{
  "id": "galerkin-method",
  "title": "伽辽金法",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "一种投影框架，通过要求残差对有限维检验函数空间为零，近似求解微分方程和算子方程。",
  "category": "mathematics",
  "subcategory": "applied",
  "type": "concept",
  "aliases": [
    "伽辽金方法",
    "迦辽金法",
    "伽辽金投影法",
    "布勃诺夫–伽辽金法"
  ],
  "generated_at": "2026-11-05",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/galerkin-method/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/galerkin-method/",
      "json": "https://aiwiki.page/en/galerkin-method.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "伽辽金法是一种用有限维空间中的方程来近似函数空间中方程的通用框架。它将近似解表示为选定试探函数的线性组合，并要求其残差（即将近似解代入方程后留下的偏差）在用选定函数进行检验时为零。在标准伽辽金表述中，试探空间与检验空间相同。由此得到的条件可确定有限个未知系数。\n\n伽辽金法是数值分析中的基础方法，对偏微分方程的数值求解尤为重要。它为有限元法的很大一部分内容，以及许多谱近似方法、降阶模型和微分方程解存在性的构造性证明提供了数学基础。其重要性在于，它将实用的离散化过程与分析稳定性、守恒性和近似误差的框架结合起来。\n\n该方法以鲍里斯·伽辽金命名，他于1915年发表了一种影响深远的表述。伽辽金法将残差正交性、变分原理和函数空间中的投影联系起来。其表现不仅取决于所求解的方程，还取决于空间、边界条件、积分规则和代数求解器的选择。"
    },
    {
      "heading": "历史发展及其与变分方法的关系",
      "text": "伽辽金法源于十九世纪至二十世纪初用有限个参数近似描述连续力学系统的尝试。在振动和弹性问题中，可以用有限项展开代替未知的位移场，将涉及函数的方程转化为关于系数的方程。核心难点在于如何系统地确定这些系数，同时保留支配系统的物理原理。\n\n瑞利–里兹法是其重要先驱。瓦尔特·里兹在1909年的工作中提出了一套通用方法，通过在有限维空间上最小化能量泛函来求近似解。若泛函具有如下形式\n\n\\[J(v)=\\frac12 a(v,v)-\\ell(v),\\]\n\n其中，\\(a\\) 是对称双线性型，\\(\\ell\\) 是线性泛函，则在空间 \\(V_h\\) 上的驻值条件为\n\n\\[a(u_h,v_h)=\\ell(v_h) \\qquad\\text{for every }v_h\\in V_h.\\]\n\n这正是伽辽金方程。因此，对于一大类重要的对称问题，这两种方法是等价的，但它们的出发点不同：里兹法从泛函出发，而伽辽金法则从用函数检验方程出发。\n\n在伽辽金于1915年发表论文之前，伊万·布勃诺夫就已在结构力学中运用了非常相近的思想。“布勃诺夫–伽辽金法”这一名称便源于这段历史渊源，尤其用于试探空间与检验空间相同的情形。伽辽金的表述明确指出，近似方法不必以能量最小化原理的存在为前提。即使不存在相应的标量能量泛函，也可以用近似空间中的函数来检验含有非对称算子的方程。\n\n此后，泛函分析的发展为这些方法提供了严格的理论框架。希尔伯特空间、弱导数和变分表述使人们能够脱离特定坐标系或力学解释来研究近似方法。伽辽金近似也成为存在性证明的工具：先求解有限维问题，再通过极限论证得到无限维问题的解。\n\n二十世纪中叶，数字计算和有限元的兴起极大地拓展了该方法的实际应用。局部多项式空间使处理不规则几何形状和材料性质随空间变化的问题成为可能。让·塞阿于1964年给出的误差估计，在伽辽金误差与最佳逼近之间建立了影响深远的联系。后续发展又将这一框架推广到混合系统、间断空间、稳定化表述和高阶方法。因此，“伽辽金”指的是一种检验与投影原理，而非某一种特定的网格、基或计算机算法。"
    },
    {
      "heading": "残量正交性与有限维投影",
      "text": "考虑算子方程\n\n\\[Au=f.\\]\n\n选取有限维试探空间\n\n\\[V_h=\\operatorname{span}\\{\\phi_1,\\ldots,\\phi_N\\}\\]\n\n并寻求近似解\n\n\\[u_h=\\sum_{j=1}^{N}U_j\\phi_j.\\]\n\n其中系数 \\(U_j\\) 是未知量。除非精确解已经属于试探空间，否则将 \\(u_h\\) 代入方程后会留下非零残量 \\(r_h=f-Au_h\\)。伽辽金法通常不要求这一残量在每一点都为零，而是要求它对所选检验空间中每个函数的作用均为零。\n\n当残量属于适当的内积空间时，标准条件为\n\n\\[(r_h,v_h)=0 \\qquad\\text{for all }v_h\\in V_h.\\]\n\n这里，\\((\\cdot,\\cdot)\\) 表示内积。更一般地，残量属于某个对偶空间，此时检验通过对偶配对而非普通内积来表达。对于微分方程，这一区别很重要，因为其残量可能涉及分布，而非平方可积函数。\n\n对于具有变分表述的线性方程，上述条件变为\n\n\\[a(u_h,v_h)=\\ell(v_h) \\qquad\\text{for all }v_h\\in V_h.\\]\n\n以各基函数作为检验函数，可得线性方程组\n\n\\[\\sum_{j=1}^{N}A_{ij}U_j=b_i, \\qquad A_{ij}=a(\\phi_j,\\phi_i), \\qquad b_i=\\ell(\\phi_i).\\]\n\n行指标对应检验函数，列指标对应试探函数。这一约定对非对称形式尤为重要。\n\n例如，仅使用 \\(\\phi(x)=\\sin(\\pi x)\\) 来近似求解\n\n\\[-u''=1,\\qquad 0<x<1,\\qquad u(0)=u(1)=0\\]\n\n。令 \\(u_h=c\\phi\\)，由伽辽金方程可得\n\n\\[c\\int_0^1(\\phi')^2\\,dx=\\int_0^1\\phi\\,dx,\\]\n\n从而有\n\n\\[c\\frac{\\pi^2}{2}=\\frac{2}{\\pi}, \\qquad u_h=\\frac{4}{\\pi^3}\\sin(\\pi x).\\]\n\n精确解为 \\(u=x(1-x)/2\\)，因此，仅用一个函数得到的近似解并不精确。不过，其残量仍与所选检验函数正交。\n\n“投影”一词需要加以限定。如果 \\(a\\) 是对称正定的，那么该近似解就是由 \\(a\\) 定义的内积下的正交投影。对于非对称形式，这种投影通常是斜投影。此外，伽辽金正交性通常并不意味着强形式残量的范数最小；残量最小化是另一种原理，除非有额外的结构使二者等价。"
    },
    {
      "heading": "弱形式与边界条件",
      "text": "微分算子对光滑性的要求，往往超出了近似空间所能方便提供的程度。以逐点形式表述的二阶方程涉及二阶导数，但连续分片线性函数在单元边界处并不具有通常意义下的二阶导数。弱形式将导数转移到检验函数上，从而允许在较低的正则性要求下解释方程。\n\n考虑有界区域 \\(\\Omega\\) 上的扩散–反应问题：\n\n\\[-\\nabla\\cdot(\\kappa\\nabla u)+cu=f.\\]\n\n假设边界分为狄利克雷部分 \\(\\Gamma_D\\) 和诺伊曼部分 \\(\\Gamma_N\\)，在前者上有 \\(u=g_D\\)，在后者上有\n\n\\[\\kappa\\nabla u\\cdot n=g_N.\\]\n\n乘以检验函数 \\(v\\)，再应用分部积分法，可得\n\n\\[\\int_\\Omega \\kappa\\nabla u\\cdot\\nabla v\\,dx +\\int_\\Omega cuv\\,dx = \\int_\\Omega fv\\,dx+\\int_{\\Gamma_N}g_Nv\\,ds,\\]\n\n这里要求 \\(v\\) 在 \\(\\Gamma_D\\) 上为零。这样，微分方程就转化成了仅涉及一阶导数的积分恒等式。\n\n这一问题的自然函数空间是索伯列夫空间。若整个边界上均给定齐次狄利克雷条件，通常可取 \\(V=H_0^1(\\Omega)\\)，其中的函数具有平方可积的一阶弱导数，且边界迹为零。相应的弱解对每个 \\(v\\in V\\) 都满足上述积分恒等式。相容伽辽金近似则进一步将解和检验函数都限制在有限维子空间 \\(V_h\\subset V\\) 中。\n\n非零狄利克雷边界数据需要谨慎处理，因为容许解构成的是仿射空间，而非向量空间。可以引入一个具有所需边界值的提升函数 \\(u_g\\)，并写成 \\(u=u_g+w\\)，其中 \\(w\\) 满足齐次边界条件。离散方程变为\n\n\\[a(w_h,v_h)=\\ell(v_h)-a(u_{g,h},v_h).\\]\n\n因此，所谓试探空间与检验空间相同，通常是指容许变分所在的齐次空间相同，而不是说包含完整解的仿射集合与检验空间完全一致。\n\n通过近似空间施加的狄利克雷条件称为本质边界条件。出现在边界积分中的诺伊曼条件称为自然边界条件。这些名称取决于所采用的形式：改变主要未知量，或采用不同的分部积分方式，都可能改变某一物理边界条件进入数学表述的方式。\n\n弱形式还使可解性更加清楚。对于纯诺伊曼扩散问题，常数函数属于算子的零空间。给定数据必须满足相容性条件，而解只能确定到相差一个加法常数的程度。伽辽金离散化继承了这一结构，并不会消除对相容性条件或零均值等归一化条件的要求。"
    },
    {
      "heading": "稳定性、最佳逼近与收敛性",
      "text": "误差理论的核心以希尔伯特空间 \\(V\\)、双线性型 \\(a\\) 和有界线性泛函 \\(\\ell\\) 为出发点。假设\n\n\\[|a(w,v)|\\le M\\|w\\|_V\\|v\\|_V\\]\n\n且\n\n\\[a(v,v)\\ge\\alpha\\|v\\|_V^2, \\qquad \\alpha>0.\\]\n\n这两个性质分别称为连续性和强制性。在这些条件下，拉克斯–米尔格拉姆定理保证连续变分问题存在唯一解。每个协调的有限维伽辽金问题也都有唯一解，其稳定性由同一个强制性常数控制。\n\n将连续方程减去离散方程，得到伽辽金正交性：\n\n\\[a(u-u_h,v_h)=0 \\qquad\\text{for every }v_h\\in V_h.\\]\n\n这一恒等式是联系精确解与离散解的主要纽带。对于任意 \\(w_h\\in V_h\\)，由强制性、正交性和连续性可得\n\n\\[\\alpha\\|u-u_h\\|_V^2 \\le a(u-u_h,u-w_h) \\le M\\|u-u_h\\|_V\\|u-w_h\\|_V.\\]\n\n因此，塞亚引理指出，\n\n\\[\\|u-u_h\\|_V \\le\\frac{M}{\\alpha} \\inf_{w_h\\in V_h}\\|u-w_h\\|_V.\\]\n\n所以，该方法是拟最优的：其误差不超过所选空间中可达到的最小误差的某个固定倍数。\n\n如果 \\(a\\) 不仅具有强制性，而且具有对称性，它就定义了能量范数\n\n\\[\\|v\\|_a=\\sqrt{a(v,v)}.\\]\n\n在这一范数下，伽辽金近似恰好是最优的：\n\n\\[\\|u-u_h\\|_a = \\inf_{w_h\\in V_h}\\|u-w_h\\|_a.\\]\n\n它还满足勾股恒等式。这一结论比仅仅断言系数满足一个稳定的代数方程组更强：它表明，在由具体问题决定的范数下，该近似是所选空间中最接近精确解的函数。\n\n随后便可由逼近性质推出收敛性。如果逐渐扩充的空间能够逼近 \\(V\\) 中的每个元素，且稳定性常数保持一致有界，那么伽辽金解就会收敛。对于适当的形状正则网格上的 \\(p\\) 次协调有限元，充分光滑的解通常满足\n\n\\[\\|u-u_h\\|_{H^1(\\Omega)} \\le Ch^p|u|_{H^{p+1}(\\Omega)}.\\]\n\n这里，\\(h\\) 表示单元尺寸，而常数与 \\(h\\) 无关。角点、界面或具有奇异性的给定数据可能降低解的正则性，从而使实际观测到的收敛阶下降。\n\n通过求解伴随问题，往往可以使 \\(L^2\\) 误差的收敛阶再提高一个 \\(h\\) 的幂次，这一技巧称为奥宾–尼采论证。这种改进取决于伴随解的正则性，并非必然成立。对于非强制性问题，必须用其他稳定性估计代替塞亚的论证；仅仅增加试探函数的数量并不能保证收敛。"
    },
    {
      "heading": "有限元实现与局部组装",
      "text": "有限元伽辽金法在由简单单元构成的网格上建立近似空间，这些单元可以是区间、三角形、四边形、四面体或六面体。在每个单元上，解用多项式或其他预先指定的局部函数表示。单元之间的相容条件决定了全局函数空间。对于采用 \\(H^1\\) 表述的标量二阶问题，通常选用协调有限元，即要求函数在单元界面处连续。\n\n三角形网格上的分片线性单元是一个基本例子。每个顶点都对应一个节点基函数，该函数在此顶点处等于一，在其他顶点处等于零。它的支撑仅由与该顶点相接的三角形组成。因此，未知系数就是节点值；对于局部微分算子，与相距较远的顶点关联的基函数之间没有直接相互作用。\n\n这种局部性使伽辽金矩阵成为稀疏矩阵。组装过程逐个单元进行：\n\n\\[A_{ij}=\\sum_K a_K(\\phi_j,\\phi_i).\\]\n\n每个单元都贡献一个小型局部矩阵，通过局部到全局的编号映射，将其累加到全局矩阵的相应位置。对于扩散问题，典型的局部贡献为\n\n\\[A_{ij}^{K} = \\int_K \\kappa\\nabla\\phi_j\\cdot\\nabla\\phi_i\\,dx.\\]\n\n相邻单元共用全局系数即可保证连续性，无须为每个界面另设连续性方程。\n\n计算通常在参考单元上进行。几何映射将基函数、导数和积分权重变换到各个物理单元上。其雅可比矩阵反映了拉伸和定向的影响。对于曲边或曲面几何，等参单元采用相互关联的插值函数来表示几何形状和解。这样，几何近似便成为离散化误差的一部分，而不只是对区域的可视化表示。\n\n一维扩散方程可以说明它与其他方法的联系。在间距为 \\(h\\) 的均匀网格上，用连续分片线性单元求解 \\(-u''=f\\)，得到的刚度矩阵内部具有如下形式：\n\n\\[\\frac1h \\begin{bmatrix} \\ddots&\\ddots&\\\\ -1&2&-1\\\\ &\\ddots&\\ddots \\end{bmatrix}.\\]\n\n经过适当缩放后，这与熟悉的三点有限差分法相似。不过，载荷向量由与基函数相乘后的积分定义，不一定由 \\(f\\) 的逐点采样值给出。\n\n加密可以通过减小单元尺寸、提高多项式次数，或结合这两种策略来实现，分别称为 \\(h\\)-加密、\\(p\\)-加密和 \\(hp\\)-加密。近似质量不仅取决于网格尺寸，也取决于网格形状：严重畸变的单元可能使插值常数增大，并使矩阵的条件性变差。因此，有限元为伽辽金投影提供了一种具有局部性、能够适应几何形状的实现方式，而投影原理本身并不依赖于任何特定的网格构造。"
    },
    {
      "heading": "谱伽辽金方法与基函数的选择",
      "text": "伽辽金逼近并不要求使用局部支撑的函数。谱伽辽金方法采用三角函数、正交多项式或辅助算子的特征函数等全局函数族。其主要优势在于能够非常高效地表示光滑解；主要局限则在于，解的不光滑性或复杂的几何形状可能削弱这种效率。\n\n对于周期问题，截断的傅里叶级数是构造试探空间的自然选择。在 \\((0,2\\pi)\\) 上，记\n\n\\[u_N(x)=\\sum_{|k|\\le N}\\widehat u_k e^{ikx}.\\]\n\n对于周期方程\n\n\\[-u''+\\sigma u=f,\\qquad \\sigma>0,\\]\n\n由傅里叶模态的正交性可得\n\n\\[(k^2+\\sigma)\\widehat u_k=\\widehat f_k.\\]\n\n离散算子具有对角结构，是因为求导保持各个傅里叶模态不变，且方程的系数为常数。变系数通常会使模态相互耦合，因此，对角结构是方程与基函数组合所具有的性质，而不是伽辽金方法普遍具有的性质。\n\n在非周期区间上，勒让德多项式或切比雪夫多项式是常见的选择。可以通过选取适当的多项式组合、限制逼近空间或引入附加方程来纳入边界条件。所用的内积可以带有权函数。即使底层的逼近空间完全相同，基函数的归一化方式和导数的表示方式也可能显著影响系统的条件性。\n\n对于仅具有有限阶导数的函数，谱系数通常按代数速率衰减。对于能够适当解析延拓的解析函数，系数可以按几何速率衰减，从而随着模态数量增加而实现指数型收敛。因此，常说的“谱精度”取决于正则性，并不意味着每个问题都能达到指数收敛。间断会导致全局收敛缓慢，并引发与吉布斯现象相关的振荡。\n\n谱伽辽金方法还必须与配点法加以区分。伽辽金方法施加积分检验条件，而配点法要求方程在选定的点上成立。伪谱实现可以在网格上计算非线性乘积，并利用快速傅里叶变换进行变换。这种做法计算效率很高，但采样不足会使未能分辨的频率混叠到已分辨的模态中。要恢复预期的非线性投影项，就需要去混叠处理或足够精确的积分。\n\n因此，选择基函数既关乎逼近效果，也关乎代数性质。特征函数基可以简化算子，局部基能够适应复杂的几何形状，而针对问题设计的全局基则能用少量系数捕捉解的主要特征。没有哪一种基在所有情况下都是最优的。即使某组基能够很好地逼近某个特定解，仍可能产生病态系统，或无法分辨其设计适用范围之外的局部行为。"
    },
    {
      "heading": "彼得罗夫–伽辽金、混合与间断形式",
      "text": "广义的伽辽金方法族包括试探空间与检验空间不同的方法。彼得罗夫–伽辽金法寻求 \\(u_h\\in U_h\\)，使其满足\n\n\\[b(u_h,v_h)=\\ell(v_h) \\qquad\\text{for all }v_h\\in W_h.\\]\n\n将 \\(U_h\\) 与 \\(W_h\\) 区分开来，为保证稳定性或引入方向信息提供了额外的自由度。当方程在某个自然范数下不具有强制性时，这一点尤其有用。\n\n对于对流占优的输运问题，\n\n\\[-\\varepsilon\\Delta u+\\boldsymbol{\\beta}\\cdot\\nabla u=f,\\]\n\n当扩散系数 \\(\\varepsilon\\) 很小时，解中可能出现薄层。如果网格无法分辨这些薄层，常规的连续伽辽金离散化就可能产生非物理振荡。在一维情形下，一种典型的单元佩克莱数为\n\n\\[\\mathrm{Pe}_K=\\frac{|\\beta|h_K}{2\\varepsilon}.\\]\n\n该值较大，表明在单元尺度上输运作用强于扩散作用。流线迎风／彼得罗夫–伽辽金稳定化方法加入适当加权的残量项，其中涉及检验函数沿流动方向的导数。其目的是实现沿特定方向的稳定化，而不只是施加均匀的人工平滑。\n\n混合有限元法引入多个未知场，例如速度与压力，或通量与势。在不可压缩流动中，压力用于施加速度的散度约束。由此得到的代数方程组具有鞍点结构：\n\n\\[\\begin{bmatrix} A&B^{T}\\\\ B&0 \\end{bmatrix} \\begin{bmatrix} U\\\\P \\end{bmatrix} = \\begin{bmatrix} F\\\\G \\end{bmatrix}.\\]\n\n稳定性取决于各离散空间之间的相容性。离散下确界–上确界条件要求满足如下形式的界：\n\n\\[\\inf_{q_h\\ne0}\\sup_{v_h\\ne0} \\frac{b(v_h,q_h)} {\\|v_h\\|_V\\|q_h\\|_Q} \\ge\\beta_0>0,\\]\n\n其中 \\(\\beta_0\\) 不随网格加密而变化。任意选择的速度–压力空间组合不一定满足这一条件，并可能产生伪压力模态。泰勒–胡德元对在适当的网格上采用连续分片二次速度与连续分片线性压力，是一种标准的稳定构造。\n\n间断伽辽金法允许相邻单元之间存在跳跃。逐单元分部积分会引入界面项，而数值通量则规定相邻单元如何交换信息。迎风通量是输运问题的自然选择，而内罚形式则广泛用于扩散问题。罚参数和通量的选择会影响稳定性、相容性以及条件数。\n\n这些变体改变了这一框架的不同方面。彼得罗夫–伽辽金法改变检验空间；混合方法改变未知场的组合及其约束；间断方法改变单元间的连续性，并引入数值界面耦合。它们也可以结合使用。例如，输运系统可以采用混合表示，同时使用间断近似空间和迎风数值通量。它们共同的要求是：必须严谨地定义变分问题，并能够证明其离散稳定性。"
    },
    {
      "heading": "含时方程、非线性系统与存在性证明",
      "text": "对于演化方程，通常先在空间上进行伽辽金近似。考虑热方程\n\n\\[\\partial_tu-\\nabla\\cdot(\\kappa\\nabla u)=f.\\]\n\n令\n\n\\[u_h(x,t)=\\sum_{j=1}^{N}U_j(t)\\phi_j(x)\\]\n\n并以空间基函数作为检验函数，可得\n\n\\[M\\dot U+KU=F(t),\\]\n\n其中\n\n\\[M_{ij}=\\int_\\Omega\\phi_j\\phi_i\\,dx, \\qquad K_{ij}=\\int_\\Omega\\kappa\\nabla\\phi_j\\cdot\\nabla\\phi_i\\,dx.\\]\n\n质量矩阵 \\(M\\) 对应时间导数项，\\(K\\) 则对应扩散项。这一系统在空间上离散，但在时间上仍然连续，因此称为半离散系统。\n\n时间积分会引入另一层近似。在拟一致网格上，显式方法通常受到与扩散有关的时间步长限制，允许的步长上限与 \\(h^2\\) 成正比。隐式方法可以避开这一特定的稳定性限制，但每一步都需要求解代数方程组。对于波动方程，空间伽辽金近似则得到二阶系统：\n\n\\[M\\ddot U+KU=F.\\]\n\n空间离散与时间离散之间的相互作用决定了色散、阻尼以及长期能量行为。\n\n投影之后，能量估计往往仍然成立。在齐次边界条件且无外源项的情况下，以 \\(u_h\\) 为检验函数作用于半离散热方程，可得\n\n\\[\\frac12\\frac{d}{dt}\\|u_h\\|_{L^2}^2 +\\int_\\Omega\\kappa|\\nabla u_h|^2\\,dx=0.\\]\n\n这一恒等式表明，离散解的范数平方随时间衰减。全离散格式可能保持、近似保持或破坏这一性质，具体取决于所用的时间积分方法。仅有空间离散的稳定性，并不足以确立整个算法的稳定性。\n\n对于非线性方程，伽辽金条件会产生非线性代数方程组\n\n\\[R_i(U)=0.\\]\n\n牛顿法通过求解一系列包含残差导数的线性化方程组来求解这一系统。也可以采用不动点迭代。非线性迭代的收敛性取决于初始迭代值、方程结构以及求解策略；伽辽金解的存在，并不意味着所有非线性迭代都能找到它。\n\n伽辽金近似在解的存在性证明中也发挥着理论作用。其过程是求解一列有限维演化系统，推导与维数无关的估计，提取弱收敛子列，再取极限。对于非线性方程，仅有弱收敛可能不足以处理乘积项的极限，因此还需要紧性论证或额外的单调性论证。这一方法在包括纳维–斯托克斯方程在内的许多方程的分析中起着核心作用。在这种情形下，有限维近似并非仅仅是用于数值计算的替代模型：其一致界构成了无限维弱解存在性证明的一部分。"
    },
    {
      "heading": "数值积分、代数求解与自适应误差控制",
      "text": "实际实现的伽辽金法除了试探空间的选择之外，还包含多个层面的近似。积分可能采用数值计算，曲边界可能用近似边界代替，材料系数可能通过插值得到，而线性或非线性方程组也可能只求解到给定的容差。这些因素带来的误差必须与理想伽辽金投影的误差区分开来。\n\n数值求积用加权和代替精确积分。如果被积函数是多项式，精度足够高的求积公式便能得到精确的单元矩阵。对于非多项式系数、曲线或曲面映射以及非线性项，固定的有限点求积公式通常无法给出精确结果。欠积分可以降低计算成本，但也可能引入虚假的零能模态，或破坏强制性。另一方面，某些经过精心设计的求积方案会有意构造出对角质量矩阵等有用的结构。\n\n这类改动通常作为变分犯罪来分析：它们偏离了精确的连续形式或精确的协调空间，但仍可能得到可控的误差估计。斯特朗引理在最佳逼近分析中加入一致性项，用以衡量连续形式与离散形式之间的差异。因此，判断求积误差是否足够小，不能只看各个积分值的精度；还必须考察它在与变分问题相关的范数下是否足够小。\n\n代数系统的条件性是另一个独立的问题。对于拟一致网格上的标准椭圆型有限元，在一定的基函数与边界条件假设下，未经预条件处理的刚度矩阵的条件数通常按 \\(h^{-2}\\) 的量级增长。因此，即使离散格式是收敛的，随着网格加密，相应方程组也可能变得更难求解。预条件处理通过变换代数系统来改善迭代收敛性，而不改变其精确解。多重网格法、区域分解法和分块方法分别利用了原问题结构的不同特点。\n\n自适应加密利用由离散解计算得到的估计量，识别哪些区域值得进一步提高分辨率。对于扩散问题的分片多项式近似，典型的残差指示量具有如下形式：\n\n\\[\\eta_K^2 = h_K^2\\|f+\\nabla\\cdot(\\kappa\\nabla u_h)\\|_{L^2(K)}^2 + \\sum_{E\\subset\\partial K} h_E\\|[\\kappa\\nabla u_h\\cdot n]\\|_{L^2(E)}^2,\\]\n\n其中边界面需要作适当处理。第一项衡量单元内部的不平衡程度；第二项衡量界面两侧法向通量的跳跃。\n\n如果后验误差估计能够给出真实误差的上界，就称其具有可靠性；如果除指定的数据项外，它不会显著高估局部误差，就称其具有有效性。目标导向误差估计则利用伴随解对残差加权，针对阻力或平均温度等特定输出量进行估计。由此可以协调求解器容差、求积精度与网格加密，避免为将某一种误差降至远低于其他误差的水平而付出不必要的计算成本。"
    },
    {
      "heading": "标准网格仿真之外的应用",
      "text": "只要方程能够用某个近似空间中的函数进行检验，就可以应用伽辽金投影，并不一定要将物理空间划分为有限元。在结构力学中，它可用于近似求解位移、振动和屈曲问题。在电磁学中，基函数必须满足场的切向分量或法向分量所需的连续性要求。在量子力学中，用有限个基函数展开，可以将适当的波动方程或特征值问题转化为矩阵方程。适用的空间取决于算子和物理约束，而不是一概选用某类光滑函数。\n\n对于对称广义特征值问题，\n\n\\[a(u,v)=\\lambda m(u,v),\\]\n\n伽辽金近似给出\n\n\\[KU=\\lambda_h MU.\\]\n\n其中，\\(\\lambda_h\\) 是特征值的近似值，而系数向量则表示近似特征函数。在满足通常紧性假设的协调自伴椭圆问题中，变分原理可给出按序排列的特征值的上界，通过嵌套扩充近似空间还能改进这些上界。这类结论不能直接推广到非自伴或不定谱问题，因为其中可能出现谱污染及其他困难。\n\n在降阶建模中，试探空间被刻意选得很小，并针对一族解量身构造。该空间可以由仿真快照构成，通常还会通过奇异值分解进行压缩。若高维系统为 \\(AU=b\\)，且 \\(V\\) 的列向量张成降阶空间，则标准伽辽金投影给出\n\n\\[V^{T}AV\\,a=V^{T}b, \\qquad U\\approx Va.\\]\n\n这可以加快重复仿真、参数研究和优化的速度。对于非线性模型，计算降阶残差时，仍可能需要在原始高维空间中进行运算；要消除这部分开销，还需采用额外的近似，通常称为超降阶。\n\n随机伽辽金法针对不确定参数进行投影。将未知随机场展开为\n\n\\[u(x,\\xi)\\approx\\sum_{\\alpha}u_\\alpha(x)\\Psi_\\alpha(\\xi),\\]\n\n其中，函数 \\(\\Psi_\\alpha\\) 在随机输入 \\(\\xi\\) 的概率测度下正交。检验过程包含对参数分布的积分，因此该方法会得到一组关于系数场 \\(u_\\alpha\\) 的耦合确定性方程。这不同于抽样方法，后者分别求解各个随机实现，再据此估计统计量。\n\n每增加一个参数，都可能使近似空间显著扩大。因此，张量积构造会遭遇维数灾难，这也促使人们采用稀疏指标集、自适应多项式扩充和低秩表示。降阶模型中也存在类似的空间选择问题：训练快照足够精确，并不保证模型对今后所有参数取值都保持稳定。在这些应用中，决定性的问题始终是：所选函数能否表示相关的解，以及投影后的方程能否保留原问题的稳定性和结构性质。"
    }
  ],
  "links": [
    "numerical-analysis",
    "partial-differential-equation",
    "finite-element-method",
    "functional-analysis",
    "hilbert-space",
    "inner-product",
    "dual-space",
    "system-of-linear-equations",
    "orthogonal-projection",
    "integration-by-parts",
    "sobolev-space",
    "weak-solution",
    "sparse-matrix",
    "jacobian-matrix",
    "finite-difference-method",
    "fourier-series",
    "fast-fourier-transform",
    "heat-equation",
    "newtons-method",
    "navier-stokes-equations",
    "condition-number",
    "quantum-mechanics",
    "singular-value-decomposition",
    "curse-of-dimensionality"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}