Spectral coarse spaces based on indefinite operators: the $H_k$-GenEO method

技术摘要：基于不定算子的谱粗空间：Hk-GenEO 方法

问题陈述
本文研究了高度非定常（highly indefinite）边界值问题的数值解，这类问题源于异质亥姆霍兹方程（heterogeneous Helmholtz equation）：
$$-\nabla \cdot (A\nabla u) - k^2 n u = f \quad \text{in } \Omega, \quad u = 0 \quad \text{on } \partial\Omega,$$
其中 $k > 0$ 是大波数，$A$ 是具有 $L^\infty$ 项的正定矩阵，$n$ 是正的 $L^\infty$ 函数。研究重点在于 $k$ 较大的情形，此时问题呈现高度非定常特性，使得标准的迭代求解器难以应对。虽然经典的领域分解方法（DDM）结合谱粗空间（如 GenEO）在正半定问题中取得了成功，但当这些空间基于正半定局部特征问题构建时，往往无法对高度非定常问题保持鲁棒性。

方法论
作者提出了一种新型的两层加性 Schwarz 预条件子，称为 Hk-GenEO，专门为不定算子设计。该方法论包含以下核心组成部分：

1. 局部不定特征问题： 与依赖于正半定局部算子（如拉普拉斯算子）的以往谱方法不同，Hk-GenEO 通过求解基于全局问题完整不定算子的局部广义特征值问题（GEVPs）来构建粗空间。在每个粗子域 $\Omega^c_i$ 上，GEVP 定义为：
   $$-\nabla \cdot (A\nabla p) - k^2 n p = \lambda \left[ -\nabla \cdot (A\nabla (\Xi_i p)) + k^2 n (\Xi_i p) \right] \quad \text{on } \Omega^c_i,$$
   其中 $\Xi_i$ 是一个单位分解算子。右侧项被修改为正定的（接近分析中所使用的范数），而左侧项保留了原始亥姆霍兹算子的非定常特性。

2. 粗空间构建： 粗空间 $V_0$ 由这些局部 GEVPs 的最小特征值（包括负特征值和较小的正特征值）对应的特征函数张成。该方法明确允许局部子域足够大，使得局部 GEVPs 保持非定常，从而捕捉高频问题中至关重要的振荡模态。

3. 理论框架： 本文为不定 GEVPs 开发了一套抽象谱理论。它确立了在由保留的特征函数所张成的子空间的补空间上，相关双线性形式为正定的条件。该理论被应用于推导 GMRES 求解器鲁棒收敛的充分条件。

4. 鲁棒性条件： 分析为关于局部子域直径 $H_\ell$、粗子域直径 $H_c$ 以及特征值容差 $\tau$（用于保留特征模态的阈值）的鲁棒收敛提供了显式条件。具体而言，若满足以下条件，则保证了鲁棒性：

   • $H_\ell \lesssim k^{-1}$（确保局部可解性）。
   • $\tau \gtrsim (1+C_{stab})^2 k^2$（确保保留了足够的模态）。
   • 至关重要的是，该理论没有设定显式的上限约束对于粗直径 $H_c$，这允许粗子域较大且局部 GEVPs 保持非定常。

主要贡献

• Hk-GenEO 公式化： 引入了直接基于不定局部算子构建的谱粗空间，这与使用正半定算子的先前 $\Delta$-GenEO 或 $H$-GenEO 方法形成对比。
• 抽象不定谱理论： 开发了针对不定 GEVPs 的通用理论，包括特征向量基的存在性以及确保在粗空间补空间上稳定的投影算子的构建。
• 显式鲁棒性估计： 推导了关于 $k$ 的显式鲁棒性条件，证明了只要适当选择特征值容差 $\tau$，该方法对于波数 $k$、子域数量以及系数异质性都是鲁棒的。
• 解耦分解： 理论与数值证明了用于特征问题的粗分解可以与用于单层求解的局部分解相解耦，从而允许使用不同的子域尺寸（$H_c$ 与 $H_\ell$）。

数值结果
作者使用 FreeFEM 框架展示了在 2D 同质和异质（分层介质）情况下的数值实验。

• 对 $k$ 的鲁棒性： 对于中等及较大阈值（$\tau = 0.4, 0.6$），GMRES 迭代次数保持稳定，且基本上与 $k$ 和子域数量 $N$ 无关。
• 阈值敏感性： 较小的阈值（$\tau = 0.2$）会导致迭代次数随 $k$ 增长而显著增加，表明失去了鲁棒性。
• 异质性： 该方法表现出对系数 $A$ 高变动的韧性，迭代次数仅对对比度比率表现出轻微依赖。
• 粗空间维度： 粗空间的维度随 $k$ 适度增长（经验观察为 $O(k^{1.1} \text{ 至 } k^{1.4})$），这明显慢于精细空间维度的增长（$O(k^2)$）。
• 解耦分解： 实验表明，使用比局部求解器（$Q$）更粗的分解进行粗空间构建（减少子域数量 $N$），仅会导致迭代次数轻微增加，这提供了潜在的内存节省优势。

意义与主张
本文声称 Hk-GenEO 为高度非定常亥姆霍兹类问题提供了一个实用且可扩展的预条件子。其主要意义在于：

1. 克服正半定粗空间的局限性： 通过在粗空间构建中使用算子的非定常性质，该方法捕捉到了正半定方法在高频下会遗漏的必要振荡模态。
2. 理论严谨性： 它提供了首个针对基于不定算子的谱粗空间的实质性理论分析，超越了以往工作中（如 [5, 7]）仅有的经验观察。
3. 灵活性： 该方法允许使用较大的粗子域并实现解耦分解，为此前受限于小规模强制性（coercive）局部问题的算法设计提供了灵活性。

作者指出，虽然他们关于特征值容差 $\tau$（随 $k^2$ 缩放）的理论界限看起来比数值观察结果（其中常数 $\tau$ 通常已足够）更为保守，但该方法在这些较弱的实际条件下仍然是鲁棒的。这项工作为解决系数异质性和高波数曾构成重大挑战的不定型 PDE 奠定了基础。