$\boldsymbol{H}(\textbf{curl})$-reconstruction of piecewise polynomial fields with application to $hp$-a posteriori nonconforming error analysis for Maxwell's equations

这是一份关于论文《H(curl)-reconstruction of piecewise polynomial fields with application to hp-a posteriori nonconforming error analysis for Maxwell's equations》（分段多项式场的 H(curl) 重构及其在麦克斯韦方程组 hp 后验非协调误差分析中的应用）的详细技术总结。

1. 研究背景与问题 (Problem)

• 核心问题：如何在形状规则的单形网格（simplicial meshes）上，从给定的分段多项式场（piecewise polynomial fields，通常是非协调的，即不满足 $H(\text{curl})$ 连续性）构造一个$H(\text{curl})$ 协调的重构场（conforming field）。
• 应用场景：该重构主要用于麦克斯韦方程组（Maxwell's equations）的 hp 版本后验误差分析（hp-a posteriori error analysis）。
• 现有挑战：
  • 现有的重构方法（如基于自由度平均或多项式重构）通常难以获得关于多项式次数 $p$ 的最优估计（p-optimal），往往因为需要反复使用离散迹不等式和逆不等式而导致 $p$ 次数的次优性（suboptimality）。
  • 基于局部最小化问题的重构方法（如 Nédélec 单元）通常要求原始场满足某种正交性（如 Galerkin 正交性），限制了其在任意分段多项式场上的应用。
  • 对于非协调近似（如间断伽辽金 dG 方法），如何精确量化非协调误差（nonconforming error）是一个关键难点。

2. 方法论 (Methodology)

本文提出了一种新颖的、基于顶点邻域（vertex patches）的局部构造方法，结合了单位分解（partition of unity）和局部 Helmholtz 分解。

2.1 重构算子构造 ($R_c$)

对于给定的分段多项式场 $E_h \in P^b_p(\mathcal{T}_h)$，重构算子 $R_c(E_h)$ 定义如下：

1. 局部化：利用 hat 基函数 $\psi_a$（在顶点 $a$ 处为 1，支撑集为顶点邻域 $D_a$）将全局问题分解为每个顶点 $a$ 上的局部问题。
2. 局部 Helmholtz 分解：在每个顶点邻域 $D_a$ 上，将加权后的场 $\psi_a E_h$ 分解为无旋部分（梯度场）和无散部分（旋度场）。具体通过求解两个局部变分问题得到：
   • 无散部分 ($U^a$)：求解 $H_0(\text{curl}; D_a) \cap H(\text{div}=0; D_a)$ 中的问题，匹配 $\psi_a E_h$ 的旋度（包含跳跃项的 lifting 算子）。
   • 无旋部分 ($\nabla \theta^a$)：求解 $H^1_0(D_a)$ 中的泊松型问题，匹配 $\psi_a E_h$ 本身。
3. 全局组装：$R_c(E_h) = \sum_{a \in V_h} (U^a + \nabla \theta^a)$。由于每个局部场满足齐次切向边界条件，全局场属于 $H_0(\text{curl}; D)$。

2.2 关键数学工具

• 跳跃提升算子 (Jump Lifting Operator)：用于处理原始场在网格界面处的法向和切向跳跃，将其转化为局部源项。
• 新的 Poincaré 不等式：证明了在顶点邻域上存在一个保持散度的破碎旋度 Poincaré 不等式（broken-curl, divergence-preserving Poincaré inequality）。这是推导 $L^2$ 误差估计的关键。
• 椭圆正则性提升假设 (Elliptic Regularity Pickup)：为了获得更优的 $L^2$ 估计，作者引入了关于顶点邻域上 Neumann 问题的椭圆正则性提升假设（Assumption 3.5）。

3. 主要结果 (Key Results)

3.1 重构误差估计

论文证明了重构场 $R_c(E_h)$ 与原始场 $E_h$ 之间的误差在破碎旋度范数（broken curl norm）和 $L^2$ 范数下均可由原始场的跳跃项控制：

• 破碎旋度范数误差：
  $$\|\nabla_h \times (R_c(E_h) - E_h)\| \lesssim \left( \sum_K \frac{h_K}{p} \|[[\nabla_h \times E_h]]\|^2 + \frac{p^2}{h_K} \|[[E_h]]\|^2 \right)^{1/2}$$

  • 精度：$h$-最优，$p$-次优 1/2 阶（由于跳跃提升算子的界）。

• $L^2$ 范数误差（基础版）：
  $$\|R_c(E_h) - E_h\| \lesssim p \left( \sum_K \frac{h_K^3}{p^3} \|[[\nla_h \times E_h]]\|^2 + h_K \|[[E_h]]\|^2 \right)^{1/2}$$

  • 精度：$h$-最优，$p$-次优 3/2 阶。

• $L^2$ 范数误差（改进版）：
  在假设 3.5（椭圆正则性提升）成立的情况下，去除了旋度跳跃项并消除了全局 $p$ 因子：
  $$\|R_c(E_h) - E_h\| \lesssim \left( \sum_K h_K \|[[E_h]]\|^2 \right)^{1/2}$$

  • 精度：$h$-最优，$p$-次优 1/2 阶。

3.2 扩展性

• 混合边界条件：方法可推广至混合 Dirichlet-Neumann 边界条件。
• 聚合多面体网格 (Agglomerated Polytopal Meshes)：基于背景单形网格，可建立类似的 hp 估计。
• 凸域上的全局重构：在凸域上定义全局算子（不依赖顶点邻域分解），可获得 $L^2$ 范数的 $p$-最优估计，但常数依赖于域拓扑。

4. 应用：麦克斯韦方程组的 hp 后验误差分析

作者将上述重构算子应用于对称内部惩罚间断伽辽金（Symmetric Interior Penalty dG）方法求解麦克斯韦方程组的误差分析。

• 误差分解：将总误差 $e = E - E_h$ 分解为协调误差 $e_c = E - R_c(E_h)$ 和非协调误差 $e_{nc} = R_c(E_h) - E_h$。
• 可靠性 (Reliability)：证明了全局误差上界由局部误差指示器 $\eta$ 控制：
  $$|||e|||_\sharp \le C \eta$$
  其中 $\eta$ 包含残差项（方程残差、散度约束残差）和非协调项（场及其旋度的跳跃）。
• 效率 (Efficiency)：证明了局部误差指示器是下界估计的（local lower bound），即 $\eta_K \lesssim |||e|||_{\sharp, K_f} + \text{osc}$。
• 创新点：
  1. 这是首次针对麦克斯韦方程组的非协调 dG 方法实现完整的 hp 版本 后验误差分析。
  2. 这是首次利用局部顶点邻域的 Helmholtz 分解来估计非协调误差，避免了传统方法中依赖全局 Helmholtz 分解或仅获得 $h$-最优估计的局限。

5. 意义与贡献 (Significance)

1. 理论突破：填补了文献中关于从任意分段多项式场构造 $H(\text{curl})$ 协调场并保证 hp 近似性质的空白。特别是解决了 $p$-次优性的问题，将 $L^2$ 误差的 $p$-次优性从 3/2 阶降低到了 1/2 阶（在合理假设下）。
2. 拓扑无关性：通过局部顶点邻域构造，避免了估计常数对全局域拓扑（如孔洞、连通性）的依赖，这在处理复杂几何时至关重要。
3. 实际应用价值：为自适应网格细化（h-adaptivity）和自适应多项式阶数提升（p-adaptivity）提供了可靠的理论依据和误差指示器，特别是在处理高频电磁散射等复杂问题时。
4. 独立贡献：文中提出的破碎旋度、保持散度的 Poincaré 不等式（Lemma 4.3）具有独立的数学价值，可用于其他涉及 $H(\text{curl})$ 空间的数值分析中。

总结

该论文通过引入一种基于局部 Helmholtz 分解和单位分解的新型 $H(\text{curl})$ 重构算子，成功建立了分段多项式场与协调场之间的精确误差界。这一成果不仅完善了 hp 有限元方法的理论框架，更为麦克斯韦方程组的非协调数值模拟（特别是 dG 方法）提供了首个完整的 hp 后验误差分析工具，显著提升了数值模拟的可靠性和自适应效率。