aiwiki.page
中文
数学 / 分析与微积分 / elliptic-partial-differential-equation

椭圆型偏微分方程

椭圆型偏微分方程的主部非退化,通常描述空间平衡,其解受边界数据约束,并由正则性理论刻画。

52 个关键词1 个词条链接到这里9 个尚未撰写AI 撰写
偏微分方程拉普拉斯方程泊松方程数学分析几何学泛函分析偏导数矩阵(数学)椭圆型偏微…

椭圆型偏微分方程是最高阶项满足一种称为椭圆性的非退化条件的偏微分方程。对于具有实系数的二阶标量方程,这意味着二阶导数的系数矩阵是正定或负定的。典型例子包括拉普拉斯方程 Δu=0\Delta u=0 和泊松方程 −Δu=f-\Delta u=f。这类方程可用于描述静电势、稳态热传导以及弹性系统或流体系统的平衡构型等现象。

椭圆型方程的突出特点是边界条件具有全局影响,且解在区域内部具有很强的正则性。与演化方程不同,椭圆型方程通常确定的是整个空间构型,而非系统从初始数据出发的演化过程。对它们的研究融合了数学分析、几何学、泛函分析和科学计算。核心问题包括解的存在性、唯一性、光滑性、定性行为,以及解对系数、源项和区域几何形状的依赖关系。

椭圆性与主部

设 Ω\Omega 是 Rn\mathbb R^n 的一个开子集。非散度形式的一般线性二阶标量算子可写为

Lu=−∑i,j=1naij(x) ∂i∂ju+∑i=1nbi(x) ∂iu+c(x)u.Lu=-\sum_{i,j=1}^{n}a^{ij}(x)\,\partial_i\partial_j u +\sum_{i=1}^{n}b^i(x)\,\partial_i u+c(x)u.

这里,∂i\partial_i 表示偏导数。由于光滑函数的混合偏导数可以交换求导次序,矩阵 A(x)=(aij(x))A(x)=(a^{ij}(x)) 中只有对称部分对二阶项有贡献。因此,通常取 AA 为对称矩阵。按照上述符号约定,算子在 xx 处具有椭圆性,是指

ξTA(x)ξ>0for every ξ∈Rn∖{0}.\xi^{T}A(x)\xi>0 \qquad\text{for every }\xi\in\mathbb R^n\setminus\{0\}.

等价地说,A(x)A(x) 是正定矩阵。将整个方程乘以 −1-1 不会改变其椭圆性。

更强的条件是一致椭圆性:要求存在与 xx 无关的常数 0<λ≤Λ<∞0<\lambda\leq\Lambda<\infty,使得

λ∣ξ∣2≤∑i,jaij(x)ξiξj≤Λ∣ξ∣2.\lambda|\xi|^2 \leq \sum_{i,j}a^{ij}(x)\xi_i\xi_j \leq\Lambda|\xi|^2.

下界保证扩散在任何方向上都不会消失;上界则控制扩散的强度。许多估计依赖于椭圆性比值 Λ/λ\Lambda/\lambda。逐点椭圆性并不保证在边界附近或无穷远处仍具有一致椭圆性。例如,

uxx+x2uyy=0u_{xx}+x^2u_{yy}=0

在 x≠0x\neq0 处是椭圆型的,但在 x=0x=0 处退化。

对于二元方程

auxx+2buxy+cuyy+lower-order terms=0,a u_{xx}+2b u_{xy}+c u_{yy}+\text{lower-order terms}=0,

椭圆性等价于 ac−b2>0ac-b^2>0。这与将圆锥曲线判定为椭圆时所用的符号条件相同,“椭圆型”这一名称也由此而来。在更高维空间中,这一判别式检验由相应二次型的定号性取代。椭圆性在光滑可逆的坐标变换下保持不变,不过椭圆性常数的数值可能发生变化。

更一般地,mm 阶算子的主符号只保留其最高阶导数,并将微分运算替换为乘以协向量。若标量算子的主符号对每个非零实协向量都不为零,则称该算子为椭圆型;对于方程组,则要求主符号可逆。这一定义也涵盖双调和算子 Δ2\Delta^2 等高阶例子。但这一定义本身既不指定适当的边界条件,也不意味着算子具有拉普拉斯方程中所有熟知的性质:例如,最大值原理对于四阶方程和方程组通常并不成立。

物理模型与历史发展

许多椭圆型方程背后的基本物理机制,是守恒定律与本构关系的结合。若 uu 表示温度或势,且通量为

J=−A(x)∇u,J=-A(x)\nabla u,

则稳态守恒关系 ∇⋅J=f\nabla\cdot J=f 给出

−∇⋅(A(x)∇u)=f.-\nabla\cdot(A(x)\nabla u)=f.

梯度衡量空间变化,而 AA 描述传导系数或渗透系数。正定性意味着每个方向上的耗散均为正。当 AA 是单位矩阵的正标量倍数时,输运是各向同性的;不同方向上的响应不同时,则得到各向异性方程。

在静电学中,电场为 E=−∇ϕE=-\nabla\phi。将高斯定律与本构关系 D=εED=\varepsilon E 结合,可得

−∇⋅(ε∇ϕ)=ρ,-\nabla\cdot(\varepsilon\nabla\phi)=\rho,

其中 ρ\rho 为电荷密度,ε\varepsilon 为介电常数。当介电常数恒定且不存在电荷时,该方程化为拉普拉斯方程。类似地,当热导率正定时,热方程的稳态解满足一个椭圆型方程。在地下水建模中,达西定律将流量与水头梯度联系起来;稳态质量平衡则导出具有相同散度形式的方程。

弹性平衡问题的未知量是向量,而非单一的势。对于位移场 uu,小应变张量为

ε(u)=∇u+(∇u)T2,\varepsilon(u)=\frac{\nabla u+(\nabla u)^T}{2},

力平衡方程具有如下形式:

−∇⋅(C:ε(u))=f.-\nabla\cdot\bigl(C:\varepsilon(u)\bigr)=f.

本构张量 CC 表征弹性模量。在适当的正定性假设下,可以得到椭圆型方程组,但其分析方法与标量势理论有很大差异。特别是,通常不存在逐分量成立的最大值原理。

这门学科源于十八、十九世纪的势理论,其发展与皮埃尔-西蒙·拉普拉斯、西梅翁·德尼·泊松、乔治·格林和卡尔·弗里德里希·高斯等人密切相关。狄利克雷问题——根据给定的边界值求出调和函数——成为其中的核心问题。十九世纪基于能量极小化的论证,需要当时尚未完全建立的理论基础。卡尔·魏尔斯特拉斯指出了不加限制地援引狄利克雷原理所存在的缺陷,而大卫·希尔伯特后来推动了变分存在性论证严格基础的建立。

二十世纪的发展拓宽了可处理的系数与解的范围。谢尔盖·索博列夫提出的广义导数,使人们无需假设经典意义下的可微性,也能研究有限能量解。尤利乌什·绍德尔于二十世纪三十年代建立了赫尔德空间中的估计。恩尼奥·德乔尔吉和约翰·纳什在五十年代针对具有粗糙系数的方程,确立了关键的连续性结果;随后,尤尔根·莫泽发展出一种迭代方法,可由此得到局部界和哈纳克不等式。

边界条件与适定性

有界区域上的椭圆型方程通常需要给定边值问题,而不是初始数据。对于二阶标量方程,主要的边界条件有狄利克雷条件、诺伊曼条件和罗宾条件。狄利克雷数据指定函数值:

u=gon ∂Ω.u=g\quad\text{on }\partial\Omega.

对于散度形式的算子,诺伊曼数据自然对应于指定余法向导数:

A∇u⋅ν=gon ∂Ω,A\nabla u\cdot\nu=g\quad\text{on }\partial\Omega,

其中,ν\nu 为外单位法向量。当 AA 具有各向异性时,这通常不同于指定普通法向导数 ∇u⋅ν\nabla u\cdot\nu。

罗宾条件将函数值与通量相结合:

A∇u⋅ν+βu=g.A\nabla u\cdot\nu+\beta u=g.

例如,当穿过表面的传热量与表面温度和环境温度之差成正比时,就会出现这类条件。混合边值问题在边界的不同部分施加不同的条件。即使系数和各段边界都是光滑的,其解也可能在这些边界部分的交界处出现奇性。

相容性与唯一性取决于所选的边界条件。对于

−Δu=f,∂νu=g,-\Delta u=f,\qquad \partial_\nu u=g,

由散度定理可得必要的相容性条件

∫Ωf dx+∫∂Ωg dS=0.\int_\Omega f\,dx+\int_{\partial\Omega}g\,dS=0.

在连通有界区域上,解只能确定到相差一个加法常数。施加诸如 ∫Ωu dx=0\int_\Omega u\,dx=0 的归一化条件,就能消除这种不确定性。相比之下,−Δ-\Delta 的齐次狄利克雷问题在其自然能量空间中有唯一解。

对于任意的低阶项,仅有椭圆性并不能保证唯一性。例如,当 μ\mu 是 −Δ-\Delta 的狄利克雷特征值时,

−Δu−μu=f,u∣∂Ω=0,-\Delta u-\mu u=f,\qquad u|_{\partial\Omega}=0,

就不具有唯一可解性。因此,适定性是由算子、边界条件、函数空间和谱参数共同决定的性质。对于高阶算子和方程组,容许的边界算子还必须满足一种通常称为补充条件的相容性要求。四阶方程通常需要两个相互独立的边界条件,例如固支板条件 u=∂νu=0u=\partial_\nu u=0。

在同一部分边界上同时指定函数值及其法向导数,就得到椭圆型柯西问题。这类问题可能具有唯一性,但解对数据的依赖并不稳定。具有高空间频率的调和函数,在远离给定数据的曲面时可能呈指数增长。这种不稳定性解释了为什么根据超定的边界测量数据重建内部场属于逆问题,而不是普通的适定边值问题。

弱解与变分存在性

二阶方程的经典解具有足够阶数的导数,使方程能够逐点成立。然而,物理系数可能在材料界面处发生跳跃,而有限能量解起初未必具有二阶导数。弱解的概念通过分部积分法,将未知函数上的导数转移到检验函数上。对于

−∇⋅(A∇u)=f,u∣∂Ω=0,-\nabla\cdot(A\nabla u)=f,\qquad u|_{\partial\Omega}=0,

其弱形式为

∫ΩA∇u⋅∇v dx=⟨f,v⟩for every v∈H01(Ω).\int_\Omega A\nabla u\cdot\nabla v\,dx =\langle f,v\rangle \qquad\text{for every }v\in H_0^1(\Omega).

索伯列夫空间 H1(Ω)H^1(\Omega) 由自身及其一阶弱导数均平方可积的函数组成。子空间 H01(Ω)H_0^1(\Omega) 是光滑紧支撑函数在 H1H^1 范数下的闭包;在足够正则的区域上,它由边界迹为零的函数组成。右端项可以是这一空间上的连续线性泛函,因此强迫项不必是通常意义下的连续函数。这种表述对于守恒律尤为自然,因为它无须对不连续的系数求导,就能保留通量平衡关系。

设 Ω\Omega 有界,且 AA 可测、有界并满足一致椭圆性。定义

a(u,v)=∫ΩA∇u⋅∇v dx.a(u,v)=\int_\Omega A\nabla u\cdot\nabla v\,dx.

在 H01(Ω)H_0^1(\Omega) 上,庞加莱不等式给出了用 ∥∇u∥L2\|\nabla u\|_{L^2} 控制 ∥u∥L2\|u\|_{L^2} 的估计。因此,aa 具有强制性:

a(u,u)≥c∥u∥H12a(u,u)\geq c\|u\|_{H^1}^2

其中 cc 为正常数。拉克斯–米尔格拉姆定理是关于希尔伯特空间上双线性型的一个基本结果,由此可得唯一弱解及估计

∥u∥H01≤C∥f∥H−1.\|u\|_{H_0^1}\leq C\|f\|_{H^{-1}}.

这一结论不要求最高阶项的系数连续。

当 AA 对称时,同一个解还使能量

E[v]=12∫ΩA∇v⋅∇v dx−⟨f,v⟩.E[v]=\frac12\int_\Omega A\nabla v\cdot\nabla v\,dx-\langle f,v\rangle.

达到最小值。这将椭圆型方程与变分法联系起来:弱形式方程就是该泛函的驻值条件,而强制性则防止极小化序列在能量范数下趋于无穷。随后,弱紧性与下半连续性便构成了保证解存在的机制。

非对称系数仍适用于拉克斯–米尔格拉姆框架,但上面给出的能量已无法生成整个算子。更一般的低阶项可通过强制性估计、紧扰动或弗雷德霍姆二择一定理来处理。对于非零狄利克雷边界数据,可以减去给定边界迹的一个延拓来处理。诺伊曼问题则改用对常数取商的空间,并要求满足相应的相容性条件。

最大值原理与定性行为

对于标量二阶椭圆型方程,最大值原理无需显式求解就能提供解的相关信息。如果 uu 在有界区域内满足

Δu≥0\Delta u\geq0

且在该区域的闭包上连续,那么它的最大值不会超过其在边界上的最大值。对于写成

Lu=aijuij+biui+cu,\mathcal Lu=a^{ij}u_{ij}+b^iu_i+cu,

形式的一般算子,一个标准的充分符号条件是 c≤0c\leq0。在系数和正则性满足适当假设的情况下,由 Lu≥0\mathcal Lu\geq0 可得

sup⁡Ωu≤sup⁡∂Ωu+,u+=max⁡(u,0).\sup_\Omega u\leq\sup_{\partial\Omega}u^+, \qquad u^+=\max(u,0).

零阶项的符号至关重要:没有这一条件,极值就可能在内部取得。

强最大值原理进一步强化了这一结论。调和函数若在连通区域的内部取得最大值,就必定是常数。更一般地,在通常的假设及 c≤0c\leq0 的条件下,次解若在内部取得非负最大值,就必定是常数。将这类原理应用于两个解之差,可以得到比较结论和唯一性结论。它们还能保证解具有符合物理意义的符号:在零狄利克雷边界条件下,方程 −Δu=f≥0-\Delta u=f\geq0 的解非负。

霍普夫边界点引理描述了非常数解在严格边界极值点附近的行为。在边界满足适当几何条件(如内球条件)时,按相应的次调和符号约定,解在边界最大值点处的外法向导数严格为正。这排除了解以过于平坦的方式接触边界极值的可能性。该引理在自由边界问题和对称性论证中很有用,但不能不加区分地用于角点或不满足所需几何条件的边界。

另一个主要工具是哈纳克不等式。对于 B2rB_{2r} 上齐次一致椭圆型方程的非负解,一个典型的内部估计为

sup⁡Bru≤Cinf⁡Bru.\sup_{B_r}u\leq C\inf_{B_r}u.

其中的常数依赖于维数和椭圆性界;在更一般的情形下,还依赖于低阶项系数。这一估计定量地联系了不同位置处的函数值。特别地,非负的非平凡解在整个连通区域内都严格为正。沿着相互重叠的球依次应用这一估计,可以在更大的紧子集上控制解。

对于拉普拉斯算子,这些原理与平均值性质相联系:调和函数在任一点的值,等于它在以该点为中心、且包含于定义域内的任意球面或球上的平均值。一般的变系数方程并不满足同样的欧几里得平均值公式,但仍具有相关的比较性质和振荡衰减性质。这类标量序结构极为有力,但并不能自动推广到向量值椭圆型方程组。

正则性与光滑化的局限

正则性理论研究的是:给定系数、源项和边界后,弱解必然具有怎样的光滑程度。椭圆性提供了一系列估计,使我们能够从方程的相关信息推得解的导数信息。内部估计具有局部性,无须对边界作出假设;全局估计则还必须考虑边界的光滑程度以及给定数据的相容性。一个有用的区分是散度型方程与非散度型方程:前者的弱形式直接使用一阶导数,后者则显式保留二阶导数。

对于主部系数为 Hölder 连续且 f∈C0,αf\in C^{0,\alpha} 的一致椭圆算子,Schauder 估计给出内部 C2,αC^{2,\alpha} 正则性。同心球上的一个典型估计为

∥u∥C2,α(Br)≤C(∥u∥C0(B2r)+∥f∥C0,α(B2r)).\|u\|_{C^{2,\alpha}(B_r)} \leq C\left( \|u\|_{C^0(B_{2r})} +\|f\|_{C^{0,\alpha}(B_{2r})} \right).

其中常数依赖于球的半径、椭圆性参数以及系数的范数。对于散度型方程,Hölder 连续的系数和具有适当结构的数据,自然地首先导出 C1,αC^{1,\alpha} 估计。在系数条件允许时,反复求导并进行估计,便可进一步建立更高阶的正则性。

与之互补的另一套理论使用 LpL^p 范数和 Sobolev 范数。对于拉普拉斯算子,有如下形式的估计:

∥u∥W2,p(Ω′)≤C(∥f∥Lp(Ω)+∥u∥Lp(Ω)),Ω′⋐Ω,1<p<∞.\|u\|_{W^{2,p}(\Omega')} \leq C\left( \|f\|_{L^p(\Omega)} +\|u\|_{L^p(\Omega)} \right), \qquad \Omega'\Subset\Omega,\quad 1<p<\infty.

在适当的系数假设下,变系数算子也有类似结果。傅里叶变换和奇异积分估计解释了常系数的情形:形式上,求解泊松方程相当于除以 ∣ξ∣2|\xi|^2,从而在高频部分补偿两阶导数。低频部分和边界则需要另行处理。

De Giorgi–Nash–Moser 理论表明,对于齐次散度型方程,即便其系数仅有界可测且满足一致椭圆性条件,标量弱解仍然局部 Hölder 连续。这一结果令人瞩目,因为系数本身可能处处不连续。但该结论并不意味着一阶导数连续。例如,在两种导体的交界面处,电势可以保持连续,而其法向导数发生跳跃,同时余法向通量仍保持平衡。

即使对于 −Δ-\Delta,边界的几何形状也可能妨碍正则性。在张角为 ω\omega 的平面扇形顶点附近,调和函数

u(r,θ)=rπ/ωsin⁡(πθω)u(r,\theta)=r^{\pi/\omega} \sin\left(\frac{\pi\theta}{\omega}\right)

在扇形的两条边上均为零。如果 ω>π\omega>\pi,其梯度在顶点处具有奇性。因此,光滑的系数和简单的边界值并不能保证解在全局光滑。在较高维数下,标量方程的正则性结论也可能对椭圆型方程组失效。对于系数光滑的椭圆型算子,分布解在源项光滑的区域内也是光滑的;而实解析性通常还要求方程满足相应的解析性假设。

非线性与退化椭圆型方程

非线性椭圆型方程通常分为半线性、拟线性和完全非线性三类。半线性方程对最高阶导数是线性的,例如

−Δu=g(x,u).-\Delta u=g(x,u).

在拟线性方程中,最高阶导数以线性形式出现,但其系数可以依赖于 uu 和 ∇u\nabla u。完全非线性方程则可以非线性地依赖于整个海森矩阵 D2uD^2u。这一区分决定了线性化后仍可使用哪些线性估计。

对于完全非线性方程

F(D2u,∇u,u,x)=0,F(D^2u,\nabla u,u,x)=0,

椭圆性体现为关于海森矩阵的单调性。若约定 FF 随海森矩阵的增大而减小,则一致椭圆性是指:对任意半正定矩阵 NN,都有

λ tr⁡N≤F(M,p,z,x)−F(M+N,p,z,x)≤Λ tr⁡N\lambda\,\operatorname{tr}N \leq F(M,p,z,x)-F(M+N,p,z,x) \leq\Lambda\,\operatorname{tr}N

成立。这是对系数矩阵特征值施加上下界这一条件的非线性对应形式。有些作者采用相反的符号约定。

图形所满足的极小曲面方程为

∇⋅(∇u1+∣∇u∣2)=0.\nabla\cdot\left( \frac{\nabla u}{\sqrt{1+|\nabla u|^2}} \right)=0.

它是图形面积泛函的欧拉—拉格朗日方程。在梯度有界的集合上,其椭圆性可以得到控制,但随着梯度增大,椭圆性会减弱。另一个重要例子是 pp-拉普拉斯算子:

Δpu=∇⋅(∣∇u∣p−2∇u),p>1.\Delta_pu=\nabla\cdot\left( |\nabla u|^{p-2}\nabla u \right),\qquad p>1.

它源于对 ∫∣∇u∣p dx\int|\nabla u|^p\,dx 的极小化。当 p>2p>2 时,梯度为零处会出现退化;当 1<p<21<p<2 时,系数表达式在该处变得奇异。单调性与非线性能量估计取代了一致椭圆型线性理论中的部分工具。

蒙日–安培方程

det⁡D2u=f,\det D^2u=f,

是完全非线性的,并且在适当的凸性分支上具有椭圆性。凸性至关重要:对于任意海森矩阵,行列式方程并不一定是椭圆型的。当海森矩阵正定时,方程的线性化涉及正定的余子式矩阵。该方程出现在指定曲率问题中,也出现在通过梯度映射将一种密度输运为另一种密度的问题中。

非散度形式的非线性方程常采用黏性解,其定义通过将连续函数与从上方或下方接触它的光滑检验函数进行比较而给出。即使经典二阶导数不存在,也无法建立变分弱形式,这一表述仍可能有意义。比较原理是唯一性的基础。在方程对海森矩阵的依赖满足凸性或凹性假设,同时具有一致椭圆性且数据具备适当正则性的条件下,埃文斯–克雷洛夫定理给出内部 C2,αC^{2,\alpha} 估计。若缺少这些结构性假设,就不能预期具有类似的正则性。

谱理论、几何与概率

在有界区域上,配以适当的边界条件,椭圆算子将边值问题与谱定理联系起来。对于狄利克雷拉普拉斯算子,特征值问题为

−Δϕk=λkϕk,ϕk∣∂Ω=0.-\Delta\phi_k=\lambda_k\phi_k, \qquad \phi_k|_{\partial\Omega}=0.

特征值按重数计,构成离散序列

0<λ1≤λ2≤⋯ ,λk→∞,0<\lambda_1\leq\lambda_2\leq\cdots, \qquad \lambda_k\to\infty,

而特征函数构成 L2(Ω)L^2(\Omega) 的一组标准正交基。借助索博列夫紧性得到的逆算子在 L2L^2 上的紧性,是其中关键的泛函分析机制。

第一特征值具有如下变分刻画:

λ1=inf⁡0≠v∈H01(Ω)∫Ω∣∇v∣2 dx∫Ω∣v∣2 dx.\lambda_1 =\inf_{0\neq v\in H_0^1(\Omega)} \frac{\int_\Omega|\nabla v|^2\,dx} {\int_\Omega|v|^2\,dx}.

这将特征值与能量最小化及最优庞加莱常数联系起来。在标准的几何假设下,外尔定律描述了高频段的特征值计数函数:

N(λ)∼ωn(2π)n∣Ω∣λn/2,N(\lambda)\sim \frac{\omega_n}{(2\pi)^n}|\Omega|\lambda^{n/2},

其中 ωn\omega_n 是单位球的体积。同一组特征函数通过因子 e−λkte^{-\lambda_k t} 描述热扩散,并通过波动频率 λk\sqrt{\lambda_k} 描述振动。

在黎曼流形上,拉普拉斯–贝尔特拉米算子的坐标表达式为

Δgu=1∣g∣∂i(∣g∣ gij∂ju).\Delta_g u =\frac{1}{\sqrt{|g|}} \partial_i\left(\sqrt{|g|}\,g^{ij}\partial_j u\right).

正定的度量张量使该算子具有椭圆性。因此,调和函数、微分形式以及几何形变问题都受椭圆型方程分析理论支配。在无边界的紧致连通流形上,调和标量函数必为常数。更广泛的椭圆算子理论还将分析与拓扑学联系起来,尤其体现在有限维的核与余核以及指标公式之中。

概率表示从另一个角度揭示了解对边界的整体依赖。设 BtB_t 为布朗运动,τ\tau 为它首次离开某个有界区域的时刻。对于足够规则的区域上的连续边界数据,其调和延拓满足

u(x)=Ex[g(Bτ)].u(x)=\mathbb E_x[g(B_\tau)].

这里的期望值是按照退出分布对边界数据取平均,该分布称为调和测度。布朗运动的生成元为 12Δ\tfrac12\Delta;更一般的非退化扩散过程则对应于变系数椭圆算子。

格林函数以解析形式表达了同一个逆算子。在齐次狄利克雷条件下,若满足适当假设,−Δu=f-\Delta u=f 的解可表示为

u(x)=∫ΩG(x,y)f(y) dy.u(x)=\int_\Omega G(x,y)f(y)\,dy.

当 n≥3n\geq3 时,区域内部的主导奇异项正比于 ∣x−y∣2−n|x-y|^{2-n};在二维情形下则呈对数形式。这些核函数既揭示了对集中源的奇异响应,也体现了周围边界的影响。

数值逼近与计算挑战

数值方法将椭圆型边值问题转化为有限维代数方程组。在间距为 hh 的正方形网格上,有限差分法用下式逼近二维负拉普拉斯算子:

−Δhui,j=4ui,j−ui+1,j−ui−1,j−ui,j+1−ui,j−1h2.-\Delta_hu_{i,j} =\frac{ 4u_{i,j}-u_{i+1,j}-u_{i-1,j} -u_{i,j+1}-u_{i,j-1} }{h^2}.

对于足够光滑的解,这种五点差分格式具有二阶截断误差。仅有相容性并不足以保证收敛,还需要稳定性和正确的边界处理。在适当的网格上,所得矩阵具有逆正性结构,与离散最大值原理相呼应。

有限元法从弱形式出发,将其限制在有限维空间 Vh⊂H01(Ω)V_h\subset H_0^1(\Omega) 上。采用基函数 {φj}\{\varphi_j\} 时,刚度矩阵的元素为

Kij=∫ΩA∇φj⋅∇φi dx.K_{ij}=\int_\Omega A\nabla\varphi_j\cdot\nabla\varphi_i\,dx.

当扩散系数对称正定且边界条件为齐次狄利克雷条件时,KK 是对称正定矩阵。该方法能够自然地处理不规则区域、局部网格加密和不连续的材料系数,同时保留连续问题的变分意义。

对于有界且强制的双线性型,Céa 引理通过最佳逼近给出误差上界:

∥u−uh∥H1≤Cinf⁡vh∈Vh∥u−vh∥H1.\|u-u_h\|_{H^1} \leq C\inf_{v_h\in V_h}\|u-v_h\|_{H^1}.

在适当的网格上采用分片线性单元,且 u∈H2u\in H^2 时,能量范数误差通常为 O(h)O(h)。若还满足对偶问题的正则性条件,L2L^2 误差通常为 O(h2)O(h^2)。在凹角或系数间断界面处,这些收敛阶可能降低。自适应加密利用可计算的残差型或通量型误差指标,将网格分辨率集中在奇异性附近,而不是对整个网格进行均匀加密。

离散化会产生大型稀疏矩阵,但稀疏性并不能消除病态性问题。对于准均匀网格上带狄利克雷边界条件的拉普拉斯算子的标准离散,谱条件数通常按 h−2h^{-2} 的量级增长。系数的巨大反差和各向异性可能进一步降低迭代收敛速度。共轭梯度法利用矩阵的对称正定性,而预条件子的目标是改善变换后方程组的条件性。

多重网格法处理多个空间尺度上的误差:局部松弛抑制振荡分量,粗网格校正则消除缓慢变化的分量。在适当假设下,要使误差缩减一个固定比例,其计算量可与未知量的个数成正比。区域分解法为并行计算和非均匀介质问题提供了相关工具。完全非线性问题还提出了额外要求:在不具备经典光滑性的情况下,单调离散格式、离散比较原理以及适当的相容性和稳定性条件,可以保证数值解收敛到黏性解。