Song's Blog

外观

inf-sup 条件是什么，它在有限元里控制什么

约 2161 字大约 7 分钟

混合有限元

2026-03-26

刚接触混合有限元、Stokes 方程或者拉格朗日乘子方法时，inf-sup 条件几乎绕不过去。很多教材会先给出一个看起来有点抽象的不等式，然后告诉你：

如果它不成立，离散方法就可能不稳定。

这句话没错，但第一次看到时，通常还是会有两个疑问：

  • 这个条件到底在“控制”什么；
  • 为什么它一失败，就会出现伪压力、棋盘格模式或者病态矩阵。

这篇文章就专门讲 inf-sup 本身。鞍点问题和 Poisson 混合形式会顺带出现，但只作为背景；重点放在它的数学含义、连续与离散两层含义，以及有限元离散里最常见的不稳定来源。

先看它出现在哪类问题里

inf-sup 条件通常出现在带约束的变分问题中。离散以后，这类问题常写成

[ABTB0][up]=[fg].\begin{bmatrix} A & B^T \\ B & 0 \end{bmatrix} \begin{bmatrix} u \\ p \end{bmatrix} = \begin{bmatrix} f \\ g \end{bmatrix}.

这里

  • uu 是主变量，比如速度、通量；
  • pp 是约束变量，比如压力或拉格朗日乘子。

这种结构叫鞍点系统。inf-sup 条件之所以重要，就是因为第二个变量 pp 往往并不带有自己的能量项，它是否“可控”，完全依赖于和 uu 的耦合够不够强。

所以从一开始就可以把它理解成一个稳定性问题：

约束变量会不会有一部分模式，根本没有被主变量空间看见？

如果答案是会，那么方法就危险了。

连续 inf-sup 条件

设 VV 和 QQ 是两个函数空间，b(v,q)b(v,q) 是它们之间的双线性耦合。inf-sup 条件写成

inf⁡q∈Qsup⁡v∈Vb(v,q)∥v∥V∥q∥Q≥β>0.\inf_{q\in Q}\sup_{v\in V} \frac{b(v,q)}{\|v\|_V\|q\|_Q} \ge \beta > 0.

第一次看这个式子时，最难接受的通常不是符号，而是 inf 和 sup 为什么要这样套在一起。

其实它表达的是一个最坏情形的稳定性要求：

  • 先固定一个 qq；
  • 看在所有 vv 里，能不能找到一个和它耦合得足够强的方向；
  • 再对所有可能的 qq 取最坏情况；
  • 如果即便在最坏情况下，耦合强度仍然有一个统一的正下界 β\beta，那么系统就是稳定的。

也就是说，连续 inf-sup 真正说的是：

任意一个非零的约束模式，都必须能被另一个空间里的某些函数稳定地“探测”到。

这里讨论的是函数空间 VV 和 QQ 本身的耦合是否退化。若连续层面就存在“看不见”的模式，那么后面的离散化无论怎么做，都补不回来。

连续 inf-sup 的直观理解：不要让某些模式躲起来

这个条件最直接的几何直觉是“不能有隐藏模式”。

如果存在某个非零的 q∈Qq\in Q，使得对所有 v∈Vv\in V 都有

b(v,q)=0,b(v,q)=0,

那么这个 qq 虽然在数学上非零，但对耦合系统来说几乎是“隐身”的。因为主变量空间里的任何测试函数都感知不到它。

这时就会发生两件事：

  • 离散系统可能允许某些伪模式自由漂浮；
  • 约束变量的数值解会出现震荡、非唯一或者强烈依赖网格。

所以 inf-sup 不是在追求“耦合越强越好”，而是在排除一种最坏情况：

有些模式根本没有被耦合到。

离散 inf-sup 条件

有限元里最关键的不是连续问题上有没有 inf-sup，而是离散空间上有没有。

设离散空间为 VhV_h 和 QhQ_h，对应的离散条件是

inf⁡qh∈Qhsup⁡vh∈Vhb(vh,qh)∥vh∥V∥qh∥Q≥βh.\inf_{q_h\in Q_h}\sup_{v_h\in V_h} \frac{b(v_h,q_h)}{\|v_h\|_V\|q_h\|_Q} \ge \beta_h.

真正需要的是：βh\beta_h 不能随着网格加密跑到零去。也就是说，它要对 hh 保持一致下界。

如果 βh→0\beta_h \to 0，那就意味着：

  • 某些离散模式越来越难被另一个空间检测到；
  • 数值系统会越来越病态；
  • 压力、乘子或通量这类变量的误差会变得不可控。

因此人们常说“这个配对满足 inf-sup 条件”，严格说指的是：

这个离散空间配对满足与网格无关的离散 inf-sup 条件。

这一点说明连续和离散虽然公式很像，但控制的是两层不同的问题：

  • 连续 inf-sup 说模型本身的耦合不退化；
  • 离散 inf-sup 说有限元空间没有把这种稳定性破坏掉。

在 mixed Poisson 里，它控制什么

以 Poisson 的混合形式为例：

σ=−∇u,∇⋅σ=f.\sigma = -\nabla u, \qquad \nabla\cdot\sigma = f.

对应耦合项通常写成

b(τ,u)=(u,∇⋅τ).b(\tau,u) = (u,\nabla\cdot\tau).

此时 inf-sup 条件的含义可以直接读成：

对任意标量场 uu，都必须能找到一个通量场 τ\tau，使得 ∇⋅τ\nabla\cdot\tau 能有效地感知到 uu。

所以这里控制的核心不是“通量本身够不够光滑”，而是：

通量空间经过散度以后，能不能和标量空间正确匹配。

这也是为什么 mixed Poisson 里常用的不是随便一个连续向量元，而是 Raviart-Thomas、BDM 这类适配 H(div⁡)H(\operatorname{div}) 的空间。

在 Stokes 里，它控制什么

对 Stokes 方程，耦合项通常是

b(v,p)=−(p,∇⋅v).b(v,p)=-(p,\nabla\cdot v).

这里 inf-sup 条件说的是：

任意一个压力模式 pp，都必须能通过某个速度场的散度被稳定地检测到。

如果做不到，就说明压力空间里有一部分模式超出了速度散度真正能表达的范围。于是这些压力模式会变成“伪压力”：

  • 形式上是非零的；
  • 数值上会震荡；
  • 但速度空间几乎感知不到它。

这正是很多不稳定配对的本质问题。

为什么常说 P1-P1 不满足 inf-sup

最经典的例子是 Stokes 的 P1-P1 配对：

  • 速度取连续分片线性；
  • 压力也取连续分片线性。

它之所以常被拿出来讲，不是因为 “P1 太低阶”，而是因为速度散度的表达能力不够支撑整个压力空间。

粗略地说，速度在单元上是线性的，那么它的导数在单元上最多是常数，因此散度所能产生的模式比连续分片线性压力空间要小。于是就容易出现

div⁡(Vh)⊊Qh\operatorname{div}(V_h) \subsetneq Q_h

的情况。

一旦存在某个非零压力模式 php_h，满足

b(vh,ph)=0∀vh∈Vh,b(v_h,p_h)=0 \qquad \forall v_h\in V_h,

那么它就完全逃过了速度空间的检测。对这种模式，

sup⁡vh∈Vhb(vh,ph)∥vh∥ ∥ph∥=0,\sup_{v_h\in V_h} \frac{b(v_h,p_h)}{\|v_h\|\,\|p_h\|} =0,

离散 inf-sup 条件自然失败。

从矩阵角度看，会发生什么

如果把离散耦合矩阵记为 BB，那么 inf-sup 失败通常意味着：BB 的秩不够，或者说它存在太大的零空间。

于是会有某些非零向量 pp 满足

BTp=0.B^T p = 0.

这些向量正对应着“无法被主变量耦合看到”的模式。

从计算上看，后果通常很具体：

  • 线性系统病态；
  • 压力或乘子变量出现高频震荡；
  • 收敛阶异常；
  • 网格越细，问题反而越明显。

所以 inf-sup 条件虽然写成一个抽象不等式，但它最终约束的是非常工程化的东西：这个离散系统到底稳不稳、好不好算、结果靠不靠谱。

为什么稳定配对会有效

稳定配对的核心不是“阶数更高”四个字，而是：

主变量空间必须足够丰富，使得耦合算子的像空间能够覆盖约束空间中需要控制的那些模式。

例如 Stokes 里常见的 P2-P1，之所以稳定，是因为二次速度空间给了更强的散度表达能力；而 mixed Poisson 里的 RT_0-P_0，之所以稳定，是因为这个配对正好适应了 H(div⁡)H(\operatorname{div}) 与 L2L^2 的结构关系。

所以判断一个配对稳不稳定，不能只盯着多项式次数看，而要看三件事：

  • 双线性形式 b(⋅,⋅)b(\cdot,\cdot) 是什么；
  • 主变量空间属于哪个函数空间；
  • 耦合算子的像空间和约束空间是否匹配。

版权归属：Guisong Wu

许可证：署名 4.0 国际 (CC-BY-4.0)