Ein rechnerisches Verfahren, das numerische Annäherungen an Eigenwerte und Eigenvektoren linearer Operatoren oder Matrizen erzeugt, indem kontinuierliche Operatoren diskretisiert oder direkt auf Matrixdarstellungen gearbeitet wird. Typische Methoden sind Matrixdiagonalisierung, iterative Eigenlöser, Finite-Differenzen-, Finite-Elemente- und Spektralmethoden kombiniert mit Preconditioning und Trunkierungsstrategien.

Prinzip

Wandeln Sie ein kontinuierliches Spektralproblem durch Diskretisierung des Operators und des Gebiets in ein endlichdimensionales algebraisches Eigenwertproblem um und wenden Sie anschließend numerische lineare Algebra an, um approximative Spektren zu berechnen und Diskretisierungs- sowie Rundungsfehler zu kontrollieren.

Demonstration

Berechnung der gebundenen Zustandsenergien eines Teilchens in zwei Dimensionen in einem komplexen Potential durch Diskretisierung des Laplace-Operators mit Finite-Elementen, Aufbau einer dünnbesetzten hermiteschen Matrix und Anwendung eines iterativen Lanczos-Solvers zur Bestimmung der niedrigsten Eigenpaare.

Fehlanwendung

Verwendung einer zu groben Diskretisierung oder eines Algorithmus, der Hermitizität annimmt, auf einer nicht-Hermiteschen Diskretisierung, was zu falschen Eigenwerten und Fehlinterpretation physikalischer Modi führt; oder Vernachlässigung geeigneter Randbehandlungen, so dass die berechneten Modi das ursprüngliche Problem nicht erfüllen.

Konsequenz

Erzeugt praktische numerische Spektren und Modenformen, die quantitative Vorhersagen und Parameterstudien ermöglichen; bei korrekter Anwendung konvergiert es unter Gitterverfeinerung zum wahren Spektrum, kann aber numerische Artefakte einführen, wenn Annahmen oder Stabilitätsanforderungen verletzt werden.

Umkehrung

Analytische Spektrallösungen oder symbolische Rechnungen, die für spezielle Operatoren geschlossene Formeln für Eigenpaare liefern; alternativ das inverse Problem, Operatorparameter aus beobachteten numerischen Eigenwerten zu erschließen.

Abgrenzung

Gilt für lineare Operatoren, die in einer berechenbaren Form vorliegen; schließt rein formale Spektraltheorie und Situationen aus, in denen Definitionsbereich oder Unbeschränktheit des Operators eine konsistente Diskretisierung ohne funktional-analytische Behandlung verhindert.

Semantische Spannung

Spannung zwischen Rechenaufwand und Genauigkeit: Iterative, getrimmte oder reduzierende Methoden begünstigen Geschwindigkeit, riskieren aber das Übersehen nahe beieinanderliegender oder hochfrequenter Eigenwerte; direkte dichte Diagonalisierung ist robust, aber teuer und bei großen Diskretisierungen oft unpraktisch.

Synthese

Die numerische Simulation von Eigenwertproblemen ist die praktische Pipeline, die Operatoren und Gebietsangaben durch Diskretisierung und numerische lineare Algebra in approximative Spektren überführt und dabei Fehlerkontrolle, Rechenkosten und Treue zu Rand- sowie Operator-Eigenschaften austariert.