混合有限元法

玻尔百科

核心要点

混合有限元法将“类通量”变量（如应力、流体速度）与“类势”变量（如位移、压力）一同视作主要未知量，以实现更高的精度和物理保真度。
该方法的稳定性关键取决于 Ladyzhenskaya–Babuška–Brezzi (LBB) 条件或 inf-sup 条件，该条件确保了所选近似空间之间的相容性，以避免出现如伪压力振荡等非物理的解。
主要应用包括解决能保证局部质量守恒的流动问题、克服近不可压缩固体力学中的体积锁定问题，以及对多孔弹性等多物理场耦合现象进行稳健建模。
有限元外微分 (FEEC) 提供了一个深刻的理论框架，通过镜像向量微积分中 de Rham 序列的基本结构，系统地解释了单元选择的稳定性。

引言

有限元法是现代计算科学与工程的基石，它使得模拟复杂的物理现象成为可能。然而，通常只求解温度或位移等单一主要变量的标准方法存在局限性。通常，一些最关键的物理量——例如热通量、流体速度或机械应力——只是在事后通过对主解求导计算得出，这一过程可能会引入显著的误差。这就引出了一个根本性问题：我们能否从一开始就直接且更精确地求解这些关键量？

本文将探讨一种填补这一空白的强大替代方法：混合有限元法。这种方法重构物理问题，以同时求解多个变量，将通量和应力等物理量提升到主要未知量的高度。我们将踏上一段旅程，从其核心思想开始，理解这一优美的技术。第一章“原理与机制”将剖析其数学机制，从弱形式的概念、分部积分的关键作用，到被称为 inf-sup 条件的关键稳定性判据。随后，“应用与交叉学科联系”一章将展示该方法在实践中的威力，揭示它如何为流体流动、固体力学和耦合系统中的挑战性问题提供稳健且物理上忠实的解。

原理与机制

既然我们已经初步了解了混合有限元法的功能，现在就让我们揭开帷幕，看看其背后的驱动引擎。如同物理学或工程学中的任何伟大思想一样，它始于一个简单、甚至听起来有些天真的问题：我们求解的对象正确吗？

双变量的故事：混合法

假设您正在研究热量在金属棒中的流动。其控制物理过程通常由泊松方程描述，这是一个优美的二阶微分方程，将温度分布（我们称之为 $u(x)$ ）与热源 $f(x)$ 联系起来。标准有限元法在寻找温度 $u(x)$ 的近似解方面做得非常出色。但如果您最关心的物理量不是温度本身，而是热的流动——即通量呢？在许多实际问题中，从我们关心水流速度的地下水水文学，到我们关心应力的结构力学，这种“通量”才是主角。

使用标准方法，我们首先求解势 $u$ ，然后通过求导得到通量，例如 $p(x) = -u'(x)$ 。这个两步过程有一个缺点。对数值解求导本质上是一种“带噪”操作；它往往会放大微小误差，并可能给出精度较低的通量。

混合法正是在此提出了其大胆的建议：为什么不从一开始就将通量视为一个基本未知量呢？我们将不求解一个变量的单个二阶方程，而是求解一个包含两个变量（势 $u$ 和通量 $p$ ）的两个一阶方程组。

对于我们简单的一维热问题 $-u''(x) = f(x)$ ，我们引入通量 $p(x) = -u'(x)$ 。这立即给了我们一个一阶方程。对通量求导，我们得到 $p'(x) = -u''(x)$ 。因为我们知道 $-u''(x) = f(x)$ ，所以我们得到第二个方程 $p'(x) = f(x)$ 。这样，我们就得到了一个耦合系统：

$p(x) + u'(x) = 0$
$p'(x) = f(x)$

现在我们同时求解 $(p, u)$ 对。这样做的好处是，由于我们是直接求解通量，其精度与势的精度一样高。同样的原理可以优美地扩展到更复杂的场景，比如模拟由达西定律描述的多孔介质中的流体流动。在那里，速度向量 $\mathbf{u}$ 和压力 $p$ 通过 $\mathbf{u} = -K \nabla p$ （达西定律）和 $\nabla \cdot \mathbf{u} = f$ （连续性方程）联系起来。这本身就是一个一阶系统，非常适合使用混合法。

弱形式与一个巧妙的翻转

在计算机上求解微分方程很少涉及在每一点上都强制满足方程。相反，我们使用一种更稳健的“平均”方法，即弱形式。我们对方程乘以一组“检验函数”，然后在整个区域上进行积分。这看似一个奇怪的复杂化步骤，但正是它让我们能够使用那些不完全光滑的函数，比如有限元分析中常见的分片多项式。

对于我们的混合系统，我们取两个方程，分别乘以检验函数——我们称之为用于通量方程的 $q$ 和用于势方程的 $w$ ——然后进行积分。这个过程最终会导出可由计算机求解的矩阵。但在此过程中，我们执行了一个堪称混合法“秘密握手”的步骤：分部积分。

让我们看一下第一个方程的弱形式， $\mathbf{A}^{-1}\boldsymbol{\sigma} + \nabla p = \mathbf{0}$ ，其中 $\boldsymbol{\sigma}$ 是通量， $p$ 是势。乘以一个向量检验函数 $\boldsymbol{\tau}$ 并积分后，我们得到：

\int_{\Omega} (\mathbf{A}^{-1} \boldsymbol{\sigma}) \cdot \boldsymbol{\tau} \, d\mathbf{x} + \int_{\Omega} (\nabla p) \cdot \boldsymbol{\tau} \, d\mathbf{x} = 0

现在是见证奇迹的时刻。我们对第二项应用分部积分（或其多维版本，格林公式）：

\int_{\Omega} (\nabla p) \cdot \boldsymbol{\tau} \, d\mathbf{x} = - \int_{\Omega} p (\nabla \cdot \boldsymbol{\tau}) \, d\mathbf{x} + \int_{\partial \Omega} p (\boldsymbol{\tau} \cdot \mathbf{n}) \, dS

注意发生了什么！微分算子 $\nabla$ 从未知势 $p$ “翻转”到了检验函数 $\boldsymbol{\tau}$ 上。这一个简单的操作带来了深远的影响。我们现在需要求解的关于 $p$ 的方程不再直接包含它的导数。这意味着我们用来近似 $p$ 的函数空间可以“粗糙”得多。实际上，我们可以使用 $L^2(\Omega)$ 空间中的函数，这些函数仅需平方可积，完全不需要有良定义的导数。

这导致了我们在处理边界条件方式上的一个优美区别。

关于势 $p$ 的边界条件（如在入口处指定压力）成为自然边界条件。它出现在边界积分项 $\int_{\partial \Omega} p (\boldsymbol{\tau} \cdot \mathbf{n}) \, dS$ 中，并通过弱形式“弱”地或自动地得到满足，无需强加于 $p$ 的近似空间。
关于通量 $\boldsymbol{\sigma}$ 的边界条件（如指定垂直于边界的流体速度）成为本质边界条件。我们为 $\boldsymbol{\sigma}$ 选择的空间，称为 $H(\text{div}, \Omega)$ ，是专门为那些散度也在 $L^2(\Omega)$ 中的向量场设计的。对于这个空间中的函数，其法向分量 $\boldsymbol{\sigma} \cdot \mathbf{n}$ 在边界上有良定义，所以我们可以——也必须——在我们的近似函数选择中直接施加这个条件。

稳定性的舞蹈：Inf-Sup 条件

我们现在来到了问题的核心，一个既微妙又优美的概念。仅仅为我们的通量和势选择任意的近似空间是不够的。它们必须是相容的。它们必须进行一场精巧的数学舞蹈，以确保最终的解是稳定且有意义的。这场舞蹈由著名的 Ladyzhenskaya–Babuška–Brezzi (LBB) 条件所支配，该条件也被称为 inf-sup 条件。

这个条件是什么？简单来说，它指出通量的近似空间必须“足够丰富”，以控制势的近似空间。对于我们可能从压力空间中选择的任何有潜在问题的压力模式 $q_h$ ，必须存在我们速度空间中的一个速度场 $\mathbf{v}_h$ ，其散度不与该压力模式正交。速度空间必须能够“看到”并响应压力空间中的每一种模式。

如果这个条件被违反了会怎样？灾难。我们会得到所谓的伪压力模式——解中出现剧烈的、非物理的振荡，使其变得毫无用处。这种失败最著名的例子是，当天真地为速度和压力选择相同类型的简单连续分片多项式时（例如， $P_1/P_1$ 或 $Q_1/Q_1$ 单元对）。在这种情况下，可能会出现“棋盘格”压力模式。这是一个在网格上交替取正负值的压力场，其方式使得它对于所选空间中任何速度场的散度来说都是完全不可见的。数值系统变得不稳定，而衡量稳定性的 LBB 条件的 inf-sup 常数趋于零。

一组稳定的单元

这一稳定性要求促使数学家和工程师们发现了一个稳定的有限元单元对“动物园”，这些单元对已知满足 LBB 条件并能产生可靠的结果。其中包括：

Taylor-Hood 单元 ( $P_2/P_1$ 或 $Q_2/Q_1$ )： 在这里，速度用比压力（例如，线性）更高阶的多项式（例如，二次）来近似。这在直观上是合理的：“更丰富”的速度空间有足够的灵活性来控制“更简单”的压力空间。
MINI 单元： 这种单元对速度和压力都使用简单的线性多项式，但通过在每个单元上添加一个“泡状”函数来丰富速度空间。这个额外的函数为速度提供了足够的局部丰富性来控制压力，从而确保了稳定性。
Raviart-Thomas (RT) 和 Brezzi-Douglas-Marini (BDM) 单元： 这些是解决达西流或静电学等问题的经典单元。这些单元设计的不是连续的速度场，而是只有通量向量的法向分量在单元边界上是连续的。其自由度不是顶点上的值，而是单元边（二维）或面（三维）上的通量。这种结构完美地适用于 $H(\text{div}, \Omega)$ 空间，并且在物理上非常直观，因为它直接涉及我们通常希望守恒的量。

更深层次的交响乐：de Rham 序列

在很长一段时间里，发现稳定的单元对似乎有点像一门艺术。但在近几十年里，一个更深刻、更优美的结构被揭示出来，为混合方法的设计提供了一个统一的理论。这个结构就是来自微分几何的 de Rham 序列。

可以把它看作是一系列宏大的数学运算级联。它始于标量函数（势），通过梯度算子（ $\nabla$ ）映射到无旋的向量场。这些无旋向量场是 $H(\text{curl}, \Omega)$ 空间的一部分。然后，旋度算子（ $\nabla \times$ ）将 $H(\text{curl}, \Omega)$ 中的场映射到无散的向量场。这些无散场是 $H(\text{div}, \Omega)$ 空间的一部分。最后，散度算子（ $\nabla \cdot$ ）将 $H(\text{div}, \Omega)$ 中的场映射到 $L^2(\Omega)$ 中的标量函数。

H^1(\Omega) \xrightarrow{\nabla} H(\mathrm{curl},\Omega) \xrightarrow{\nabla\times} H(\mathrm{div},\Omega) \xrightarrow{\nabla\cdot} L^2(\Omega)

这个序列是正合的，这是一种精确的数学表述，意指一个算子的输出恰好是下一个算子映射为零的输入集合。例如，旋度算子的核（ $\nabla \times \mathbf{v} = 0$ ）恰好由某个势的梯度构成的向量场组成（ $\mathbf{v} = \nabla \phi$ ）。

有限元外微分 (FEEC) 的革命性思想是构建一系列有限元空间，形成这个正合序列的离散版本。拉格朗日单元自然地离散化了 $H^1$ 。Nédélec（边）单元离散化了 $H(\text{curl})$ 。Raviart-Thomas（面）单元离散化了 $H(\text{div})$ 。而简单的分片常数函数离散化了 $L^2$ 。通过选择这个离散序列中相邻的空间对（如 Raviart-Thomas 单元和分片常数函数），稳定性——即 LBB 条件——不再是运气或巧妙技巧的问题。它是这个深刻底层结构的内在结果。这揭示了混合有限元法不仅仅是一个计算工具，更是向量微积分基本定律本身的美丽反映。

应用与交叉学科联系

在我们完成了对混合有限元法原理和机制的探索之后，您可能会有一种类似于学会了国际象棋规则的感觉。您理解了棋子的移动规则、将军和将死等概念，也明白了 inf-sup 条件的重要性——它就像我们棋盘上的皇后。但国际象棋以及科学中任何强大思想的真正美妙之处，不在于规则本身，而在于观察它们如何在千变万化的对局中发挥作用。现在，我们将探讨其中一些“对局”，看看混合法的理念如何为物理学和工程学中的问题提供优美而稳健的解决方案，并常常揭示物理定律本身更深层次的统一性。

万物流动：从热到地下水

自然界中许多现象都涉及某种流动：热量从热处流向冷处，水在地下渗透，化学物质在介质中扩散。这些通常由一个二阶偏微分方程描述，比如热传导方程。标准方法是求解单个量，比如温度 $T$ ，然后在需要时，通过求温度的梯度来计算热通量 $\boldsymbol{q}$ 。这感觉有点本末倒置，不是吗？通量是“行动”，是能量的物理运动，但我们却把它当作事后的补充。

混合法认为：让我们从一开始就把通量 $\boldsymbol{q}$ 和温度 $T$ 当作平等的伙伴。我们将物理过程写成一个一阶系统：一个方程关联通量与温度梯度（傅里叶定律），另一个方程关联通量的散度与热源（能量守恒）。通过这样做，我们获得了一些非凡的特性。当我们使用一个特殊的空间—— $H(\mathrm{div})$ 空间——来离散化通量向量时，我们可以构建我们的近似解，使得离开一个计算单元的通量精确地等于进入下一个单元的通量。这一被称为局部守恒的性质，不仅仅是数值上的便利；它意味着我们的模拟在最细微的层面上都尊重能量守恒的基本定律。对于任何需要精确追踪物质去向的问题来说，这是一个巨大的优势。

当我们建模的世界不均匀时，这种威力变得更加明显。想象一下预测地下水流经沙层和黏土层的情况。地面的渗透率，即我们的系数 $\kappa$ ，在不同层之间的界面上可能会有数量级的跳跃。物理学告诉我们，在这样的界面上必须发生两件事：压力 $p$ 必须连续，水通量 $\boldsymbol{u}$ 的法向分量也必须连续——你不能在边界上创造或消灭水。一个使用 $H(\mathrm{div})$ 协调单元来处理通量的混合方法，其设计本身就能完美地强制满足这种法向通量的连续性。就好像质量守恒定律被编织进了方法本身的结构中。

此外，如果层与层之间的差异极大怎么办？想象一下一块几乎不透水的岩石层旁边是一个高度多孔的含水层。渗透率之比 $\kappa_{\max}/\kappa_{\min}$ 可能非常巨大。许多数值方法在这种情况下会遇到困难，它们的精度会随着差异的增大而严重下降。然而，一个精心设计的混合格式是稳健的。该方法的误差估计可以被证明与该对比度无关，只要我们的计算网格能够识别不同材料的位置。这意味着我们可以信任我们的模拟结果，无论我们是在模拟土壤的细微变化还是最鲜明的材料分界。

固体力学：应力、应变与不可压缩性

让我们从流体和能量的流动转向固体材料的行为。在这里，混合法为解决固体力学中一些最具挑战性的问题提供了关键。

一个经典的难题是体积锁定。想象一下试图模拟一块橡胶被挤压的过程。橡胶几乎是不可压缩的；改变它的形状很容易，但改变它的体积非常困难。一个标准的有限元方法，试图在位移场 $\boldsymbol{u}$ 上强制施加不可压缩约束 $\nabla \cdot \boldsymbol{u} = 0$ ，可能会变得病态地刚硬。模型会“锁定”，预测出过高的应力和过小的变形。混合法提供了一个优美的解决方案。我们引入压力 $p$ 作为一个独立的未知场。它的作用是充当一个拉格朗日乘子，来施加不可压缩约束。这导致了一个关于 $(\boldsymbol{u}, p)$ 对的鞍点问题，其稳定性再次由我们的老朋友——inf-sup 条件所支配。这个条件确保了一种微妙的平衡：压力空间必须足够丰富以施加约束，但又不能太丰富以至于压倒位移空间并产生伪振荡。

这个思想可以扩展到复杂的塑性世界。当金属被弯曲超过其弹性极限时，它会发生塑性流动。对于许多金属，这种流动是在几乎恒定的体积下发生的——这种现象被称为塑性不可压缩性，由条件 $\mathrm{tr}(\dot{\boldsymbol{\varepsilon}}^{p}) = 0$ 描述，其中 $\dot{\boldsymbol{\varepsilon}}^{p}$ 是塑性应变率。人们可能认为这与弹性不可压缩性相同。但借助混合法框架进行的仔细分析揭示了一个微妙而关键的区别。总体积应变仍然由材料的弹性性质决定。因此，即使材料正在发生塑性流动，问题仍然可能遭受体积锁定。混合位移-压力格式仍然至关重要，其中压力正确地耦合到总（弹性）体积应变，而不仅仅是塑性部分。这是一个绝佳的例子，说明一个敏锐的数学工具如何帮助我们剖析并正确地建模微妙的物理行为。

混合法的理念也让我们重新思考我们求解的量。在许多工程应用中，我们更关心一个部件中的应力 $\boldsymbol{\sigma}$ ，而不是它的位移。那么为什么不直接求解应力呢？混合法可以被构造成这样。这种方法迫使我们面对基本的物理学。例如，角动量平衡原理要求柯西应力张量 $\boldsymbol{\sigma}$ 是对称的。我们可以设计我们的应力有限元空间，使其只包含对称张量，从而在我们求解域的任何地方都通过构造精确地满足一个基本物理定律。

此外，当我们分析变形的运动学时，我们发现速度梯度 $L$ 自然地分解为一个对称部分 $D$ （变形率，描述拉伸）和一个反对称部分 $W$ （自旋率，描述旋转）。弹性能仅取决于 $D$ ，而不可压缩性约束仅作用于 $D$ 的迹。自旋率 $W$ 两者都不涉及。一个混合格式允许我们尊重这种物理角色的清晰分离，压力作为 $D$ 的迹的乘子，而 $W$ 则通过系统的整体稳定性间接控制。

世界的协奏：耦合现象

自然界很少由单一、孤立的物理定律来描述。更多时候，我们看到的是相互作用现象的美丽协奏。多孔弹性就是一个典型的例子。想象一块湿海绵，或者一个充满流体的地质断层，甚至是活的骨组织。当你挤压固体基质时，其内部的流体压力会增加。这个增加的压力会反过来推挤，为固体提供支撑。固体的变形和流体的流动是密不可分的。

描述这一现象的标准理论，即 Biot 理论，天然就是一个多场理论。最常见的格式使用固体骨架的位移 $\boldsymbol{u}$ 和孔隙流体的压力 $p$ 作为主要未知量。控制方程源于固-液混合物的动量平衡和流体的质量守恒。一个微小体积内流体含量的变化率取决于压力变化率（流体的可压缩性）和固体骨架的体积变化率 $\dot{\varepsilon}_v$ 。后一项提供了两种物理之间至关重要的耦合。对于这个耦合系统，标准的伽辽金有限元法自然地寻求位移和压力都在 $H^1$ 空间中的解，这个空间是具有平方可积一阶导数的函数空间，因为在方程的弱形式中，两个场都出现在梯度算子下。混合法框架为分析和离散化这类内禀耦合系统提供了完美的语言和工具集。

连接不相连的：砂浆法

到目前为止，我们的应用都局限于一个连续的物体内（尽管可能包含不同材料）。但如果我们需要将两个不同的世界连接在一起呢？考虑模拟两个齿轮啮合，或者一个轮胎在数字映射的路面上滚动。我们可能希望用非常精细的网格来捕捉齿轮齿的详细几何形状，但用更粗糙的网格来表示齿轮的主体。在接触界面上，两个网格的节点并不对齐。这是一个非协调网格。我们如何能够在这种不匹配的情况下强制执行物理接触约束——即物体不能相互穿透，并且它们能够传递力？

砂浆法 (Mortar Method) 提供了一个强大而优美的答案，其核心正是一种混合方法。关键思想是引入界面上的接触压力作为独立的拉格朗日乘子场。然后，这些约束在积分意义上被弱施加。这整个“粘合”过程的稳定性再次取决于 inf-sup 条件。这个条件为一个深刻的物理问题提供了严格的答案：界面上什么样的离散压力分布可以被两个物体可能的离散变形所“控制”？如果条件成立，耦合就是稳定的，我们就可以确信我们计算出的接触力是物理的，而不仅仅是数值伪影。这使我们能够灵活而稳健地连接模型的不同部分，这是现代工程模拟中的一项至关重要的能力。

物理学的更深视角

正如我们所见，混合有限元法的应用既多样又强大。从确保流动问题中的局部守恒，到克服固体力学中的锁定问题，再到统一耦合现象和连接不匹配的区域，其主题始终如一。混合法不仅仅是一种巧妙的数值技巧。它是一种哲学，鼓励我们以更紧密地反映物理定律本身结构的方式来构建问题。通过将通量和应力等量视为我们故事中的主要角色，而不是次要的导数，我们构建出的方法更稳健、更准确、更忠实于物理现实。在学习使用这个工具的过程中，我们不仅成为更好的模拟者，而且对支配我们世界的各种物理量之间优美的相互作用获得了更深的欣赏。