An Extended Galerkin analysis in finite element exterior calculus

1. Il Problema

Il lavoro si concentra sull'equazione di Hodge-Laplace nel contesto del Calcolo Esterno agli Elementi Finiti (FEEC - Finite Element Exterior Calculus). L'equazione modello è:
$$(d\delta + \delta d)u = f$$
dove $d$ è la derivata esterna e $\delta$ è la codifferenziale.
Sebbene il metodo di Galerkin continuo (metodo misto di Arnold-Falk-Winther o AFW) sia ben consolidato per questo problema, esiste una carenza di analisi dettagliata e unificata per i metodi di Galerkin Discontinuo (DG) applicati al Laplaciano di Hodge.
Le sfide principali includono:

• La necessità di gestire la continuità inter-elemento sia per $d$ che per $\delta$.
• La gestione di più variabili incognite, flussi numerici e termini di stabilizzazione rispetto alle equazioni di Maxwell o di Poisson.
• La mancanza di un quadro unificato che colleghi i metodi DG esistenti al metodo misto conforme classico.

2. Metodologia: Il Framework "Extended Galerkin" (XG)

Gli autori introducono un nuovo framework Extended Galerkin (XG) che unifica diverse famiglie di metodi DG. La metodologia si basa sui seguenti pilastri:

• Formulazione a Sette Campi: Il metodo introduce sette variabili per approssimare la soluzione:
  1. Tre variabili principali all'interno degli elementi: $\sigma_h$ (approssimazione di $-\delta u$), $\xi_h$ (approssimazione di $-du$) e$u_h$ (la soluzione primaria).
  2. Quattro variabili di "controllo" (check variables) definite sui bordi degli elementi: $\check{\sigma}_h, \check{\xi}^*_h, \check{u}_h, \check{u}^*_h$. Queste servono a imporre debolmente la continuità inter-elemento.
• Flussi Numerici e Trucchi di Nitsche: I flussi numerici sono costruiti come la somma di un flusso centrale (media delle tracce) e una correzione basata sulle variabili di controllo. Questo approccio è motivato dal "trucco di Nitsche", permettendo di penalizzare la discontinuità sia rispetto a $d$ che a $\delta$.
• Riduzione e Ibridizzazione:
  • Il sistema a sette campi può essere ridotto a formulazioni più compatte (a 4 o 3 campi) eliminando le variabili di controllo tramite relazioni algebriche.
  • In un caso estremo, il metodo può essere ibridizzato, riducendo il sistema globale a un sistema condensato con solo due incognite di flusso numerico ($\hat{u}^*_h, \hat{\xi}^*_h$), facilitando l'implementazione computazionale.
• Analisi di Stabilità Inf-Sup: Viene costruita una condizione inf-sup discreta che è uniforme rispetto a tutti i parametri di discretizzazione e ai parametri di penalità. Questo permette di dimostrare la stabilità e la convergenza del metodo indipendentemente dalla scelta dei parametri di penalità (entro certi limiti).

3. Contributi Chiave

1. Unificazione Teorica: Il framework XG unifica diversi metodi DG noti (inclusi i metodi a penalità interna, local DG e metodi ibridizzati) in un'unica struttura teorica coerente all'interno del FEEC.
2. Analisi di Convergenza Quasi-Ottimale: Gli autori dimostrano stime di errore quasi-ottimali per il metodo XG. La prova si basa sulla costruzione di una condizione inf-sup uniforme, eliminando le variabili di controllo e raggruppando le variabili rimanenti in un sistema di punto di sella perturbato standard.
3. Limite di Convergenza verso il Metodo AFW: Viene dimostrato che, quando i parametri di penalità tendono a limiti appropriati (ad esempio, $\rho \to 0$), la soluzione del metodo XG converge alla soluzione del classico metodo misto conforme di Arnold-Falk-Winther. Questo collega rigorosamente i metodi discontinui a quelli conformi.
4. Generalizzazione a Vari Casi: Il metodo è applicato non solo all'equazione di Hodge-Laplace generale, ma si riduce correttamente a:
   • Il metodo XG a quattro campi per l'equazione di Poisson (caso scalare).
   • Nuove famiglie di metodi DG per il Laplaciano vettoriale (caso vettoriale).
   • Formulazioni per condizioni al contorno di Dirichlet e Neumann.

4. Risultati Principali

• Stabilità: È stata provata l'esistenza di una costante positiva $C_{stab}$ tale che la condizione inf-sup sia soddisfatta per il sistema ridotto, garantendo la ben posta del problema discreto.
• Stime di Errore: È stata ottenuta la stima di errore a priori:
  $$|||\sigma - \sigma_h||| + |||u - u_h||| \leq C h^t (\text{norme di regolarità di } u, \sigma, \xi)$$
  dove l'ordine di convergenza dipende dalla regolarità della soluzione e dal grado polinomiale degli spazi finiti.
• Ibridizzazione: Il sistema globale può essere condensato risolvendo un sistema lineare con un numero ridotto di gradi di libertà (solo le variabili di flusso sui bordi), rendendo il metodo computazionalmente efficiente.
• Validazione su Casi Specifici: Il paper fornisce esempi espliciti in $\mathbb{R}^3$ per $k=0, 1, 2, 3$, mostrando come il framework XG si traduca in metodi DG specifici per l'equazione di Poisson, il Laplaciano vettoriale e le equazioni di Maxwell.

5. Significato e Impatto

Questo lavoro è significativo perché colma una lacuna teorica importante nel campo del FEEC, fornendo un quadro analitico rigoroso per i metodi DG applicati a problemi di tipo Hodge-Laplace.

• Flessibilità: Offre ai ricercatori e agli ingegneri un "cassetto degli attrezzi" unificato per progettare nuovi metodi DG con proprietà di stabilità garantite.
• Robustezza: La capacità di analizzare la convergenza in modo uniforme rispetto ai parametri di penalità rende il metodo robusto per diverse applicazioni pratiche.
• Ponte tra Teoria e Pratica: Dimostrando la connessione con il metodo AFW conforme e permettendo l'ibridizzazione, il lavoro facilita l'adozione di metodi DG avanzati in problemi complessi di fisica matematica (elettromagnetismo, elasticità, fluidodinamica) mantenendo la struttura geometrica e topologica del problema originale.

In sintesi, il paper presenta un avanzamento teorico fondamentale che estende il successo dei metodi DG a problemi di geometria differenziale complessa, garantendo stabilità e ottimalità attraverso un approccio sistematico basato su spazi di controllo e analisi inf-sup.