有限元分析中的常识（持续更新）

有限元分析中的常识（持续更新）

介绍一些学过有限元的人都不得不超级熟练掌握的基本常识。

通用符号

$\Vert \cdot {\Vert }_{m,p}$ 表示 Sobolev 空间 $W^{m,p}(\Omega )$ 范数：
$$\Vert u{\Vert }_{m,p}={\left(\sum _{|\alpha |\le m}{\Vert D^{\alpha }u\Vert }_{L^p}^p\right)}^{1/p}$$

为了表达的简洁，当 $p=2$ 时，可以省略第一个下标，即$\Vert \cdot {\Vert }_m=\Vert \cdot {\Vert }_{m,2}$ 表示 $W^{m,2}(\Omega )=H^m(\Omega )$ 的范数。

同样地，当 $m=0$ 时，可以省略第一个下标，但是为了和上面一个省略区分，我们一般用 $\Vert \cdot {\Vert }_{L^p}=\Vert \cdot {\Vert }_{0,p}$ 表示 $W^{0,p}(\Omega )=L^p(\Omega )$ 范数：
$$\Vert u{\Vert }_{L^p}={\left({\int }_{\Omega }|u{|}^p\mathrm{d}x\right)}^{1/p}$$

更进一步的省略，当 $m=0,p=2$ 时，直接用 $\Vert \cdot \Vert ==\Vert \cdot {\Vert }_{0,2}$ 表示 $W^{0,2}(\Omega )=L^2(\Omega )$ 的范数。

$(\cdot ,\cdot )$ 表示 $L^2$ 内积。

一根短竖线 $|\cdot {|}_{m,p}$ 表示相对于范数的半范，以此类推。

基本不等式

Cauchy-Schwarz 不等式

$$|(a,b){|}^2\le \Vert a\Vert \Vert b\Vert$$

Hölder’s 不等式

$$\Vert uvw{\Vert }_{L^s}\le \Vert u{\Vert }_{L^p}\Vert v{\Vert }_{L^q\Vert w{\Vert }_{L^r}},\forall p,q,r\in (0,\infty ],\frac{1}{s}=\frac{1}{p}+\frac{1}{q}+\frac{1}{r}.$$

Young’s 不等式

设 $p,q\in R,\frac{1}{p}+\frac{1}{q}=1,a$ 和 $b\ge 0$, 则有 Young 不等式:
$$ab\le \frac{a^p}{p}+\frac{b^q}{q}.$$

Young 不等式有一些变形，比如说可以在 $a,b$ 前面加上 $\epsilon$ 和 ${\epsilon }^{-1}$ 得到 $ϵ$-Young 不等式。

Poincaré 不等式

$$\Vert v{\Vert }_{L^q}\le C_s\Vert \nabla v\Vert ,\forall v\in L_0^2(\Omega )$$

离散版本的 Gronwall 不等式

连续的 Gronwall 不等式参考这里。

离散的版本精准描述如下：
$A,\alpha \in [0,+\infty )$，且当 $n\ge 1$, $a_n,{\tau }_n\in [0,+\infty )$ 满足，
$$a_n\le A+\alpha \sum _{j=1}^n{\tau }_j{a}_j\forall n\ge 1,m:=\underset{n\in \mathbb{N}}{\sup }\alpha {\tau }_n<1$$
令 $\beta =\alpha /(1-m),B:=A/(1-m)$ 且${\tau }_0=0$, 那么
$$a_n\le B{e}^{\beta {\sum }_{i=0}^{n-1}{\tau }_i}\forall n\ge 1$$

Sobolev 不等式

$$\Vert u{\Vert }_{L^q}\le C_{}\Vert u{\Vert }_1$$
其中对于 $d=2,q\in [2,\infty )$，对于 $d>2,q\in \left[2,\frac{2d}{d-2}\right]$。

嵌入定理

嵌入定理

$\Omega$ 为有界、Lipschitz 边界区域, 则
$$W^{m,p}(\Omega )\hookrightarrow \{\begin{array}{ll}C(\bar{\Omega }),& mp>n\\ L^q(\Omega ),\forall q\in [1,\infty ),& mp=n\\ L^{q^{\ast }}(\Omega ),\forall q^{\ast }\in \left[1,\frac{np}{n-mp}\right],& mp<n\end{array}$$
其中当 $mp=n$ 且 $p=1$ 时, $q$ 可取 $\infty$. 当 $mp>n$ 时, 可分为三种情况
$$W^{m,p}(\Omega )\hookrightarrow \{\begin{array}{ll}{C}^{0,m-\frac{n}{p}}(\bar{\Omega }),& \frac{n}{p}<m<\frac{n}{p}+1\\ C^{0,\alpha }(\bar{\Omega }),\forall \alpha \in [0,1),& m=\frac{n}{p}+1\\ C^{0,1}(\bar{\Omega }),& m>\frac{n}{p}+1\end{array}$$

紧嵌入定理

$$W^{m,p}\hookrightarrow \hookrightarrow \{\begin{array}{ll}C(\bar{\Omega }),& mp>n\\ L^q(\Omega ),\forall q\in [1,\infty ),& mp=n\\ L^{q^{\ast }}(\Omega ),\forall q^{\ast }\in \left[1,\frac{np}{n-mp}\right),& mp<n\end{array}$$

记不住？确实。可以记住 $q=\frac{np}{n-mp}$ 这个，这是上限。当 $q$ 越小的时候，$W^{m,p}$ 越容易嵌入到 $L^q$。因为对于 $L^q$ 来说，$q$ 越大，范数越强，区域范围越小，越不容易被嵌入。

Cea 引理证明技巧

Céa 引理. 设双线性形式 $a(\cdot ,\cdot )$ 连续、 $V$ 椭圆，即存在 $M,\alpha >0$，使得
$$|a(u,v)|\le M\Vert u{\Vert }_V\Vert v{\Vert }_V,a(u,u)\ge \alpha \Vert u{\Vert }_V^2,\forall u,v\in V$$
设 $u,u_h$ 分别为问题变分问题及其有限元离散的解,，则存在常数 $C>0$， 使得
$${\Vert u-u_h\Vert }_V\le C\underset{v_h\in V_h}{\inf }{\Vert u-v_h\Vert }_V$$
其中右端项 ${\inf }_{v_h\in V_h}{\Vert u-v_h\Vert }_V$ 称为逼近误差。

证明. 对 $v_h\in V_h\subseteq V,a\left(u,v_h\right)=f\left(v_h\right)$。又 $a\left(u_h,v_h\right)=f\left(v_h\right)$。两式相减有
$$a\left(u-u_h,v_h\right)=0,\forall v_h\in V_h$$
由椭圆性，
$$\begin{array}{rl}\alpha {\Vert u-u_h\Vert }_V^2& \le a\left(u-u_h,u-u_h\right)\\ & =a\left(u-u_h,u-v_h\right)+a\left(u-u_h,v_h-u_h\right)\\ & \le M{\Vert u-u_h\Vert }_V{\Vert u-v_h\Vert }_V.\end{array}$$
再由 $v_h$ 的任意性即得证。

做误差估计的时候常常用到这个，但是对于不同的方法，往往需要做一些改变，比如某些方法下，正交性可能就不成立了，这时候就会多出来一些项，需要单独估计。

它说的是，有限元误差可以被逼近误差界住。

Aubin-Nitsche 对偶技巧

Aubin-Nitsche 引理. 设 $u,u_h$ 分别为变分问题及其有限元离散的解。在凸区域的情形下，存在 $C>0$，使得
$${\Vert u-u_h\Vert }_{0,\Omega }\le Ch{\Vert u-u_h\Vert }_{1,\Omega }$$

证明关键步骤.
考虑辅助问题
$$\{\begin{array}{ll}-\Delta w=u-u_h,& \text{ in }\Omega \\ w=0,& \text{ on }\partial \Omega \end{array}$$
变分形式，
$$\begin{array}{rl}a(w,v)& =\left(u-u_h,v\right),\forall v\in H_0^1(\Omega )\end{array}$$
取 $v=u-u_h$, 则有
$$\begin{array}{rl}{\Vert u-u_h\Vert }_{}^2& =a\left(w,u-u_h\right)\\ & =a\left(w-w_h,u-u_h\right)\left(\text{ 正交性: }a\left(u-u_h,w_h\right)=0\right)\\ & \lesssim {\Vert w-w_h\Vert }_1{\Vert u-u_h\Vert }_1(\text{ 有界性 })\\ & \lesssim h{\left|w\right|}_2{\Vert u-u_h\Vert }_1(\text{ 对 w 解的估计})\\ & \lesssim h{\Vert u-u_h\Vert }_{}{\Vert u-u_h\Vert }_1(\mathrm{P}\mathrm{D}\mathrm{E}\text{ 正则性理论 })\end{array}$$

想要得到 $\Vert u-u_h\Vert$ 的估计，构造辅助问题，让右端项 $f=u-u_h$。
利用辅助问题的等式的变分形式，从右边到左边。
想利用到辅助问题解的估计，用一次正交性。再利用正则性理论，从左边到右边。
有些特殊的问题，正交性没有怎么办？可能又会多出来一些项，单独处理。

Lax-Milgram 定理

Lax-Milgram 定理. 设 $a(\cdot ,\cdot )$ 是有界、椭圆双线性型, $V$ 为 Hilbert 空间, $\ell \in V^{\prime }$. 则变分 问题
$$\{\begin{array}{l}\text{ 求 }u\in V,\text{ s.t. }\\ a(u,v)=\ell (v),\forall v\in V\end{array}$$
存在唯一解。