线性PDE的这种简单误差估计如何?


10

令为的凸多边形有界Lipschitz域,令。- [R 2 ˚F 大号2Ω ΩR2fL2(Ω)

然后的狄利克雷问题的解决方案在,上具有独特的解决方案并且被适定的,即对于某一常数我们有。Δu=fΩtraceu=0ΩH2CuH2CfL2

对于某些有限元逼近uh,例如在均匀网格上具有节点元素的情况下,我们得到误差估计

uuhH1ChuH2

似乎(也许我错了)人们通常不使用明显的误差估计

uuhH1ChfL2

我们可以通过结合以上两个不等式获得。而是以各种形式开发了后验误差估计器。我可以对上述方程式想象的唯一异议是,常数C实际上可能过于悲观或无法可靠估计。

Answers:


8

在我看来,人们之所以喜欢使用第一个估计值,是因为第一个估计值自然来自有限元的Galerkin正交性,内插近似性质,以及最重要的是双线性形式的矫顽力(对于Poisson方程的边值问题) ,这等效于函数的Poincaré/ Friedrichs不等式): Ü - ü ħ 2 ħ 1Ω H01 c ^1H ^ 1 0ùùÇ2

uuhH1(Ω)2c1(uuh)L2(Ω)2(uuh)L2(Ω)2=Ω(uuh)(uuh)=Ω(uuh)(uIu)(uuh)L2(Ω)(uIu)L2(Ω)(uuh)L2(Ω)(uIu)L2(Ω)c2huH2(Ω)
其中取决于函数的Poincaré/ Friedrichs不等式中的常数,是在有限元中的插值元素空间和c1H01Iuuc2 取决于网格的最小角度。

椭圆规则估计仅在PDE级别上,与即使是分布,近似值和上面的参数也成立。 ˚F ħ - 1uH2(Ω)cfL2(Ω)fH1

现在转到后验误差估计被广泛使用的原因,主要是因为:

  • 它是可计算的,估计的表达式中没有通用常数。

  • 估计器具有其局部形式,该局部形式可以是在自适应网格细化过程中使用的局部误差指示符。因此,可以解决奇异或真正“不良”的几何形状的问题。

您列出的两个先验类型估计都是有效的,它们向我们提供了收敛阶数的信息,但是它们都不是仅针对一个三角形/四面体的局部误差指标,因为由于常数,它们都不可计算,也未在本地定义它们。

编辑:对于椭圆形PDE的FEM的更多一般性看法,我强烈建议阅读Brenner和Scott的书:有限元方法的数学理论,第0章仅20页,并简要介绍了有限元方法的几乎每个方面从PDE的Galerkin公式,到为什么我们想使用自适应FEM解决某些问题的动机。希望这对您有更多帮助。


1

您的估计在两个方面都太悲观了。您已经确定了第一个(现在不仅包括插值常数,还包括稳定性常数)。第二个是错误估计的确是 请注意,右侧具有半范数,而不是范数。当然,您可以按照完整的标准约束rhs,但是您会再次以这种方式失败。ë 大号2ÇC2

eL2Ch|u|H2.
H2
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.