$L^p$ Estimates for Numerical Approximation of Convex Hamilton-Jacobi Equations

技术摘要：凸 Hamilton–Jacobi 方程数值逼近的 $L^p$ 误差估计

问题陈述
本文研究了在 $d$ 维平坦环面 $\mathbb{T}^d$ 上凸 Hamilton–Jacobi (HJ) 方程的数值逼近问题。所考虑的具体方程为：
$$\begin{cases} \partial_t u + H(Du) = 0 & \text{在 } Q := \mathbb{T}^d \times (0, T) \text{ 中}, \\ u(x, 0) = g(x) & \text{在 } \mathbb{T}^d \text{ 上}, \end{cases}$$
其中哈密顿量 $H$ 是光滑、凸且强制的，初始数据 $g$ 是 Lipschitz 连续且半凹（semiconcave）的。作者关注两类单调数值格式：有限差分法和半拉格朗日（semi-Lagrangian）法。虽然经典的结论（例如 Crandall–Lions, Barles–Souganidis）在不依赖凸性假设的情况下，为一般的单调格式建立了 $1/2$ 阶的 $L^\infty$ 收敛率，但本研究旨在通过利用哈密顿量的凸性和解的半凹性，建立更精细的 $L^p$ 范数（$1 \le p < +\infty$）误差估计。

方法论
其核心方法论依赖于伴随方法（adjoint method）结合半凹性估计。该方法偏离了标准的粘性解技术（通常依赖于双变量倍增技术），而是利用了最初为标量守恒律开发并随后被改编用于 HJ 方程的对偶论证。

1. 伴随框架： 作者将非线性 HJ 方程与线性化的伴随方程耦合。对于有限差分格式，误差 $z = u^\varepsilon - u$ 满足一个带有截断误差项的传输型方程。通过将该方程乘以具有终端数据 $\text{sgn}(z)$ 的后向伴随方程的解 $\rho$，误差的 $L^1$ 范数可以表示为涉及截断误差和伴随解的积分。
2. 半凹性保持： 分析的一个关键组成部分是证明数值格式能够保持初始数据的半凹性。
   • 对于有限差分格式，作者构造了一个连续空间、离散时间的辅助格式。他们证明了单调更新算子在连续意义下保持半凹性，从而避免了对离散半凹性的重构。
   • 对于半拉格朗日格式，分析利用了离散值函数的动态规划表示。证明过程利用了这些值函数的 Lipschitz 连续性和半凹性，以及几乎处处可微性（与最优控制的唯一性相关）。
3. 误差分解： 截断误差被分解为两个部分：
   • 时间插值误差（在离散时间步之间）。
   • 空间一致性误差（离散梯度与连续梯度之间的差异）。
     利用保持的半凹性，作者可以控制数值解的二阶导数的 $L^1$ 范数，从而控制空间一致性误差。
4. 插值： 一旦建立了 1 阶的 $L^1$ 误差界，作者便利用 $L^1$ 与经典 $L^\infty$ 估计（阶数为 $1/2$）之间的插值不等式，推导出所有 $1 \le p < +\infty$ 的 $L^p$ 误差界。

主要贡献与结果

• 有限差分格式：

  • 作者利用一致的、凸的数值哈密顿量，证明了单调有限差分格式具有 $O(h + \Delta t)$ 阶的 $L^1$ 误差估计。
  • 通过与 $O((h+\Delta t)^{1/2})$ 阶的经典 $L^\infty$ 估计进行插值，他们推导出了 $L^p$ 误差界：
    $$\|u^\varepsilon_n - u(\cdot, n\Delta t)\|_{L^p} \le C (h + \Delta t)^{\frac{1}{2} + \frac{1}{2p}}.$$
  • 该结果将之前的研究（如 Cagnetti–Gomes–Tran）扩展到了多维情形以及更广泛的凸单调哈密顿量类，且不依赖于特定的传输–投影结构。

• 半拉格朗日格式：

  • 对于哈密顿量形式为 $H(x, p) = H_0(p) - V(x)$ 的半拉格朗日格式，作者确定了时间离散格式具有 $O(\Delta t)$ 阶的 $L^1$ 误差估计。
  • 对于全离散格式（涉及空间网格插值），$L^1$ 误差界为 $O(\Delta t + h/\Delta t)$。
  • 相应的 $L^p$ 收敛率推导为：
    $$\| \tilde{u}^\varepsilon_n - u(\cdot, n\Delta t) \|_{L^p} \le C \left( \Delta t + \frac{h}{\Delta t} \right)^{\frac{1}{p}} \left( \Delta t^{\frac{1}{2}} + \frac{h}{\Delta t} \right)^{1-\frac{1}{p}}.$$

意义与主张

本文声称为凸 HJ 方程提供了一种系统性的 $L^p$ 误差估计推导方法，改进了在一般单调格式下已知的 $L^\infty$ 标准速率。其重要性在于：

1. 提升收敛速率： 证明了在凸性和半凹性假设下，$L^1$（以及随之而来的 $p>1$ 时 $L^p$）的收敛速率为 1 阶，这优于通常在 $L^\infty$ 中发现的 $1/2$ 阶。
2. 方法论适配： 成功地将传统用于守恒律和消失粘性逼近的伴随方法，适配到直接分析局部单调格式（Crandall–Lions 型）和半拉格朗日格式上。
3. 泛化性： 将这些估计的应用范围扩展到了多维环面和更广泛的凸数值哈密顿量类，而非局限于特定的一维或传输–投影结构。

作者保持了谦逊的语气，指出他们的结果依赖于标准假设（$H$ 的光滑性、凸性和强制性；$g$ 的 Lipschitz 连续性和半凹性），并且 $L^1$ 机制是半凹性–对偶原理的直接应用，其新颖性在于针对所考虑的具体数值格式验证了这些假设。