Alleviating missing boundary conditions in elliptic partial differential equations using interior point measurements

---

1. Problema Investigado

O artigo aborda um problema de recuperação ótima para a equação de Poisson em um domínio limitado $\Omega \subset \mathbb{R}^n$ ($n=2,3$) com fronteira Lipschitz:
$$-\Delta u = f \quad \text{em } \Omega$$
O desafio central é que os dados de contorno de Dirichlet ($u = g$ em $\partial\Omega$) são desconhecidos. Em aplicações práticas (como dinâmica de fluidos, engenharia eólica e condução de calor inversa), medir a fronteira pode ser impossível ou impraticável.

Para contornar essa falta de informação, o problema é formulado da seguinte maneira:

1. Assume-se que o dado de contorno $g$ pertence a um conjunto compacto $K_B$ definido por uma norma de Sobolev limitada ($H^s(\Gamma)$).
2. Disponibilizam-se $m$ medições pontuais da solução $u$ em locais internos $x_i \in \Omega$.
3. O objetivo é encontrar uma "melhor possível" aproximação de $u$ (recuperação ótima) baseada nessas medições internas e na restrição de regularidade do dado de contorno.

O trabalho foca especificamente no caso onde as medições ocorrem estritamente no interior do domínio ($x_i \in \Omega_d$, onde $\Omega_d$ é uma sub-região afastada da fronteira por uma distância $d$), em contraste com trabalhos anteriores que permitiam medições na fronteira.

2. Metodologia

A abordagem combina teoria de recuperação ótima, análise funcional e métodos de elementos finitos (MEF).

Decomposição do Problema

A solução $u$ é decomposta em $u = u_0 + u_H$, onde:

• $u_0$ é a solução de Poisson com condição de contorno nula (completamente determinada por $f$).
• $u_H$ é uma função harmônica que carrega a incerteza dos dados de contorno e deve satisfazer as medições pontuais.

O problema reduz-se a recuperar a componente harmônica $u_H$ com norma mínima em $H^s(\Omega)$.

Algoritmo de Recuperação Ótima

O algoritmo baseia-se na aproximação do interpolante de norma mínima. A solução ótima teórica $u^*_H$ é expressa como uma combinação linear de representantes de Riesz ($\phi_i$) associados aos funcionais de medição:
$$u^*_H = \sum_{i=1}^m U_i \phi_i$$
Os coeficientes $U_i$ são determinados resolvendo um sistema linear $GU = \tilde{\omega}$, onde $G$ é a matriz de observação.

Implementação via Elementos Finitos

O artigo propõe um algoritmo numérico que aproxima:

1. $u_0$ via MEF padrão.
2. Os representantes de Riesz $\phi_i$ e seus valores nas medições.
3. Os coeficientes $U_i$.

A inovação metodológica reside na análise detalhada da aproximação dos representantes de Riesz quando as medições estão no interior, permitindo relaxar as exigências de regularidade da solução em comparação com medições na fronteira.

3. Contribuições Chave

1. Medições no Interior vs. Fronteira: O trabalho demonstra que colocar sensores no interior ($\Omega_d$) reduz drasticamente os requisitos de regularidade da solução. Enquanto medições na fronteira exigem $s > (n-1)/2$ para garantir continuidade, medições internas permitem $1/2 < s < 3/2$ independentemente da dimensão $n$.
2. Estimativas de Erro Pontual Refinadas: Os autores provam novas estimativas de erro pontual para os representantes de Riesz. Eles mostram que a precisão depende da distância $d$ das medições à fronteira.
   • A taxa de convergência em $h$ (tamanho da malha) é superior quando $x_i \in \Omega_d$.
   • Existe um trade-off: a estimativa de erro contém potências negativas de $d$ (ex: $d^{-n}$), o que significa que, se $d$ for muito pequeno em relação a $h$, o erro aumenta. No entanto, para $d$ suficientemente grande ($d \geq c_0 h$), a taxa de convergência é superior à obtida com medições na fronteira.
3. Generalização para Espaços de Banach: O algoritmo é analisado não apenas no espaço Hilbertiano $H^1(\Omega)$, mas também em espaços de Banach não uniformemente convexos, como $L^\infty(\Omega)$ e $L^\infty(\Omega_d)$. Isso é crucial para aplicações que exigem controle do erro máximo (norma $L^\infty$).
4. Análise de Regularidade em Domínios Poliedrais: O artigo trata cuidadosamente a regularidade de soluções em domínios poliedrais (não convexos), onde a regularidade global pode ser degradada por singularidades nas arestas e vértices, introduzindo normas de Sobolev "face-a-face" ($H^\xi_h(\Gamma)$).

4. Resultados Principais

Estimativas Teóricas

• Representantes de Riesz: Para medições em $\Omega_d$ a uma distância $d$ da fronteira, o erro pontual satisfaz:
  $$|\phi(z) - \phi_h(z)| \lesssim d^{-n} (h^{2-\epsilon} + h^{4-2s})$$
  Isso representa uma ordem de convergência mais alta em $h$ do que o método anterior (que era limitado por $h^{s - (n-1)/2 - \epsilon}$) para $s$ próximo de $3/2$.
• Recuperação Ótima: O algoritmo gera uma solução "quase-ótima" (near-optimal), onde o erro de recuperação é limitado pela raio de Chebyshev do conjunto de soluções admissíveis mais um termo de erro que depende da discretização e da distância $d$.

Resultados Numéricos

Os experimentos numéricos validam as previsões teóricas:

• Domínios Suaves vs. Não Suaves: Em domínios suaves (disco), observa-se a convergência ótima esperada ($O(h^{\zeta+1})$ em $L^\infty$ para elementos de grau $\zeta$). Em domínios com cantos (L-shaped), a convergência é limitada pela singularidade da solução, mas o método ainda performa bem.
• Efeito da Distância $d$: Conforme as medições se aproximam da fronteira ($d \to 0$), o erro aumenta, confirmando a dependência das potências negativas de $d$ nas estimativas teóricas.
• Recuperação da Solução: A recuperação da função harmônica $u_H$ mostra erros que diminuem conforme o número de medições aumenta, e a precisão na região interior ($\Omega_d$) é significativamente melhor do que na fronteira global.

5. Significado e Impacto

Este trabalho é significativo por várias razões:

• Viabilidade Prática: Oferece uma base teórica sólida para cenários onde sensores não podem ser colocados na fronteira de um domínio (ex: tubulações internas, estruturas seladas), provando que medições internas podem, na verdade, fornecer recuperações mais precisas se a malha for adequada.
• Flexibilidade de Normas: A extensão da análise para normas $L^\infty$ é vital para engenharia, onde o controle do valor máximo do erro é frequentemente mais importante que a energia média (norma $H^1$).
• Eficiência Computacional: Ao permitir taxas de convergência mais altas para um dado nível de regularidade da solução, o método pode reduzir o custo computacional necessário para atingir uma precisão desejada, desde que os sensores estejam posicionados estrategicamente no interior.
• Rigor em Domínios Complexos: A análise cuidadosa de domínios poliedrais e não convexos preenche uma lacuna na literatura, onde muitas vezes assume-se domínios suaves, o que não reflete a realidade de muitos problemas de engenharia.

Em resumo, o artigo estabelece que a recuperação ótima de soluções de EDPs elípticas com dados de contorno desconhecidos é viável e altamente eficiente quando se utiliza medições internas, superando as limitações de métodos anteriores que dependiam de medições na fronteira ou exigiam regularidade excessiva.