物理学中的数值线性代数与特征问题

将物理算子离散化可将物理问题转化为矩阵问题，而寻找系统的能量和模式则成为求解大型线性系统以及计算特征值和特征向量的数值问题。

Definition

物理学中的数值线性代数是指当连续物理算子在有限基或网格上表示时，用于求解所产生的矩阵方程和特征值问题的算法集合。

Scope

本主题涵盖了物理学中核心的矩阵计算：通过直接法和迭代法求解线性系统，以及通过QR、Jacobi、Lanczos和共轭梯度算法计算大型（通常是稀疏的）厄米矩阵的特征值和特征向量。它强调了物理矩阵的结构，例如稀疏性和厄米性。

Core questions

• 如何解决离散物理学中产生的大型线性系统而无需形成稠密逆矩阵？
• 如何数值计算哈密顿矩阵的特征值和特征向量？
• 为什么对于大型稀疏矩阵，迭代的Krylov方法比直接分解法更受青睐？
• Lanczos算法如何从巨大的稀疏厄米矩阵中提取少数极端特征值？

Key theories

直接和迭代线性求解器

线性系统通过直接分解（如LU和Cholesky分解）求解，其结果在舍入误差范围内是精确的；或者通过迭代的Krylov方法（如共轭梯度法）求解，这些方法利用稀疏性并收敛到一定容差。

特征值算法

特征值和特征向量通过QR算法和Jacobi旋转法计算，适用于稠密矩阵，给出在有限基中表示的物理算子的离散谱。

Lanczos和Krylov子空间方法

Lanczos算法在Krylov子空间中构建大型稀疏厄米矩阵的小型三对角投影，从而无需存储整个矩阵即可找到少数极端特征值和特征向量。

Clinical relevance

这些算法计算量子力学中的能级和波函数、振动的简正模式、固体中的能带结构以及离散场方程背后的线性系统，使其在电子结构和凝聚态模拟中不可或缺。

History

实用的矩阵特征值计算在20世纪中叶随着Lanczos于1950年提出的迭代法和20世纪60年代初的QR算法而成熟；物理学中大型稀疏问题的出现使得Krylov子空间方法成为高维哈密顿量谱分析的主要工具。

Key figures

• Cornelius Lanczos
• Gene H. Golub
• James H. Wilkinson

Seminal works

• golub2013
• lanczos1950

Frequently asked questions

为什么使用迭代方法而不是直接对整个矩阵进行对角化？

物理哈密顿量的维度可能高达数十亿，但它们是稀疏的，因此完全存储或分解它们是不可能的。像Lanczos这样的迭代Krylov方法只需要矩阵作用于向量，并且可以提取物理学通常关心的少数最低本征态。

物理矩阵的厄米性在数值上为何重要？

厄米矩阵具有实数特征值和正交特征向量，这使得可以使用更稳定、更高效的专用算法，并保证计算出的能量是实数，与物理学相符。