// 获取值然后存入redis中 strin…

【HarmonyOS4学习笔记】《HarmonyOS4+NEXT星河版入门到企业级实战教程》课程学习笔记(二十二)

课程地址&#xff1a; 黑马程序员HarmonyOS4NEXT星河版入门到企业级实战教程&#xff0c;一套精通鸿蒙应用开发 &#xff08;本篇笔记对应课程第 32 节&#xff09; P32《31.通知-基础通知》 基础文本类型通知&#xff1a;briefText 没有用&#xff0c;写了也白写。 长文本类型…

【东奥会计-注册安全分析报告】

前言 由于网站注册入口容易被黑客攻击&#xff0c;存在如下安全问题&#xff1a; 暴力破解密码&#xff0c;造成用户信息泄露短信盗刷的安全问题&#xff0c;影响业务及导致用户投诉带来经济损失&#xff0c;尤其是后付费客户&#xff0c;风险巨大&#xff0c;造成亏损无底洞…

elasticsearch-users和elasticsearch-reset-password介绍

elasticsearch 内置 elastic, kibana, logstash_system,beats_system 共4个用户&#xff0c;用途如下&#xff1a; elastic 账号&#xff1a;内置的超级用户&#xff0c;拥有 superuser 角色。 kibana 账号&#xff1a;用来连接 elasticsearch 并与之通信。Kibana 服务器以该用…

【HICE】基于用户认证的虚拟服务搭建

1.创建特定的内容 --账号与密码&#xff08;需要认证访问&#xff09;【里面】 2.编辑配置1.conf的内容&#xff0c;更新httpd 3.编辑hehe网页&#xff08;外部公开&#xff09; cd /www/ echo hehe > hehe/index.html 4.更改本地hosts和window下的解析 5.浏览器下验证内…