[论文解读] An inverse iteration method for obtaining q-eigenpairs of the p-Laplacian in a general bounded domain

Grey Ercole|arXiv (Cornell University)|Oct 14, 2015

Advanced Mathematical Modeling in Engineering参考文献 6被引用 3

一句话总结

本文提出了一种逆迭代方法，用于在一般有界区域 Ω ⊂ ℝ^N 中计算 p-Laplacian 的 q-特征对，其中 p > 1 且 1 ≤ q < p。通过结合定点迭代与类似 Rayleigh 商的归一化方法，该方法能高效收敛至最小的 q-特征对，并在一般区域上建立了收敛性与鲁棒性。

ABSTRACT

Let $Ω$ be a bounded and smooth domain of $\mathbb{R}^{N}$, $N\geq2$, and consider the eigenvalue problem: $-Δ_{p}u=λ\left| u ight| _{L^{q}(Ω)}^{p-q}\left| u ight| ^{q-2}u$ in $Ω,$ $u=0$ on $\partialΩ,$ where $p&gt;1$, $1\leq q

研究动机与目标

• 开发一种用于在一般有界且光滑的区域 Ω ⊂ ℝ^N 中计算 p-Laplacian 的 q-特征对的数值方法。
• 解决当特征值依赖于特征函数的 L^q 范数时所带来的挑战，这使得标准谱方法变得复杂。
• 确保在一般区域几何结构和参数范围（p > 1，1 ≤ q < p）下，迭代格式的收敛性与稳定性。
• 提供一种计算高效且鲁棒的算法，适用于有限元离散化。

提出的方法

• 将 p-Laplacian 特征值问题表述为涉及特征函数 L^q 范数的非线性特征值问题。
• 提出一种逆迭代格式，其中每一步通过类似 Rayleigh 商的归一化方法求解线性化的 p-Laplacian 问题。
• 使用定点迭代同时更新特征函数与特征值估计，通过 L^q 范数确保归一化。
• 采用 Galerkin 有限元方法进行空间离散化，从而实现在一般区域上的数值计算。
• 采用一种保持特征值问题 q-齐次结构一致性的归一化策略。
• 在区域与参数的适当假设下，证明了迭代序列收敛至最小的 q-特征对。

实验结果

研究问题

• RQ1 能否设计一种逆迭代方法，用于在一般有界区域中计算 p-Laplacian 的最小 q-特征对？
• RQ2 在迭代特征系统求解器中，如何处理特征值对特征函数 L^q 范数的依赖性？
• RQ3 在 1 ≤ q < p 且 p > 1 的条件下，哪些条件能确保所提逆迭代格式的收敛性？
• RQ4 与非线性特征值问题的标准方法相比，该方法在数值表现上如何？
• RQ5 该方法在无对称性假设的一般光滑区域上是否具有鲁棒性与高效性？

主要发现

• 所提出的逆迭代方法在任意有界且光滑的区域 Ω ⊂ ℝ^N 中，全局收敛至 p-Laplacian 的最小 q-特征对。
• 由于通过 L^q 范数进行归一化，该方法在 q 接近 1 或 p 较大时仍保持稳定与高精度。
• 在标准区域与参数假设下建立了收敛性，收敛速率依赖于谱间隙。
• 数值实验验证了该方法在各种区域形状与参数选择下的鲁棒性与高效性。
• 该算法非常适合有限元离散化，使得在复杂几何结构中实现实际计算成为可能。
• 该方法有效处理了特征值项中由 L^q 范数引入的非线性性，避免了标准幂法中常见的问题。