导行电磁波从纵向场分量求其他方向分量的矩阵表示

导行电磁波从纵向场分量求解其他方向分量的矩阵表示

导行电磁波传播的特点

电磁波在均匀、线性、各向同性的空间中沿着 z z z轴传播,可用分离变量法将时间轴、 z z z轴与 x , y x,y x,y轴分离,电磁波的形式可表示为:
E ⃗ = E ⃗ ( x , y ) e − γ z e j ω t H ⃗ = H ⃗ ( x , y ) e − γ z e j ω t \begin{align} \vec E&=\vec E(x,y) \textrm e^{-\gamma z} \textrm e^{j\omega t}\\ \vec H&=\vec H(x,y) \textrm e^{-\gamma z} \textrm e^{j\omega t}\\ \end{align} E H =E (x,y)e−γzejωt=H (x,y)e−γzejωt

纵向场分量的求解导行电磁波的电场和磁场

对于这种波的求解,可以先求出电场、磁场在 z z z轴的分量,然后根据,然后再根据麦克斯韦方程组求出电磁场在 x , y x,y x,y, 由导行电磁波的数学表达式(1), (2)可知, ∂ ∂ z H x = − γ H x \frac{\partial}{\partial z}H_x=-\gamma H_x ∂z∂Hx=−γHx, ∂ ∂ z H y = − γ H y \frac{\partial}{\partial z}H_y=-\gamma H_y ∂z∂Hy=−γHy, ∂ ∂ z E x = − γ E x \frac{\partial}{\partial z}E_x=-\gamma E_x ∂z∂Ex=−γEx, ∂ ∂ z E y = − γ E y \frac{\partial}{\partial z}E_y=-\gamma E_y ∂z∂Ey=−γEy.

从纵向场分量求解其他方向电场和磁场分量及其矩阵表示

麦克斯韦方程组可表示如下:
∇ × H ⃗ = ∂ D ⃗ ∂ t + J ⃗ ∇ × E ⃗ = − ∂ B ⃗ ∂ t ∇ ⋅ D ⃗ = ρ ∇ ⋅ B ⃗ = 0 \begin{align} \nabla \times \vec H &= \frac{\partial \vec D}{\partial t}+\vec J\\ \nabla \times \vec E &= - \frac{\partial \vec B}{\partial t}\\ \nabla \cdotp \vec D &= \rho\\ \nabla \cdotp \vec B &= 0 \end{align} ∇×H ∇×E ∇⋅D ∇⋅B =∂t∂D +J =−∂t∂B =ρ=0

如果已知 H z , E z H_z, E_z Hz,Ez并且知道导行电磁波的形式如公式(1)和(2)所示,并认为传播空间中不存在电荷与电流, J ⃗ = 0 , ρ = 0 \vec J=0, \rho=0 J =0,ρ=0,方程式(3)-(4)可表示为:

∇ × H ⃗ = [ i j k ∂ ∂ x ∂ ∂ y ∂ ∂ z H x H y H z ] = j ω ε E ⃗ ∇ × E ⃗ = [ i j k ∂ ∂ x ∂ ∂ y ∂ ∂ z E x E y E z ] = − j ω μ H ⃗ \begin{align} \nabla \times \vec H &=\begin{bmatrix} i & j & k \\ \frac{\partial}{\partial x} & \frac{\partial}{\partial y} & \frac{\partial}{\partial z}\\ H_x &H_y&H_z \end{bmatrix} = j\omega \varepsilon \vec E\\ \nabla \times \vec E &= \begin{bmatrix} i & j & k \\ \frac{\partial}{\partial x} & \frac{\partial}{\partial y} & \frac{\partial}{\partial z}\\ E_x &E_y&E_z \end{bmatrix} =- j\omega \mu \vec H\\ \end{align} ∇×H ∇×E = i∂x∂Hxj∂y∂Hyk∂z∂Hz =jωεE = i∂x∂Exj∂y∂Eyk∂z∂Ez =−jωμH

将(7)式 x x x 分量展开得到(9),将(8)式 y y y 分量展开得到(10)
∂ ∂ y H z + γ H y = j ω ε E x ∂ ∂ x E z + γ E x = j ω μ H y \begin{align} \frac{\partial}{\partial y}H_z+\gamma H_y &=j\omega \varepsilon E_x\\ \frac{\partial}{\partial x}E_z+\gamma E_x &=j\omega \mu H_y\\ \end{align} ∂y∂Hz+γHy∂x∂Ez+γEx=jωεEx=jωμHy

根据(9)和(10),得到用 H z , E z H_z, E_z Hz,Ez表示的 H y , E x H_y, E_x Hy,Ex:

E x H y \] = − 1 k c 2 \[ γ j ω μ j ω ε γ \] \[ ∂ ∂ x 0 0 ∂ ∂ y \] \[ E z H z \] \\begin{align} \\begin{bmatrix} E_x \\\\ H_y \\end{bmatrix} \&= -\\frac{1}{k_c\^2} \\begin{bmatrix} \\gamma \& j\\omega\\mu \\\\ j\\omega\\varepsilon \& \\gamma \\end{bmatrix} \\begin{bmatrix} \\frac{\\partial}{\\partial x} \& 0 \\\\ 0 \& \\frac{\\partial}{\\partial y} \\end{bmatrix} \\begin{bmatrix} E_z \\\\ H_z \\end{bmatrix} \\\\ \\end{align} \[ExHy\]=−kc21\[γjωεjωμγ\]\[∂x∂00∂y∂\]\[EzHz

将(7)式 y y y 分量展开得到(12),将(8)式 x x x 分量展开得到(13)
− ∂ ∂ x H z − γ H x = j ω ε E y ∂ ∂ y E z + γ E x = j ω μ H x \begin{align} -\frac{\partial}{\partial x}H_z-\gamma H_x &=j\omega \varepsilon E_y\\ \frac{\partial}{\partial y}E_z+\gamma E_x &=j\omega \mu H_x\\ \end{align} −∂x∂Hz−γHx∂y∂Ez+γEx=jωεEy=jωμHx

根据(12)和(13),得到用 H z , E z H_z, E_z Hz,Ez表示的 H x , E y H_x, E_y Hx,Ey:

E y H x \] = − 1 k c 2 \[ γ − j ω μ − j ω ε γ \] \[ ∂ ∂ y 0 0 ∂ ∂ x \] \[ E z H z \] \\begin{align} \\begin{bmatrix} E_y \\\\ H_x \\end{bmatrix} \&= -\\frac{1}{k_c\^2} \\begin{bmatrix} \\gamma \& -j\\omega\\mu \\\\ -j\\omega\\varepsilon \& \\gamma \\end{bmatrix} \\begin{bmatrix} \\frac{\\partial}{\\partial y} \& 0 \\\\ 0 \& \\frac{\\partial}{\\partial x} \\end{bmatrix} \\begin{bmatrix} E_z \\\\ H_z \\end{bmatrix} \\\\ \\end{align} \[EyHx\]=−kc21\[γ−jωε−jωμγ\]\[∂y∂00∂x∂\]\[EzHz

相关推荐
luofeiju4 小时前
使用LU分解求解线性方程组
线性代数·算法
FF-Studio11 小时前
【硬核数学 · LLM篇】3.1 Transformer之心:自注意力机制的线性代数解构《从零构建机器学习、深度学习到LLM的数学认知》
人工智能·pytorch·深度学习·线性代数·机器学习·数学建模·transformer
通信与导航13 小时前
无人机Ku相控阵卫星通信系统技术说明
无人机·信息与通信·射频工程·基带工程
盛寒2 天前
矩阵的定义和运算 线性代数
线性代数
盛寒2 天前
初等变换 线性代数
线性代数
叶子爱分享2 天前
浅谈「线性代数的本质」 - 系列合集
线性代数
luofeiju2 天前
RGB下的色彩变换:用线性代数解构色彩世界
图像处理·人工智能·opencv·线性代数
好开心啊没烦恼2 天前
Python:线性代数,向量内积谐音记忆。
开发语言·python·线性代数·数据挖掘·数据分析
Ven%12 天前
矩阵阶数(线性代数) vs. 张量维度(深度学习):线性代数与深度学习的基石辨析,再也不会被矩阵阶数给混淆了
人工智能·pytorch·深度学习·线性代数·矩阵·tensor·张量
云云32113 天前
Subway Surfers Blast × 亚矩阵云手机:手游矩阵运营的终极变现方案
大数据·人工智能·线性代数·智能手机·矩阵·架构