如何为N层结构编写传输矩阵？附Python实现修正方案

问题背景 #

我们定义了矩阵Gᵣ和Pᵣ，其中r为0到m的整数索引，对应实验装置中N层结构的某一层；n和δ为待确定变量（δ=nωᵣ(xᵣ₊₁−xᵣ)，x为位置坐标），二者的乘积构成传输矩阵T，需要编写Python 3代码对任意m值完成矩阵乘积计算。

原代码问题分析 #

你提供的代码存在多处错误：

• 变量定义语法错误，int(n)这类写法不符合Python规则
• 矩阵定义缺少numpy构造函数，无法识别为矩阵类型
• 矩阵乘法使用*（元素级乘法）而非矩阵乘法运算符@
• 循环逻辑错误，T*=r是将T与整数r相乘，而非累积矩阵乘积
• 复数表示错误，Python中虚数单位是1j而非i，指数函数应使用np.exp

修正后的代码实现 #

方式1：手动设置n值列表 #

适合已知各层n值的场景，比如示例中的n₀=1、n₁=4.3、n₂=1：

import numpy as np

# 手动设置各层的n值，列表长度为m+1（对应n₀到nₘ）
n_list = [1.0, 4.3, 1.0]
m = len(n_list) - 1  # 层数索引上限，从0到m

# 假设ωᵣ和(xᵣ₊₁−xᵣ)为已知常量，这里示例设置为固定值，可根据需求修改
omega = 1.0
delta_coeff = 1.0  # delta = n * omega * delta_coeff，即delta_coeff = xᵣ₊₁ - xᵣ

# 初始化传输矩阵T为单位矩阵
T = np.eye(2, dtype=np.complex128)

for r in range(m):
    n_r = n_list[r]
    n_r1 = n_list[r+1]
    # 计算Gᵣ矩阵
    G_r = (1 / (2 * n_r1)) * np.array([
        [n_r1 + n_r, n_r1 - n_r],
        [n_r1 - n_r, n_r1 + n_r]
    ], dtype=np.complex128)
    # 计算δᵣ和Pᵣ矩阵
    delta_r = n_r1 * omega * delta_coeff
    P_r = np.array([
        [np.exp(1j * delta_r), 0],
        [0, np.exp(-1j * delta_r)]
    ], dtype=np.complex128)
    # 累积矩阵乘积：T = T @ G_r @ P_r
    T = T @ G_r @ P_r

# 输出结果
print("各层n值:", n_list)
print("最终传输矩阵T:")
print(T)

方式2：交互式输入n值 #

支持手动输入每个nᵣ的值：

import numpy as np

# 输入层数相关参数
m = int(input("请输入层数索引上限m（即共有m+1个n值，从n₀到nₘ）："))

# 交互式输入每个nᵣ的值
n_list = []
for i in range(m+1):
    n_val = float(input(f"请输入n_{i}的值："))
    n_list.append(n_val)

# 假设ωᵣ和(xᵣ₊₁−xᵣ)为已知常量，可按需修改
omega = 1.0
delta_coeff = 1.0

# 初始化传输矩阵T为单位矩阵
T = np.eye(2, dtype=np.complex128)

for r in range(m):
    n_r = n_list[r]
    n_r1 = n_list[r+1]
    # 计算Gᵣ矩阵
    G_r = (1 / (2 * n_r1)) * np.array([
        [n_r1 + n_r, n_r1 - n_r],
        [n_r1 - n_r, n_r1 + n_r]
    ], dtype=np.complex128)
    # 计算δᵣ和Pᵣ矩阵
    delta_r = n_r1 * omega * delta_coeff
    P_r = np.array([
        [np.exp(1j * delta_r), 0],
        [0, np.exp(-1j * delta_r)]
    ], dtype=np.complex128)
    # 累积矩阵乘积
    T = T @ G_r @ P_r

# 输出结果
print("最终传输矩阵T:")
print(T)

代码关键说明 #

• 使用numpy处理矩阵运算和复数计算，确保精度和正确性
• 矩阵乘法必须使用@运算符，而非*（*是元素级乘法）
• 虚数单位用Python标准的1j，指数函数用np.exp处理复数指数
• 传输矩阵T初始化为单位矩阵，确保累积乘积的初始值正确
• 可根据实际需求修改omega和delta_coeff的值，对应公式中的ωᵣ和(xᵣ₊₁−xᵣ)

内容的提问来源于stack exchange，提问作者user22467059