有限元方法

有限元方法将偏微分方程（PDE）重构为弱（变分）形式，并通过在简单单元网格上的分段多项式函数来近似其解，从而在复杂几何形状上获得精确的解。

Definition

有限元方法是一种数值技术，通过将其弱形式投影到定义在网格上的分段多项式函数的有限维空间中，来近似偏微分方程的解，从而将问题简化为代数方程组。

Scope

本主题涵盖弱形式和Sobolev空间设置、伽辽金方法和Cea引理、三角剖分上有限元空间的构建、刚度矩阵和载荷向量的组装、先验误差估计以及驱动自适应网格细化的后验估计。

Core questions

• 弱形式如何拓宽可接受解的类别并为该方法奠定基础？
• 伽辽金投影如何通过Cea引理将离散误差与最佳逼近联系起来？
• 有限元空间如何构建，以及如何从局部单元贡献中组装全局系统？
• 先验和后验误差估计如何量化精度并指导网格自适应？

Key theories

弱形式与Lax-Milgram定理

将偏微分方程乘以测试函数并积分，将其重构为Sobolev空间中的变分问题；当相关的双线性形式有界且强制时，Lax-Milgram定理保证了唯一弱解的存在，为该方法提供了严谨的基础。

伽辽金正交性与Cea引理

有限元解满足伽辽金正交性，Cea引理将其误差限制为有限元空间中最佳逼近误差的常数倍，从而将收敛性分析简化为所选单元的逼近能力。

后验估计与自适应性

可计算的后验误差估计器仅使用离散解和数据来限制实际误差，从而实现自适应算法，在误差最大的地方细化网格，以高效地达到目标精度。

Mechanisms

域被划分为单元（三角形、四面体或四边形），在每个单元上，解由多项式基函数表示，这些基函数的支撑仅在共享面上重叠，从而形成局部支持的全局基函数。将这些代入弱形式会产生一个稀疏线性系统：由双线性形式产生的刚度矩阵和由数据产生的载荷向量，两者都逐个单元组装。求解该系统可得到近似解的系数。先验估计将误差与网格尺寸和多项式次数相关联，而后验估计器则指导自适应细化。

Clinical relevance

有限元方法是结构和固体力学、传热、电磁学和生物力学领域主要的仿真技术，并广泛应用于流体动力学；其处理复杂几何形状、多变材料特性和自适应细化的能力使其成为大多数商业工程分析软件的支柱。

History

该方法起源于20世纪50年代的结构工程，并以Courant早期工作为基础，获得了变分数学基础；严谨的逼近理论由Ciarlet、Babuska等人在20世纪70年代发展起来，使有限元方法成为一种实用的工具和数值分析的一个深入领域。

Key figures

• Richard Courant
• Olgierd Zienkiewicz
• Philippe Ciarlet
• Susanne C. Brenner

Seminal works

• brenner2008
• ern2004

Frequently asked questions

为什么要将偏微分方程重构为弱形式？

弱形式降低了对解的可微性要求，并将问题置于希尔伯特空间背景下，可以在其中严格分析存在性、唯一性和逼近性，并且它自然地适应复杂网格上的分段多项式逼近。

是什么让有限元方法适用于复杂几何形状？

由于域被分解成小的、形状简单的单元，这些单元可以调整大小和方向以适应边界，因此有限元网格比有限差分方法所需的规则网格更容易适应复杂的形状。