Core Concepts
Lineare Konvergenzraten für die inverse Iteration bei nichtlinearen Eigenvektorproblemen.
Abstract
Dieser Artikel untersucht die inverse Iteration zur Berechnung von Grundzuständen des Gross-Pitaevskii Eigenvektorproblems (GPE). Es werden lineare Konvergenzraten bewiesen, die von der maximalen Eigenwerteigenschaft eines gewichteten linearen Eigenwertproblems abhängen. Die Ergebnisse zeigen, dass die Konvergenzraten durch die erste spektrale Lücke eines linearisierten Gross-Pitaevskii-Operators begrenzt werden. Die Untersuchung erstreckt sich auch auf erweiterte inverse Iterationen wie das Gradient Flow Discrete Normalized (GFDN). Es wird gezeigt, warum die inverse Iteration für das GPE nicht positiv auf spektrale Verschiebungen reagiert. Numerische Experimente veranschaulichen die Ergebnisse.
Einleitung
Bose-Einstein-Kondensate sind ein interessanter Zustand der Materie.
Das Gross-Pitaevskii Eigenvektorproblem beschreibt die Grundzustände solcher Kondensate.
Analytische Einstellung und Vorbereitungen
Die Existenz und Eindeutigkeit von Grundzuständen werden diskutiert.
Die lineare Eigenwertprobleme werden eingeführt.
Beweis des Theorems 3.2
Die lokale Konvergenz der inversen Iteration wird durch den spektralen Radius von φ'(u) bestimmt.
Die Schätzung des spektralen Radius wird durch die Gewichtungsfunktion beeinflusst.
Konvergenzraten für GFDN-Iterationen
Die GFDN-Iterationen werden als Alternative zur inversen Iteration betrachtet.
Die Konvergenzraten hängen von der Wahl des Zeitintervalls τ ab.
Stats
In einem offenen Ball in Ω verschwindet das Potential V nie vollständig.
Quotes
"Unsere Ergebnisse zeigen, dass die Konvergenzraten durch die erste spektrale Lücke eines linearisierten Gross-Pitaevskii-Operators begrenzt werden."