3. 先验误差估计基础

在有限元方法中，我们真正关心的并不是“算出一个解”，而是“算出的解离真解有多远”。先验误差估计回答的正是这个问题：在尚未计算之前，仅根据网格尺寸、单元阶次和真解的正则性，就能预测误差的收敛速度。本节围绕三条主线展开：Galerkin正交性给出误差的几何结构，Céa引理把误差控制转化为最佳逼近问题，正则性假设则决定最佳逼近能达到多快的收敛阶。

一、Galerkin正交性与误差的几何结构

考虑抽象变分问题：求 $u\in V$，使得 $a(u,v)=f(v)$ 对所有 $v\in V$ 成立，其中 $V$ 是Hilbert空间，$a(\cdot,\cdot)$ 为对称正定双线性型（以Poisson问题为典型）。取有限维子空间 $V_h\subset V$，Galerkin解 $u_h\in V_h$ 满足 $a(u_h,v_h)=f(v_h)$ 对所有 $v_h\in V_h$ 成立。两式相减，立即得到Galerkin正交性：

a(u - u_h, v_h) = 0,   ∀ v_h ∈ V_h

这条式子说明误差 $e=u-u_h$ 在能量内积意义下与整个有限元空间 $V_h$ 正交。几何上，$u_h$ 就是真解 $u$ 在子空间 $V_h$ 上的能量正交投影。由此立刻得到能量范数的勾股关系：对任意 $v_h\in V_h$，

‖u - u_h‖_a² = ‖u - v_h‖_a² - ‖u_h - v_h‖_a²  ≤  ‖u - v_h‖_a²

因为 $u_h-v_h\in V_h$，与误差正交，交叉项为零。这一步是全部先验估计的起点：它把“Galerkin误差”转化为“任意逼近误差”的上界。

二、Céa引理：误差被最佳逼近控制

对 $a(\cdot,\cdot)$ 引入连续性常数 $M$ 与强制性（椭圆性）常数 $\alpha$：$|a(u,v)|\le M\|u\|_V\|v\|_V$，$a(v,v)\ge\alpha\|v\|_V^2$。由正交性和强制性可得Céa引理：

‖u - u_h‖_V ≤ (M/α) · inf_{v_h∈V_h} ‖u - v_h‖_V

它的含义非常明确：Galerkin解的误差，在常数因子 $M/\alpha$ 意义下，等于真解到子空间 $V_h$ 的最佳逼近误差。也就是说，有限元方法的精度本质上由“有限元空间能不能逼近真解”决定，而稳定性只贡献一个与网格无关的常数。对Poisson问题，$M/\alpha=1$，误差恰好等于最佳逼近误差。

这条引理把误差分析拆成两个独立问题：其一是逼近论问题——用分片多项式逼近 $u$ 能达到什么精度；其二是稳定性问题——$M/\alpha$ 是否一致有界。前者依赖光滑性，后者依赖网格质量与单元形状。

三、最佳逼近性质与插值误差估计

最佳逼近误差难以直接计算，通常用插值误差作为上界：设 $I_h u$ 为 $u$ 在 $V_h$ 中的分片插值，则 $\inf_{v_h}\|u-v_h\|_V\le\|u-I_h u\|_V$。对 $k$ 次分片多项式（单元阶次 $p=k+1$），标准插值估计为：

‖u - I_h u‖_{H^1} ≤ C h^k |u|_{H^{k+1}}
‖u - I_h u‖_{L^2} ≤ C h^{k+1} |u|_{H^{k+1}}

其中 $h$ 为网格尺寸，$C$ 只依赖单元形状正则性（如最小角条件）而不依赖 $h$。结合Céa引理，能量范数（等价于 $H^1$ 范数）下得到 $O(h^k)$ 收敛；再借助Aubin–Nitsche对偶技巧，可把 $L^2$ 误差提升一阶到 $O(h^{k+1})$。这就是“收敛阶”的来源：阶次由多项式次数和真解正则性共同决定。

先验误差估计的逻辑链：正交性 → 最佳逼近 → 收敛阶 Galerkin 正交性 a(u − u_h, v_h) = 0 误差 ⊥ 有限元空间 u_h 是 u 的能量正交投影 Céa 引理 ‖u − u_h‖ ≤ (M/α)·inf‖u − v_h‖ 误差 ≤ 常数 × 最佳逼近误差 稳定性常数 M/α 与 h 无关 插值误差估计 ‖u − I_h u‖_{H¹} ≤ C h^k |u|_{H^{k+1}} C 只依赖单元形状正则性 inf ≤ 插值误差 收敛阶结论（k 次多项式，p = k+1） H¹ 误差：O(h^k)　　L² 误差：O(h^{k+1}) 前提：u ∈ H^{k+1}(Ω)，网格形状正则 正则性不足：u ∈ H^{1+s}, s < k 实际阶降为 O(h^s)（H¹） 角点奇性、材料间断、载荷奇异 正则性充分：u ∈ H^{k+1} 达到理论最优阶 O(h^k) 光滑区域、凸角、协调网格

四、正则性假设：收敛阶的“隐形上限”

上面的 $O(h^k)$ 有一个容易被忽略的前提：$u\in H^{k+1}(\Omega)$。若真解不够光滑，插值估计中的半范数 $|u|_{H^{k+1}}$ 无界，高阶收敛便无从谈起。典型情形是角点奇性：在L形区域上求解Poisson方程，即使右端项光滑，凹角处解的行为也近似 $r^{2/3}\sin(2\theta/3)$，属于 $H^{1+s}$ 但 $s<1$，此时线性元（$k=1$）在均匀网格上的 $H^1$ 收敛阶只有约 $O(h^{2/3})$，而非理论上的 $O(h)$。

这带来一个重要的工程判断：加密网格不一定能恢复理论阶。若误差由奇性主导，单纯均匀加密只能得到由 $s$ 决定的低阶收敛；正确做法是采用局部加密（在奇点附近细化）、使用分级网格，或改用能捕捉奇性的扩展有限元/自适应方法。因此，先验估计的实践价值不仅在于“预测误差”，更在于诊断瓶颈：当实测收敛阶低于 $k$ 时，应首先怀疑正则性不足，而不是怀疑程序写错。

五、一个可操作的收敛阶验证示例

以单位正方形上的Poisson问题 $-\Delta u=2\pi^2\sin(\pi x)\sin(\pi y)$、齐次Dirichlet边界为例，真解为 $u=\sin(\pi x)\sin(\pi y)$，属于 $H^2$ 但不属于 $H^3$（二阶导数在边界处不连续）。用线性元（$k=1$）在 $N\times N$ 均匀网格上计算，理论预测 $H^1$ 误差 $O(h)$、$L^2$ 误差 $O(h^2)$。可按如下方式组织验证：

N = [8, 16, 32, 64, 128]
h = 1/N
e_H1 = ‖∇(u - u_h)‖_{L²}
e_L2 = ‖u - u_h‖_{L²}
rate = log(e(h1)/e(h2)) / log(h1/h2)

若程序与网格正确，$e_{H^1}$ 的相邻网格收敛率应稳定趋近 1.0，$e_{L^2}$ 趋近 2.0。若 $L^2$ 阶只有 1.0 左右，常见原因包括：边界条件施加错误、单元刚度矩阵积分不足、网格形状畸变导致 $C$ 过大，或真解正则性低于预期。注意这里的数值应视为示例性预期，实际值需由具体实现计算得到。

判断收敛阶时，建议至少使用 4 组网格并观察相邻网格的阶是否趋于稳定；单点比值容易受预渐近区影响。若阶持续下降，优先检查奇性、网格质量与边界处理，而非盲目加密。

六、三条结论的相互关系

把本节内容串起来看：Galerkin正交性提供误差的几何分解，是全部估计的出发点；Céa引理把误差上界归结为最佳逼近误差乘以稳定性常数，实现了“分析解耦”；插值误差估计把最佳逼近误差转化为 $h$ 与正则性的显式关系，从而给出收敛阶。三者构成一条完整的逻辑链，而正则性假设是这条链上最容易被违反的一环。理解这一点，才能在面对实际算例时，既知道理论阶是多少，也知道何时、为何达不到理论阶，以及应当采取何种补救措施。

← 上一章 📖 返回目录 下一章 →