用Python和Matplotlib可视化电磁场：从基础公式到动态模拟

当麦克斯韦方程组遇上Python代码，抽象的电磁学公式便跃然屏上。这不是传统物理教材的复述，而是一场用代码解构场论的视觉盛宴。我们将从点电荷的电场出发，逐步构建出载流导线的磁场模型，最终实现可交互的动态场图——所有这一切，只需NumPy的矩阵运算和Matplotlib的绘图魔法。

1. 电场可视化：从库仑定律到等势面

1.1 点电荷电场的代码实现

库仑定律的数学之美在代码中表现得淋漓尽致。我们先构建一个二维平面网格，用NumPy的meshgrid生成坐标点：

python复制import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(-5, 5, 100)
y = np.linspace(-5, 5, 100)
X, Y = np.meshgrid(x, y)

接下来定义点电荷电场计算函数。注意我们使用矢量化运算避免循环：

python复制def point_charge_field(q, x0, y0, X, Y):
    r = np.sqrt((X-x0)**2 + (Y-y0)**2)
    Ex = q * (X-x0) / r**3
    Ey = q * (Y-y0) / r**3
    return Ex, Ey

提示：在实际物理场景中，当r接近0时会遇到奇点问题，可以添加一个小量epsilon防止除零错误

绘制电场线时，Matplotlib的streamplot函数能自动计算场线密度：

python复制Ex, Ey = point_charge_field(1, 0, 0, X, Y)
plt.streamplot(X, Y, Ex, Ey, density=1.5, color='b')
plt.scatter([0], [0], c='r', s=100)
plt.title('点电荷电场线分布')
plt.show()

1.2 多电荷系统的场叠加

电磁场的线性叠加特性让复杂场的计算变得简单。假设我们有两个等量异号电荷：

python复制# 正电荷在(-1,0)，负电荷在(1,0)
Ex1, Ey1 = point_charge_field(1, -1, 0, X, Y)
Ex2, Ey2 = point_charge_field(-1, 1, 0, X, Y)
Ex_total = Ex1 + Ex2
Ey_total = Ey1 + Ey2

绘制结果时，可以同时显示电场线和等势面：

python复制plt.figure(figsize=(12,5))
plt.subplot(121)
plt.streamplot(X, Y, Ex_total, Ey_total, color='b')
plt.scatter([-1,1], [0,0], c=['r','b'], s=100)

# 计算电势并绘制等势线
potential = -np.log(np.sqrt((X+1)**2 + Y**2)) + np.log(np.sqrt((X-1)**2 + Y**2))
plt.subplot(122)
plt.contour(X, Y, potential, levels=20, cmap='RdYlBu')
plt.colorbar()
plt.title('电偶极子等势线')
plt.show()

2. 磁场可视化：毕奥-萨伐尔定律的Python实现

2.1 载流直导线的磁场分布

根据毕奥-萨伐尔定律，无限长直导线产生的磁场强度与距离成反比：

python复制def infinite_wire_field(I, X, Y):
    """计算无限长直导线在XY平面产生的磁场"""
    r = np.sqrt(X**2 + Y**2)
    Bx = -I * Y / r**2
    By = I * X / r**2
    return Bx, By

绘制磁感线时，可以添加箭头表示方向：

python复制Bx, By = infinite_wire_field(1, X, Y)
plt.streamplot(X, Y, Bx, By, color='g', density=2)
plt.title('无限长直导线磁感线')
plt.show()

2.2 圆形电流环的磁场模拟

圆形电流环轴线上的磁场分布是电磁学经典问题。我们首先定义电流微元产生的磁场：

python复制def circular_loop_field(I, a, X, Y, Z, n_segments=100):
    """计算圆形电流环在空间产生的磁场"""
    phi = np.linspace(0, 2*np.pi, n_segments)
    dl = a * 2*np.pi/n_segments  # 电流微元长度
    
    # 计算每个微元产生的磁场并叠加
    Bx, By, Bz = np.zeros_like(X), np.zeros_like(Y), np.zeros_like(Z)
    for angle in phi:
        x0, y0 = a*np.cos(angle), a*np.sin(angle)
        r_vec = np.array([X-x0, Y-y0, Z])
        r = np.linalg.norm(r_vec, axis=0)
        dl_vec = dl * np.array([-np.sin(angle), np.cos(angle), 0])
        
        # 毕奥-萨伐尔定律
        dB = I * np.cross(dl_vec[:,None,None], r_vec) / r**3
        Bx += dB[0]
        By += dB[1]
        Bz += dB[2]
    
    return Bx, By, Bz

注意：这个计算量较大，实际应用时可考虑使用Numba加速或简化模型

3. 高级技巧：动态场与交互可视化

3.1 时变电场的动画模拟

使用Matplotlib的FuncAnimation可以创建动态场图。以下示例展示振荡电偶极子的辐射场：

python复制from matplotlib.animation import FuncAnimation

fig, ax = plt.subplots(figsize=(8,6))
q0 = 1  # 初始电荷量
omega = 0.5  # 振荡频率

def update(frame):
    ax.clear()
    t = frame * 0.1
    q = q0 * np.cos(omega * t)
    Ex, Ey = point_charge_field(q, -1, 0, X, Y)
    Ex += point_charge_field(-q, 1, 0, X, Y)[0]
    Ey += point_charge_field(-q, 1, 0, X, Y)[1]
    ax.streamplot(X, Y, Ex, Ey, color='b', density=1.5)
    ax.scatter([-1,1], [0,0], c=['r','b'], s=100)
    ax.set_title(f'振荡电偶极子 t={t:.1f}s')

ani = FuncAnimation(fig, update, frames=100, interval=50)
plt.close()

3.2 交互式场强探索

结合ipywidgets创建可交互界面：

python复制from ipywidgets import interact

@interact
def plot_field(q1=(-2,2,0.1), q2=(-2,2,0.1), x1=(-3,3,0.5), x2=(-3,3,0.5)):
    Ex, Ey = point_charge_field(q1, x1, 0, X, Y)
    Ex += point_charge_field(q2, x2, 0, X, Y)[0]
    Ey += point_charge_field(q2, x2, 0, X, Y)[1]
    
    plt.figure(figsize=(8,6))
    plt.streamplot(X, Y, Ex, Ey, color='b', density=1.5)
    plt.scatter([x1,x2], [0,0], c=['r' if q1>0 else 'b', 'r' if q2>0 else 'b'], s=100)
    plt.title('双电荷系统电场线')
    plt.show()

4. 工程应用：复杂电磁系统可视化

4.1 平行板电容器的边缘效应

实际电容器边缘的电场分布往往被简化处理。我们可以用数值方法精确模拟：

python复制def parallel_plate_field(V, d, L, X, Y):
    """计算平行板电容器的电场分布"""
    # 上板电势V/2，下板-V/2
    top_plate = (np.abs(Y - d/2) < 0.1) & (np.abs(X) < L/2)
    bottom_plate = (np.abs(Y + d/2) < 0.1) & (np.abs(X) < L/2)
    
    # 使用松弛法求解泊松方程
    phi = np.zeros_like(X)
    phi[top_plate] = V/2
    phi[bottom_plate] = -V/2
    
    for _ in range(1000):  # 迭代次数
        phi_new = phi.copy()
        phi_new[1:-1,1:-1] = 0.25*(phi[2:,1:-1] + phi[:-2,1:-1] + 
                                  phi[1:-1,2:] + phi[1:-1,:-2])
        phi = phi_new
    
    # 计算电场强度
    Ey, Ex = np.gradient(-phi)
    return Ex, Ey

4.2 电磁场数据导出与三维可视化

对于复杂三维场分布，可以导出数据用ParaView等工具可视化：

python复制def save_vtk(filename, X, Y, Z, Bx, By, Bz):
    """将磁场数据保存为VTK格式"""
    from pyevtk.hl import gridToVTK
    gridToVTK(filename, X[:,:,0], Y[0,:,:], Z[:,0,:], 
              pointData={'B': (Bx, By, Bz)})

在Jupyter notebook中，还可以使用plotly实现交互式3D可视化：

python复制import plotly.graph_objects as go

fig = go.Figure(data=go.Cone(
    x=X.flatten(), y=Y.flatten(), z=np.zeros_like(X).flatten(),
    u=Bx.flatten(), v=By.flatten(), w=np.zeros_like(Bx).flatten(),
    colorscale='Blues', sizemode="absolute", sizeref=0.1))

fig.update_layout(scene=dict(aspectratio=dict(x=1, y=1, z=0.5)))
fig.show()

电磁场的可视化不仅是理论验证的工具，更是理解复杂物理现象的关键。当看到代码生成的场线与教科书图示完美吻合时，那种"顿悟"的喜悦正是计算物理的魅力所在。