9.5 Implicit A Posteriori Error Control
9.5.1 Localisation via partition of unity a posteriory error control
C-Funken SISC (2000) 1465-1484 Residual representation formula
R(V) = X
T∈T`
ˆ
T
RTv dx+ X
E∈E`
ˆ
E
REv ds 96
KAPITEL 9. A POSTERIORI FEHLERKONTROLLE9.5. IMPLICIT A POSTERIORI ERROR CONTROL based on some shape-regular triangulationT`of Ω into simplices (e.g. triangles etc.) and associated nodal basis functions{ϕz|z∈ N`} with respect to all nodes N` which form a partitition of unity, i.e.P
z∈N`ϕz= 1 in Ω.
N.B.R(ϕz) = 0 for allz∈ N`\ΓD and
HD1(ωz) :={w∈H1(ωz)|w= 0 along ΓD∩∂ωz}
with|ΓD∩∂ωz|>0 forz∈ N`\ K` (at least on sideE with vertexz belongs to ΓD).
Definition
Rz∈Vz:=
H1(ωz)/R forz∈ K` HD1(ωz) forz∈ N`\ K` byRz(w) :=R( ϕzw
|{z}
∈V=HD1(Ω)
) for allw∈Vz.
az(v, w) :=
ˆ
Ω
ϕzDv·Dw dx Scalar Product onVz with norm
k| · k|z:= (az(·,·))12 .| · |H1(ωz)
(but not equivalent).
Bemerkungen
1. Completion of (Vz, az) results in Hilbert space
Wz=
nv∈Hloc1 (ωz)/R
kϕz12DvkL2(ωz)<∞o
forz∈ K` n
v∈Hloc1 (ωz)
kϕz12DvkL2(ωz)<∞ ∧ v= 0 along ΓD∩(∂ωz)o
forz∈ H`\ K` with extended scalar productaz and normk| · k|z.
2. Vz is dense inWz and Rz is uniquely extended toW2∗. It’s important to see thatRz(1) = 0 forz∈ K` and soRz ∈Wz∗.
Definition
ηz :=kRzkVz∗
η`:=
sX
z∈N`
ηz2
Satz 9.12. 1. Feasibility:
ηz=kRzkWz∗ =k|ezk|z<∞for Riesz representation ez of Rz∈Wz∗ w.r.t.az. 2. Reliability:
k|Rk|∗:= sup
v∈V\{0}
R(v)
kDvkL2(Ω) ≤ηL
97
9.5. IMPLICIT A POSTERIORI ERROR CONTROLKAPITEL 9. A POSTERIORI FEHLERKONTROLLE
3. Efficiency:
eta2z. X
T∈T`
(z)η`2(T) + X
E∈E`
(z)η`(E)2 for allz∈ N`
4. 2D,T` right isosceles triangles
@@
@
TODO
AbbildungVLoXXVIIa
thenk|Rk|∗≤η`≤2.38k|Rk|∗. Beweis:
1. Rz(ez) =az(ez, ez) =k|ezk|2z
⇒ kRzkWz∗ ≥ Rk|ezz(ek|zz) =k|ezk|z
|Rz(v)|=|az(ez, v)| ≤ k|ezk|z· k|vk|
⇒ kRzkWz∗ ≤ k|ezk|z 2. R(v) =P
z∈N`R(ϕzv) with
ϕzv=Rzv|ωz =Rz(V +R|ωz) if z∈ K`, sinceRz(1) = 0
≤ kRzkWz∗k|v+Rk|z=kRzkWz∗k|v+k|z
⇒R(v)≤ X
z∈N`
ηz2
!12 X
z∈N`
k|vk|2z
!12
≤η`
ˆ
Ω
X
z∈N`
ϕz
!
| {z }
=1
|Dv|2dx
1 2
=η`kDvkL2(Ω)
3. Proof relies on weighted Poincar´e inequality: Forf ∈Hloc1 (ωz), mina∈R
ˆ
ωz
ϕz(f−a)2dx.diam(ωz)2k|fk|z Idea of quick proof: ˆωz⊆ωz×R⊆Rn+1 defined as
ˆ
ωz={(x, y)∈ωz×R|0< y < ϕz(x)} with Poincar´e inequality:
F ∈H1(ˆωz) with´
ˆ
ωzF dωˆz= 0 implieskFkL2(ˆωz)≤cp(ˆωz)kDFkL2(ˆωz)
ChooseF(x, y) :=f(x)−afor (x, y)∈ωˆz anda=
´
ωzϕzf dx
´
ωzϕzdx . 98
KAPITEL 9. A POSTERIORI FEHLERKONTROLLE9.5. IMPLICIT A POSTERIORI ERROR CONTROL
N.B.
ˆ
ˆ ωz
F(x, y)dˆωz = ˆ
ωz
ˆ ϕz(x)
0
(f(x)−0)dy
| {z }
=ϕz(x)(f(x)−a)
dx= ˆ
ωz
ϕzf dx−a ˆ
Ω
ϕzdx= 0
Hence
ˆ
ωz
ϕz(f −a)2dx=kFk2L2(ˆωz)≤cP(ˆωz) ˆ
ˆ ωz
Dxf(x)|0 2dˆωz
| {z }
=´
ωzϕz|Df|2dx
Scaling argument shows that the constant depends on diam(ωz) and shape ofωz.
η2z=Rz(ez) = ˆ
ωz
ϕzRTezdx+ ˆ
SE`(z)
ϕzRE`ezds forz∈ K`, ez∈Wz and w.l.o.g.
ˆ
ϕzezdx= 0
≤ kϕz12RTkL2(ωz)
| {z }
.h−z1η`(T`(z))
kphiz21ezkL2(ωz)
+ X
E∈E`(z)
kϕz12RE`kL2(E)
| {z }
=kREkL2(E)=η`(E)tr
1 2 E
kϕz1
2ezkL2(E)
| {z }
weighted trace inequality .kϕ
1
z2ezkL2(ωz)h−1z +kϕz12DezkL2(ωz)
| {z }
k|ezk|z
Poincar´e inequality :kez12ezkL2(ωz).k|ezk|z·hz
. η`(T`(z)) +η`(E`(z)) k|ezk|
| {z }
=ηz
Ramainings details in C-Funken 2000 Bemerkung
This works in any dimension!
Proposition 9.1. (Consistency Error Estimator)We consider the casen= 2.
µ`:= min
v∈V=H01(Ω)
D`uN C` −Dv
L2(Ω), u` is someCR(T`)
≤ min
v`∈V`=P1(t`)∩V
D`uN C` −Dv`
L2(Ω)
. min
v`∈V`
h−e1` uN C` −v`
L2(Ω) (elementwise inverse estimates)
≈ vu utX
Edge
hE
∂u`
∂s
2
L2(E)
≈ s X
Eedge
h−E1
uN C` 2L2(E) .µ`
99
9.5. IMPLICIT A POSTERIORI ERROR CONTROLKAPITEL 9. A POSTERIORI FEHLERKONTROLLE
Beweis:
GivenuN C` , set ˆv`(z∂) :=
( 0 forz∈ N`∩Ω
P
T∈T`(z)(uN C` |T)(z)
|T`(z)| forz∈ K` and by linear interpolation ˆv`∈ V`.
w`:=uN C` −vˆ`∈CR(T`)
kD`w`k2L2(T)≈ |T|h−T2
| {z }
≈1
X
z∈N(T)
|(W`|T)(z)|2 kD`w`k2L2(Ω)≈ X
z∈N`
( X
T∈T`(z)
(w`|T)(z)2
| {z }
=PJ
j=1(aj−a)2
aj= uN C` |Tj
(z), mean of aj
TT T
TT T
TT
TT TT
T2
T3
T4
T5
TJ
T1
J ≈1
N.B.PJ
j=1(aj−a)2≈PJ
j=2(aj−aj−1)2 Proof:
RHS=PJ
j=2((a−j−a)−(aj−1−a))2
| {z }
≤2(aj−a)2+2(aj−1−a)2
≤2PJ
j=1(aj−a)2≤4LHS
J2·LHS= XJ j=1
( Jai−
XJ k=1
ak
| {z }
= (J−1)aj−PJ k=1 k6=j
ak
=PJ k=1 k6=j
(aj−ak)
=Pj−1 k=1
Pk
l=j(a`−al−1) +PJ
k=j+1
Pk−1
l=j(a`−al+1)
)2
⇒
Jai− XJ k=1
ak
≤(J−1) XJ l=2
|a`−al−1| ·1≤RHS(J−1)32
≤J(J−1)32RHS
Then
kD`w`k2L2(Ω)≈ X
z∈N`
XJ j=2
(aj−aj−1)2
| {z }
≈h−E1k[uN C` ]k2L2(E)
TODO Bild
Vorlesung am 04.02.2009 100
Kapitel 10
Adaptive FEM
Loop`= 0,1, ...until termination:
T`SOLVE→ESTIMATE →MARK & REFINET`+1
INPUT of AFEM: coarse triangulationT0of bounded Lipschitz domain Ω with polygonal boundary
∂Ω into triangles (no hanging nodes). For each T ∈ T0, N(T)∩ K0 6=∅ (one vertex is interior).
Model problem with Hilbert space V = H01(Ω), scalar product a(u, v) := ´
Ω∇u∇vdx and RHS F∈V∗given byf ∈L2(Ω).
For eachT ∈ T0there exists some edgeE0(T)∈ E(T) which is marked for further refinement (e.g.
one of the largest edges). Figure:
TODO Bild
Data structure in elements =n4ereads a,b,cand marksE0(T) :=conv{c4n(a), c4n(b)}.
SOLVE: Given T` and V` := V(T`) := P1(T`)∩V compute u` ∈ V` with a(u`, v`) = F(v`) for all v` ∈ V`. Set p` := Du` ∈ H1(T`;R2) and e` := u−u` with exact (unknown) solution u of a(u,·) =F in V.
ESTIMATE:R`:=F−a(u`,·)∈V∗ with explicit residual-based error estimator.
ηT2 :=|T| · kfk2L2(T)+|T|21· k[P`]E` ·νE`k2L2(∂T\∂Ω)
for allT ∈ T`, where |T| ≈local mesh-sizesh2T resp.h0E. Reliability:k|e`k| ≤Crelη` forη`2:=P
T∈T`η2T.
Efficiency:η`≤Cef fk|e`k|+ osc` for osc`:= osc(f,T`) :=qP
T∈T`|T| · kf−fTk2L2(T)
MARK: Given bulk parameter 0<Θ≤1 chooseM`⊆ T`with minimal|M|and Θη`2≤P
T∈M`η2T by greedy algorithm.
REFINE: Bisection of all (E`(T) :T ∈ T`) plus closure algorithm to resolve hanging nodes:
bisec(T) w.r.t.E`(T) =conv{A, B}means: take outT =conv{A, B, C}fromT`and corresponding data and add two new triangles with c4e equal to C, A, D and B, C, D with possibly new node D=A+B2 and associated reference edgesEl+1(T1) andEl+1(T2).
TODO
Bild
101KAPITEL 10. AFEM Until no hanging node in current (possibly non regular) triangulation do
bisection of allT in current triangulation with hanging node Output: Sequence of triangulationsT` withV0⊆V1⊆V2⊆...⊆V. Bemerkungen (Possible refinements)
1. NVB terminates after a finite number of steps andTl+1 is the coarsest regular triangulation s.t. all (E`(T)|T ∈ T`) is bisected and givenT ∈ T`,Tl+1|T :={K ∈ Tl+1|K ⊆T} looks as depicted:
TODO Bild
2. E`(T) does depend on T but not on`(despite T ∈ T`):
∀m, k, T ∈ Tm∩ Tk :Em(T) =Ek(T) There is no need to refer to level`in the data structure.
3. For eachK∈ T`,T`|Kis the affine image of a triangulation ofTref = conv{(0,0),(1,0),(0,1)} into right isosceles triangles and hence the number of interior angles in T` is finite. In case (E0(T)|T ∈ T0) satisfies some extra condition, theL2-Projection Π`:V →V` is H1-stable.
(Const. Approx. (2004))
4. The quotient |T`|T|+l+1|M|`| equals one in case of no hanging nodes in NVB, e.g.
TODO Bild
but may be arbitrary large es well:
TODO Bild
Reference edges are diagonales in thoses pictures
However, Binev-Dahmen-DeVare proved (2004) that|T`| − |T0| ≤cPL−1
`=0 |M`| holds for all L∈Nand constantc which depends onT0 only.
Bemerkung (Error Reduction) f ≡1,Ω =]0,1[2 andT0,M0=T0
TODO Bild
Prove thatu0=u1=u2.
This is a counter example for error reduction and shows thatk|u−u2k| 6<k|u−u0k| is possible:
No satturation.
102
KAPITEL 10. AFEM Bemerkung (Konvergenz) In general, S
V` =: V∞ 6=V. There is no density that guarantees convergence lim`→∞u` =:u∞ exists and is the Riez representation ofF|V∞ in V∞, i.e.
llim→∞k|u−u`k|=k|u−u∞k|= dist(u, V∞)6= 0
Moreover, even ifV∞=V, there convergence speed of (k|u−u`k|)l∈N0 &0 can be arbitrarily slow.
Lemma 10.1. (Estimator Reduction)
∃0< %(Θ)<1,Λ>0 :∀`, k∈N>0:η`+k≤%(Θ)η`+ ΛkP`+k−P`kL2(Ω) Beweis:
Fork= 1:
ForK∈ M`, T ∈ T`+1|K, |T|K||= 2−mfor some m∈N, hence
|T| · kfk2L2(T)≤ 1
2|K| · kfk2L2(T)
and so
X
T∈Tl+1|K
|T| · kfk2L2(T)≤ 1
2|K| · kfk2L2(K)
⇒ X
T∈Tl+1
|T|k˙fk2L2(T)≤1 2
X
K∈M`
|K| · kfk2L2(K)+ X
K∈T`\M`
|K| · kfk2L2(K)
TODO Hier geht’s weiter
Aquilibriumsfehlersch¨¨ atzer (Konstruktion in 2D nach Ladev`eze) Modellproblem: Poisson−∆u=f in Ω⊆R2,u= 0 auf ΓD,∂vu=g auf ΓN
∀v∈V :a(u, v) =F(v), e=u−u`
∀v∈V :a(e, v) =a(u, v)−a(u`, v) =F(v)−a(u`, v)
| {z }
Res
k|ek|:= sup06=v∈V` |a(e,v)k|vk|| = sup06=v∈V |F(v)k|−va(uk|`,v)| Ziel: Zerlegung in Beitr¨age von einzelnen Elementen Anforderungen:
Sei{gT :T ∈ T`}, sodassgT ≈ ∇T · ∇u|T auf∂T (Stetigkeit)∇T ·u|T +vT0·u|T0 = 0 auf∂T∩∂T0 somitgT +gT0 = 0 auf∂T∩∂T0
Auf Neumann-Rand:gT =g auf∂T∩ΓN
⇒f¨ur alle v∈V :´
ΓNgvds=P
T∈T`
´
∂TgTv ds Aufspaltung der Elementanteile:
F(v)−a(u`, v) =P
T∈T`{(f, v)T−aT(u`, v)}−+´
ΓNgv dsf¨ur allev∈V mitaT(u, v) :=´
T∇u∇v dx,(f, v)T :=
´
Tf v dx
(1)F(v)−a(u`, v) =P
T∈T`{(f, v)T −aT(u`, v) + ˆ
∂T
gTv ds
| {z }
=:RT lokales Residuum
}
Lokale Probleme ΦT ∈VT L¨osung eines lokalen Residuumproblems (2)aT(ΦT, v) = (f, v)T −aT(u`, v) +´
∂TgTv ds∀v∈VT
VT :={v∈H1(T)|v= 0 auf ΓD∩∂T}
L¨osung existiert genau dann, wenn ¨Aquilibrierungsbedingung erf¨ullt ist (s. Neumann-Problem).
103
KAPITEL 10. AFEM 0 = (f,1)−aT(u`,1) +´
∂TgTds
(1), (2)⇒a(e, v) =F(v)−a(u`, v) =P
T∈T`aT(ΦT, v) f¨ur allev∈V Aus|a(e, v)| ≤P
T∈T`k|ΦTk|Tk|vk|T folgt obere Absch¨atzung k|ek|2T ≤P
T∈T`k|ΦTk|2T
Bemerkung
Qualit¨at des Sch¨atzers ist abh¨angig von der (Approximations-)Qualit¨at der lokalen{gT}. F¨ur den echten Fluss stimmt die obere Schranke mit dem wahren Fehler ¨uberein.
(aus (2)) (f, v)T −aT(u`, v) +´
∂TvT∇u ds=aT(u, v)−aT(u`, v)
⇒ΦT =e
Definition ( ¨Aquilibrierungungsbedingung nullter Ordnung) (E0)
(f,1)T −aT(v`,1) + ˆ
∂T
gTds= 0
gT+gT0 = 0 auf ∂T∩∂T0 gT =g auf ∂T∩ΓN
Problemstellung
Konstruktionsm¨oglichkeit exakter Fl¨usse{gT} anhand der L¨osung u` und der Datenf, g mit ge-ringem Aufwand, d.h. als lokale Probleme
Bemerkungen
1. Bedinguung (E0) stellt Unterbestimmtes System dar, d.h. Fl¨usse sind nicht eindeutig be-stimmt.
2. Eine elementweise Berechnung ist aufgrund der Flusskopplung an Elementkanten nicht m¨oglich.
Annahmen f¨ur die folgende Konstruktion
regul¨are TriangulierungT`von Ω⊆R2in Dreiecke,{ϕn|n∈ N }lineare Lagrange-Basis vonV`mit ϕi(xk) =δi,k, P
n∈N(T)ϕn(x) = 1 (Element) bzw.P
n∈N(E)ϕn(x) = 1 (Kante) Definition ( ¨Aquilibrierungsbedingung erster Ordnung)
(E1)
(f, ϕn)T −aT(h`, ϕn) + ˆ
∂T
ϕngTds= 0∀n∈ N(T) gT +gT0 = 0 auf ∂T∩∂T0
gT =g auf ∂T∩ΓN
Ziel
Konstruktion lineare Flussapproximationen, d.h.gT|E =
Neumann Datum auf E⊆ΓN oder in {ϕn|n∈ N(E)}, als lokale Probleme.
104
KAPITEL 10. AFEM Ansatz: Hilfsfunktionen µT,n(E) :=´
EgTϕnds,n∈ N(E) definiert lokale Freiheitsgrade
Bestimmung der{µET,n} erm¨oglicht Konstruktion vongT|E =α`ϕ`+αrϕr (α`, αr zu bestimmen durchµET,n
TODO Bild
N(E) ={l, r}
Es gilt (ϕ`, ϕ`)Eα`+ (ϕ`, ϕr)EαR=µET,l (ϕr, ϕ`)Eα`+ (ϕr, ϕr)Eαr=µT,r
Zudem ergibt sich ME
α`
αr
= µET,l
µET,r
mitME=h6E 2 1
1 2
⇒α`= h2
E(2µET,l−µET,r), αr=h2
E(−µET,l+ 2µET,r)
⇒gT|E =h2E{(2µET,l−µET,r)ϕ`+ (−µET,l+ 2µET,r)ϕr} (E1) f¨ur µET,n:
(E1µ)
X
E∈∂T
µET,n=δT(ϕn)∀n∈ N(T)
µET,n+µET0,n= 0∀n∈ N(E), E=∂T∩∂T0 µET,n=
ˆ
E
gϕnds∀n∈ N(E), E=∂T∩ΓN
mitδT :=aT(u`, ϕn)−(f, ϕn)T
Bemerkung
BedingungE1µ ist unabh¨anging an jedem einzelnen Knoten. Zudem beeinflussen die{ϕn} jeweils nur einen kleinen Bereich von Ω.
(Patch)ωn:={T ∈ T`|n∈ N(T)} En:={E∈∂T`|n∈ N(E)}
1. innere Knoten,n, T ∈ωn
TODO Bild
µE1,n1 +µE1,n2 =δ1(ϕn) µE2,n2 +µE2,n3 =δ2(ϕn)
...
µEN,nN +µEN,n1 =δN(ϕn)
aus Bedingungen an den inneren Kanten 105
KAPITEL 10. AFEM
µE1,n1 +µEN,n1 = 0 µE2,n2 +µE1,n2 = 0 ... ... µEN,nN +µENN−1,n= 0
Dieses Gleichungssystem ist nicht eindeutig l¨osbar, da aus spaltenweiser Addition folgt 0 = Res(ϕn) = 0.
⇒einparametrige L¨osungsschar{µET,nj +C}kj=1
2. Randknoten Gleichungssystem analog zu 1. mit Anpassung hinsichtlich Neumann-Randbedingung und eindeutige L¨osbarkeit nur f¨ur 2 Neumann-Kanten, ansonsten wieder L¨osungsschar.
Wahl der Freiheitsgrade von 1. und 2.:
Bemerkung
Sch¨atzer ist umso exakter, je exakter der konstruierte Fluss gT in Bezug zu σ := ∇u, daher µET,n ≈ µ˜ET,n := ´
Eϕσn`|T · ∇Tds, d.h. Minimum von 12P
T∈ωn
P
E∈∂T(µET,n −µ˜ET,n)2 unter der Aquilibrierungsbedingung.¨
⇒Lagrange-Funktional f¨ur (E1µ) L({µET,n},{λE,n},{σT,n}) =1
2 X
T∈ωn
X
E∈∂T
(µET,n−µ˜ET,n)+X
T∈ωn
σT,n(δT,n−X
E∈∂T
µET,n+ X
E=∂T∩∂T0
λE,n(µET,n+µET0,n)+ X
E=∂T∩ΓN
( Ableiten nachµET,n liefert Optimalit¨atsbedingung
µET,n−µ˜ET,n−σT,n−λE,n = 0 Ableitung nachλE,n, σE,n entspricht (E1µ)
SetzeλE,n = 0 an Dirichletkanten (da beliebig).
Wir erhalten System f¨ur gesuchte Fl¨usse:
µET,n=
1
2(σT,n−σT0,n+ ˜µET,n−µ˜ET0,n E=∂T∩∂T0
´
Egϕnds E=∂T∩∂ΓN
σT,n+ ˜µET,n E=∂T∩∂ΓD
Eingesetzt in (E1µ) ergibt dies f¨ur Lagrange ParaemterσT,n: 1
2 X
E=∂T∩∂T0
(σT,n−σT0,n) + X
E∈∂T∩ΓD
σT,n= ˜δT,n∀T ∈ωn (3) mit
δ˜T,n:=δT,n−1 2
X
E=∂T∩∂T0
(˜µET,n−µ˜ET0,n)− X
E∈∂T∩ΓD
˜
µET,n− X
E∈∂T∩ΓN
ˆ
E
gϕnds
=aT(u`, ϕn)−(f, ϕn)T − ˆ
∂T
∂u`
∂vT
ϕnds ∂u`
∂vT
:=
1
2vT · {(∇u`)T + (∇u`)T0} auf ∂T∩∂T0 vT·(∇u`)T auf ∂T∩ΓD
g auf ∂T∩ΓN
106
KAPITEL 10. AFEM Bemerkung
(3) ist algebraisches System ¨uber Patcheωnmit Unbekannten{σT,n|T ∈ωn}entsprechend den Ele-menten im Patch. Unbekannte innerer Knoten sind eindeutig l¨osbar, f¨ur die Randwerte verwendet man Kleinste-Quadrate-L¨osungen.
Definition ( ¨Aquilibrierungs-Fehlersch¨atzer µLL) lokaler Sch¨atzerµLL,T :=k∇ΦTkL2(T)=k|ΦTk|T und globalµ2LL :=P
T∈T`µ2LL,T wobei ΦT ∈VT die L¨osung von
∀v∈VT : ˆ
T∇ΦT∇v dx=RT(v, gT) mitgT als Fluss gem¨aß Konstruktion und
RT(v, q) :=
ˆ
T
f v dx+ ˆ
ΓN∩∂T
gv ds− ˆ
T
σ`· ∇v dx+ ˆ
∂T∩ΓN
q·vTds ist.
Definition
rT : Ω→R, rT :=f+ div`σ`
rE:S
E∈EE→R, rE :=J(σ`∇F) :=
−[σ`·vE] E∈ E` g−σ·vΩ E∈ EN
0 sonst
Satz 10.1. (Effizienz)F¨urT ∈ T` gilt µLL,T . X
T0inωT
kRTk2L2(T0)+hT
X
E∈EΩ
E∩∂T6=∅
krEk2L2(E)
FixK∈ M`\ Tl+1,K=T1∪T2etc.
TODO Bild
X
T∈Tl+1,T⊆K
|T|12
|{z}
≤√12|K|12
·k[pl+1·νE]k2L2(∂T)
≤ 1
√2|K|12 · k[pl+1]νEk2L2(∂K)+ 2 X
E∈El+1,E⊆K,E6⊆∂K
|K√|12
2 k[pl+1νE]k2L2(E)
≤|K|12
√2 (k[p`]νEkL2(∂K)+k[pl+1−p`]νEkL2(∂K))2+√
2|K|12 X
E∈El+1,E⊆K,E6⊆∂K
k[pl+1−p`]νEk2L2(E)
Notice : [p`]E= 0
≤1 +λ
√2 |K|21· k[p`]k2L2(∂K)+1 + 1λ
√2 |K|12 · k[pl+1−p`]νEk2L2(∂K)+√
2|K|12 X
E,...
k[pl+1−p`]νEk2L2(E)
| {z }
≤max √
2,1+ 1√2λ
P
F∈El+1|Kk[pl+1−p`]k2L2(F)
Trace inequality onF ∈ El+1|K withωF patch inTl+1,ωF =T+∪T− withT± ∈ Tl+1,F ⊆∂T± 107
KAPITEL 10. AFEM
k[pl+1−p`]νFkL2(F)≤ k(pl+1−p`)|T+νFkL2(F)+k(pl+1−p`)|T−νFkL2(F)
.|T|−14 · kpl+1−p`|L2(T+)+|T1|14 · k∇(pl+1−p`)kL2(T+)
| {z }
.|T+|−14·kpl+1−p`kL2(T+ ) inverse Estimate
+...(allesmitT−)
.|ωF|−14kpl+1−p`kL2(ωF)
All together:
X
T∈Tl+1|K
|T|12k[pl+1]νTk2L2(∂T)≤1 +λ
√2 |K|12k[p`]νKk2L2(∂K)+C(1 + 1
λ)kpl+1−p`kL2(K)
Cis independent on|K|ork. The sum of the two inequalities results in
ηl+12 = X
K∈M`
1 +λ
√2 |K|12k[p`]νKk2L2(∂K)+1
2|K| · kfk2L2(K)
| {z }
≤1+λ√2ηK2
+ X
T∈T`\M`
|T| · kfk2L2(T)+ (1 +λ)|T|12k[p`]νKk2L2(∂K)
| {z }
≤(1+λ)η2K
+C(1 + 1
λ)kpl+1−p`k2L2(Ω)
ηl+12 ≤ 1 +λ
√2
X
K∈M`
ηK2
!
| {z }
≥Θη`2MARK
+(1 +λ)
X
K∈T`\M`
ηK2
| {z }
=η2`− X
T∈M`
ηT2
| {z }
≤−Θη`
≤(1−Θ)η2`
+C(1 + 1
λ)kpl+1−p`k2L2(Ω)
= (1 +λ) 1
√2−1
| {z }
<0
X
K∈M`
ηK2
!
| {z }
≤−Θ(1+λ)(1−√12)η`2
+(1 +λ)η2` +C
1 + 1 λ
kpl+1−p`k2L2(Ω)
≤(1−λ)(1−Θ(1− 1
√2))η`2+C(1− 1
λ)kpl+1−p`k2L2(Ω)
Proper choice ofλ >0 results in ηl+1 ≤
s
1−Θ(1− 1
√2)η`+C12kpl+1−p`kL2(Ω)
Satz 10.2. (Reduction Property)In Poisson model example, there existα, β >0< % <1 such that for all`∈N0:
αη2l+1+βkp−pl+1k2≤%(αη2` +βkp−p`k2) 108
KAPITEL 10. AFEM Beweis:
Galerkin orthogonality
η2l+1−%(Θ)(1 +λ)η`2≤C(1 + 1 λ)
| {z }
β
· kpl+1−p`k2L2(Ω)
| {z }
k|ul+1−u`k|2
=β
kp−p`k2L2(Ω)− kp−pl+1k2L2(Ω)
η2l+1+βkp−pl+1k2≤%(Θ)(1 +λ)η2` + βkp−p`k2
| {z }
≤Crelη2`
| {z }
reliability
≤(1−δ)βkp−p`k2+δCrelη2`
≤(%(Θ)(1 +λ) +δCrel)η2` + (1−δ)βkp−p`k2
≤max{1−δ, %(Θ)(1 +λ) +δCrel}
| {z }
=:%
η`2+βkp−p`k2
given%(Θ)<1, chooseλ >0 with%(Θ)(1 +λ)<1 and Θ< δ <1−%(Θ)(1 +λ) then 0< % <1.
Noticeβ :=C(1 + 1λ) depends onλ. Optimal choice likely for
1−δ=! %(Θ)(1 +λ) +δCrel⇔δ= 1−%(Θ)(1 +λ) 1 +Crel
and so
%= 1−δ=%(Θ)(1 +λ1) +Crel
1 +Crel
can come as close as possible to lower bound %(Θ)+C1+C rel
rel since%(Θ)<1.
Bemerkung
R-linear convergence ofkp−p`kandη`
Q-linear convergence of the linear combination
Lemma 10.2. (Discrete Reliability)ForTl+k some refinement of T`, kpl+k−p`k2. X
K∈T`\Tl+k
ηK2 Beweisidee:
k|ul+k−u`
| {z }
=:e
k|2=a(e, e−J`e)
for Scott-Zhang and edges inE`∩ El+k if possible.⇒e−J`e= 0 onT ∈ T`∩ Tl+k
⇒ k|ek|2.standard with V ≡0 onT`∩ Tl+k Definition (approximation class)
Fors∈R, let (u, f)∈V ×L2(Ω) satisfy
k(u, f)kAs:= sup
N∈N0|N|s inf
|TN|−|T0|≤N,TN admissable refinement
pdist(u, V(TN))2+ osc(f,TN)2≤ ∞
then (u, f)∈ As.
109
KAPITEL 10. AFEM Bemerkung
Ifu∈ As, thenucan be approximated as|T`|−1s in caseT` is optimal.
Satz 10.3. AFEM is quasi-optimal in the sense that for (u, f)∈ Asit holds pkp−p`k2+ osc(f,T`)2.|T`\T0|−sk(u, f)kAs
for0<Θ1sufficiently small.
110
Index
Cm-konform, 55
H2-regul¨ares Problem, 60 Anfangsbedingungen
Diffusionsgleichung, 7 Anfangsrandwertproblem
Diffusionsgleichung, 7 Wellengleichung, 15 approximation operator, 77 Basis
nodal, 53
brokenH1-functions, 46 CFL-Bedingung, 16 Charakteristik, 17
Clem´ent interpolation operator, 77 Courant-Friedrich-Levy-Bedingung, 16 Differenzen
vorw¨arts, 8 zentral, 8
Wellengleichung, 15 Differenzengleichung, 8
Diffusions-Anfangswertproblem, 7 L¨osung, 7
Diffusionsgleichung, 7 Diffusionskoeffizient, 7 diskreter Raum, 55 Euler
explizit, 8 implizit, 9 FDM, 7 FE-Raum, 55
Finite-Differenzen-Methode, 7 Finite-Elemente-Raum, 55 Finites Element
Ciarlet, 53 Fourierzerlegung, 7
gebrochener Sobolev-Raum, 46 globaler Interpolant, 55 Informationsgeschwindigkeit
diskret, 16 exakt, 16 Interpolant
globaler, 55 lokal, 54 nodal, 55 konform
Cm, 55
Laplace-Gleichung, 21 Laplace-Operator, 21 Lax-Milgram-Lemma
reflexive Banachr¨aume, 30 lokaler Interpolant, 54
Materialverhalten
linear, isotrop, elastisch, 31 Medium, 7
nodale Basis, 53 nodaler Interpolant, 55 Normalenableitung, 21 operator
approximation, 77 Oswald, 77
Clem´ent interpolation, 77 interpolation
Clem´ent, 77 weak, 77
Oswald approximation, 77 weak interpolation, 77 Poisson-Problem
Primale gemischte Formulierung, 30 schwache Form, 30
Problem
H2-regul¨ar, 60 Quader, 21
Randbedingung Dirichlet, 7 Neumann, 7 Randbedingungen 111