Причина, чому люди вважають за краще використовувати першу оцінку, на мою думку, полягає в тому, що перша, природно, виникає з ортогональності Галеркіна FEM, властивості інтерполяційного наближення та, головне, коерцитивності білінеарної форми (для граничної проблеми рівняння Пуассона , це еквівалентно нерівності Пуанкаре / Фрідріха для функцій ):
‖ u - u h ‖ 2 H 1 ( Ω )Н10 c1H 1 0 Iuuc2
∥ u - uгод∥2Н1( Ω )∥ ∇ ( u - і)год) ∥2L2( Ω )⇒ ∥ ∇ ( u - і)год) ∥L2( Ω )≤ c1∥ ∇ ( u - і)год) ∥2L2( Ω )= ∫Ω∇ ( у - угод) ⋅ ∇ ( u - uгод)= ∫Ω∇ ( у - угод) ⋅ ∇ ( u - яu )≤ ∥ ∇ ( u - u)год) ∥L2( Ω )∥ ∇ ( u - яu ) ∥L2( Ω )≤ ∥ ∇ ( u - Iu ) ∥L2( Ω )≤ c2h ∥ u ∥Н2( Ω )
де залежить від постійної в нерівності Пуанкаре / Фрідріха для функцій , - інтерполяція у кінцевій простір елементів і
c1Н10Яууc2 залежить від мінімальних кутів сітки.
Хоча оцінка еліптичної регулярності знаходиться виключно на рівні PDE, не має нічого спільного з наближення, плюс наведений вище аргумент має місце навіть тоді, коли є розподілом. f ∈ H - 1∥ u ∥Н2( Ω )≤ c ∥ f∥L2( Ω )f∈ H- 1
Тепер переходимо до причини, чому широко використовуються оцінки постеріорі помилок, головним чином тому, що:
Це обчислюється, немає вираженої константи у вираженні оцінок.
Оцінювач має свою локальну форму, яка може бути локальним індикатором помилки, використовуваним у процедурі адаптивного очищення сітки. Тому проблема з особливостями або справді "поганими" геометріями може бути вирішена.
Обидві оцінки апріорного типу, які ви перерахували, є дійсними, вони надають нам інформацію про порядки конвергенції, однак жодна з них не може бути локальним індикатором помилок лише для одного трикутника / тетраедра, оскільки жодна з них не може бути обчислена через постійну , а також вони не визначаються локально.
EDIT: Для отримання більш загального погляду на FEM для еліптичних PDE, я настійно рекомендую прочитати розділ 0 у книзі Бреннера та Скотта: Математична теорія методів кінцевих елементів , що складається лише з 20 сторінок і коротко висвітлює майже кожен аспект методів кінцевих елементів , від рецептури Галеркина з PDE, до мотивації, чому ми хотіли б використовувати адаптивну FEM для вирішення якоїсь проблеми. Сподіваюся, що це допоможе вам більше.