Un enfoque analítico y numérico que representa funciones o soluciones en términos de una base espectral del operador (autofunciones, polinomios ortogonales, modos de Fourier) y usa coeficientes espectrales para resolver ecuaciones diferenciales o integrales, con frecuencia consiguiendo convergencia de orden alto o exponencial para problemas suaves.

Principio

Proyectar el problema sobre una base global de funciones que diagonalice o haga disperso el operador (p. ej. autofunciones o polinomios ortogonales), truncar a un número finito de modos y resolver el sistema algebraico resultante; el principio se basa en la rápida decadencia de los coeficientes espectrales para soluciones regulares y en la ortogonalidad para proyecciones eficientes.

Demostración

Resolver Poisson en [−1,1] mediante un método espectral-Galerkin con Chebyshev: expandir la solución en polinomios de Chebyshev, imponer condiciones de contorno mediante modificación de la base o método tau, transformar la PDE en una ecuación matricial para coeficientes espectrales y resolver para obtener aproximaciones de alta precisión que convergen rápidamente al aumentar el número de modos si el término fuente es liso.

Aplicación incorrecta

Esperar convergencia espectral (exponencial) para funciones con regularidad limitada o discontinuidades (fenómeno de Gibbs), ignorar aliasing y dealiasing no lineal en esquemas pseudospectrales, o aplicar bases espectrales globales a geometrías mal adaptadas sin descomposición de dominio.

Consecuencia

Proporciona una precisión muy alta por grado de libertad en problemas suaves, facilita el análisis modal y la diagonalización de operadores lineales, y cimenta métodos espectrales-Galerkin, de colocation y pseudospectrales empleados en simulaciones y análisis.

Inversión

Métodos locales (diferencias finitas, elementos finitos de bajo orden) son el inverso conceptual: usan bases de soporte compacto, conducen a matrices dispersas dominadas por la localidad y suelen ofrecer convergencia algebraica en lugar de espectral, pero son más robustos para datos no suaves y geometrías complejas.

Límite

Más efectivos para soluciones suaves en geometrías simples o dominios que admiten coordenadas producto tensorial o mapeadas; menos efectivos para soluciones no suaves, problemas con contornos complejos salvo que se usen descomposiciones de dominio, y para ciertos problemas fuertemente no lineales sin dealiasing apropiado.

Tensión semántica

Tensión entre métodos espectrales y enfoques de elementos finitos/diferencias finitas: los espectrales priorizan precisión global y rápida convergencia para problemas suaves, mientras que los locales priorizan flexibilidad geométrica y control local del error; además, 'espectral' puede referirse a expansión en autofunciones o a un método numérico, lo que genera confusión terminológica.

Síntesis

Los Métodos Espectrales expanden incógnitas en bases espectrales globales y resuelven para coeficientes espectrales, ofreciendo gran precisión cuando la regularidad de la solución y la geometría del dominio coinciden con la base elegida; sirven tanto como expansiones analíticas en autofunciones como como solvers numéricos de alto orden.