计算物理中的数值方法

数值方法为物理学提供了算法机制，以解决没有封闭形式解的方程，将微分方程、积分和矩阵问题转化为计算机可以以受控误差执行的有限算术。

Definition

计算物理中的数值方法是用于将连续物理模型转换为有限计算的离散化和近似算法，同时关注截断误差、数值稳定性和物理不变量的守恒。

Scope

该领域涵盖了计算物理学所依赖的核心数值工具包：常微分方程和偏微分方程的积分器，离散化物理学产生的大型线性代数和特征值问题的解决方法，以及非线性物理条件的求根和优化。它强调准确性、稳定性以及离散化的物理解释，而非纯粹的抽象数值分析。

Sub-topics

• linear algebra and eigenproblems physics
• ode solvers physics
• pde methods computational physics
• root finding and optimization physics

Core questions

• 物理学中的连续微分方程如何转化为稳定、精确的有限差分或有限元格式？
• 在积分器中，步长、截断误差和稳定性之间的权衡受什么控制？
• 如何有效地求解离散化物理学产生的大型稀疏线性系统和特征值问题？
• 数值方案如何保持能量、动量或辛结构等物理不变量？

Key theories

离散化和截断误差

用有限差分或求积近似代替导数和积分会引入截断误差，其大小与步长的幂次成比例，从而决定了方案的精度阶数。

数值稳定性

如果误差在迭代过程中不会无限制地增长，则该方案是稳定的；库朗-弗里德里希斯-列维准则等稳定性条件限制了演化方程可接受的时间和空间步长。

稀疏线性代数和特征值问题

离散化的物理算子会产生大型稀疏矩阵，其线性系统和特征值通常通过迭代的Krylov、Lanczos和共轭梯度法而非稠密分解来求解。

Clinical relevance

这些方法是计算机上进行的所有定量物理学的基础：轨道和轨迹积分、电磁场和量子场求解器、流体和热传输模拟，以及电子结构和晶格模型背后的矩阵问题的求解。

History

物理方程的数值解法可追溯到天体力学和弹道学中的手工计算，在20世纪40年代为战时物理学建造的电子计算机的出现使其发生了转变，并通过《数值食谱》(Numerical Recipes)等参考著作以及20世纪后期计算物理学课程的兴起，发展成为一种标准方法。

Key figures

• John von Neumann
• William H. Press
• Cornelius Lanczos
• Rubin H. Landau

Seminal works

• press2007
• landau2015

Frequently asked questions

为什么不直接使用非常小的步长来获得高精度？

缩小步长可以减少截断误差，但会增加步数和舍入误差的累积；对于某些显式方案，过大的步长会导致不稳定而非仅仅不准确。好的方法会在精度阶数、稳定性和成本之间取得平衡，而不是依赖蛮力的小步长。

数值物理与数值分析有何不同？

数值分析通常研究算法及其误差界限，而物理学中的数值方法则选择并调整这些算法以适应物理方程，优先考虑守恒定律、对称性和离散化模型的物理可解释性。