saddle-point-inf-sup

约 1693 字大约 6 分钟

2026-03-26

1️⃣ 什么是鞍点问题（Saddle Point Problem）

📌 1.1 直观理解

“鞍点”指的是函数在不同方向表现不同：

某些方向是极小值
某些方向是极大值
整体既不是极小也不是极大

📌 1.2 线性代数中的定义

在数值 PDE 中，鞍点问题通常对应如下线性系统：

\begin{bmatrix} A & B^T \\ B & 0 \end{bmatrix} \begin{bmatrix} u \\ p \end{bmatrix} = \begin{bmatrix} f \\ g \end{bmatrix}

特点

矩阵非正定（indefinite）
存在约束结构
通常来自：
- 拉格朗日乘子
- 混合有限元

📌 1.3 常见来源

Stokes / Navier–Stokes 方程
混合有限元方法
约束优化问题

2️⃣ Poisson 方程与有限元

📌 2.1 标准形式（不是鞍点问题）

Poisson 方程：

-\Delta u = f

弱形式：

\int \nabla u \cdot \nabla v = \int f v

离散后

只有一个未知量 $u$
得到的矩阵通常是：
- 对称正定（SPD）

所以：

标准 Poisson 方程用普通有限元离散后，不是鞍点问题。

📌 2.2 混合形式（关键）

将 Poisson 方程改写为一阶系统：

\begin{cases} \sigma = -\nabla u \\ \nabla \cdot \sigma = f \end{cases}

这里：

$u$ 是标量未知量
$\sigma$ 是通量（flux）未知量

📌 2.3 混合弱形式

混合弱形式可写成：

\begin{cases} (\sigma, \tau) + (u, \nabla \cdot \tau) = 0 \\ (\nabla \cdot \sigma, v) = (f, v) \end{cases}

其中：

$\tau$ 是通量测试函数
$v$ 是标量测试函数

📌 2.4 离散后结构

离散后通常得到块矩阵系统：

\begin{bmatrix} M & B^T \\ B & 0 \end{bmatrix} \begin{bmatrix} \sigma \\ u \end{bmatrix} = \begin{bmatrix} 0 \\ f \end{bmatrix}

这正是典型的鞍点结构。

✅ 结论

方法	是否鞍点
标准有限元（只求 $u$ ）	❌ 不是
混合有限元（同时求 $\sigma, u$ ）	✅ 是

3️⃣ 什么是 inf-sup 条件

📌 3.1 直观理解

inf-sup 条件描述的是：

两个变量空间之间的耦合是否足够强。

在混合问题中，通常有两个空间：

一个是速度/通量空间 $V$
一个是压力/标量空间 $Q$

它们通过某个双线性形式 $b(v,q)$ 耦合。

📌 3.2 数学定义

设：

$V$ ：一个函数空间
$Q$ ：另一个函数空间
$b(v,q)$ ：双线性形式

则 inf-sup 条件写作：

\inf_{q \in Q} \sup_{v \in V} \frac{b(v,q)}{\|v\|_V \|q\|_Q} \ge \beta > 0

其中 $\beta$ 是一个与网格无关的正常数。

📌 3.3 含义解释

这个条件的意思是：

对任意 $q \in Q$ ，都能找到某个 $v \in V$ ，使得 $b(v,q)$ 不会太小。

也就是说：

$Q$ 中的每个模式
都能被 $V$ 中某个函数“感知”到

如果做不到，就说明两个空间耦合太弱，会出现不稳定。

📌 3.4 在 Poisson 混合元中的含义

对于 Poisson 混合形式，耦合项通常是：

b(\tau, u) = (u, \nabla \cdot \tau)

于是 inf-sup 条件变成：

\inf_{u} \sup_{\tau} \frac{(u, \nabla \cdot \tau)} {\|\tau\| \|u\|} \ge \beta > 0

其本质含义是：

对任意标量场 $u$ ，要能找到一个向量场 $\tau$ ，使 $\nabla \cdot \tau$ 足够“接近”它。

换句话说：

div 运算后的离散空间必须足够大，能够覆盖标量空间。

📌 3.5 不满足 inf-sup 的后果

如果 inf-sup 条件不成立，通常会出现：

数值不稳定
解发生震荡
出现伪解（spurious modes）
线性系统病态或奇异

4️⃣ 为什么 P1–P1 不满足 inf-sup 条件

这是混合有限元和 Stokes 有限元里非常经典的问题。

📌 4.1 空间定义

设：

速度/通量空间采用 $P1$ （分片线性）
压力/标量空间也采用 $P1$ （分片线性）

即所谓 P1–P1 配对。

📌 4.2 一个关键事实

如果 $u \in P1$ ，即 $u$ 是分片线性函数，那么：

\nabla \cdot u \in P0

因为：

线性函数求导之后是常数
所以散度只能是分片常数函数

📌 4.3 核心矛盾

但压力空间 $p \in P1$ 可以表示：

常数部分
线性变化部分

而 $\nabla \cdot u$ 只能表示分片常数。

所以：

速度空间的散度像空间太小，无法覆盖整个压力空间。

也就是说：

\operatorname{div}(V_h) \subsetneq Q_h

这正是 inf-sup 失败的根源。

📌 4.4 数学后果

会存在某些非零压力 $p_h \neq 0$ ，满足：

(\nabla \cdot u_h, p_h) = 0 \qquad \forall u_h \in V_h

也就是说，这些压力模式根本无法被速度空间检测到。

于是：

\sup_{u_h \in V_h} \frac{b(u_h,p_h)}{\|u_h\|} = 0

从而：

\inf_{p_h \in Q_h} \sup_{u_h \in V_h} \frac{b(u_h,p_h)}{\|u_h\| \|p_h\|} = 0

所以 inf-sup 条件不成立。

📌 4.5 矩阵角度解释

离散后系统一般写为：

\begin{bmatrix} A & B^T \\ B & 0 \end{bmatrix}

这里：

$A$ 对应主变量部分
$B$ 对应离散 divergence 算子

P1–P1 的问题在于：

$B$ 不是满秩的。

也就是说，存在非零向量 $p$ ，使得：

B^T p = 0

这些 $p$ 对应的就是“伪压力模式”。

📌 4.6 典型现象：棋盘格震荡

当空间不满足 inf-sup 时，经常出现所谓的 checkerboard mode（棋盘格模式）：

相邻单元压力正负交替
这种模式在数值上可能非零
但速度空间的散度完全感知不到它

所以它会以“伪解”的形式存在。

5️⃣ 为什么 P2–P1 可以稳定

常见稳定配对之一是：

速度： $P2$
压力： $P1$

即 P2–P1

📌 原因

因为：

$P2$ 速度空间更丰富
求散度后， $\nabla \cdot u_h$ 可以产生更高阶的函数
从而能够更好地覆盖 $P1$ 压力空间

所以：

P2–P1 可以满足 inf-sup 条件，而 P1–P1 不行。

6️⃣ 总结

✅ 关于鞍点问题

鞍点问题是指具有如下块结构的线性系统：

\begin{bmatrix} A & B^T \\ B & 0 \end{bmatrix}

其特点是：

非正定
带约束
常出现在混合方法与流体问题中

✅ 关于 Poisson 方程

标准 Poisson 方程用普通有限元离散后，不是鞍点问题
Poisson 方程改写为混合形式后，离散系统是典型鞍点问题

✅ 关于 inf-sup 条件

inf-sup 条件是混合方法稳定性的核心条件，其本质是：

一个空间必须能够足够好地“控制”另一个空间。

✅ 关于 P1–P1 不稳定的本质

P1–P1 不满足 inf-sup 的根本原因在于：

速度空间的散度只能产生分片常数，而压力空间却是分片线性的，因此散度空间太小，无法覆盖压力空间。

🧠 一句话总总结

混合有限元会产生鞍点问题，而鞍点问题要稳定，关键就在于所选离散空间是否满足 inf-sup 条件。P1–P1 之所以不稳定，本质上是因为 $\operatorname{div}(V_h)$ 太小，不能有效控制 $Q_h$ 。

版权所有

版权归属：Guisong Wu

许可证：署名 4.0 国际 (CC-BY-4.0)