形狀函數(shape function)
想像用一組固定的硬紙板帳篷拼出任何輪廓,每個帳篷立在一根樁上,並向兩旁的鄰居斜降到零。把每個帳篷上下滑動到選定的高度,全部疊加,你就能描出整條鋸齒狀的剖面。在有限元素法中,這些帳篷就是形狀函數:簡單、局部的建構基塊,每個綁在一個網格節點上,而近似解不過是它們的加權和。
經典例子是一維的「帽」(或「帳篷」)函數:phi_i(x) 在節點 i 處等於 1,向兩個相鄰節點線性降到 0,其餘各處恰好為零。因為 phi_i 在自己的節點上為 1、在所有其他節點上為 0,所以 u_h = sum c_j phi_j 中的係數 c_i 就字面上是解在節點 i 的值——未知數「就是」節點值。這些函數是「局部」的:每一個只在碰到其節點的一兩個元素上非零,於是當你計算 integral(phi_i' phi_j') 這類積分時,大多數配對都給出零,剛度矩陣就變得稀疏。較高階的形狀函數(二次、三次)在邊與內部加上額外節點以捕捉曲率;在二維與三維中,同樣的想法給出立在三角形、四面體或四邊形上的金字塔。
形狀函數正是「有限元素」得名之處——網格被切成元素,在每個元素上解是一個低次多項式,並與鄰居連續地縫合。誠實的取捨是逼近能力對成本:線性帽便宜又穩健,但在能量平方意義下只以 O(h^2) 收斂;更豐富的多項式對光滑解收斂更快,但每個元素的成本更高,且在尖角或不連續處附近可能表現失常,那裡細化網格(更小的 h)往往比提高多項式次數更安全。
在 x = 0, 0.5, 1 的節點上,中間節點的帽函數為 phi(x) = 2x(在 [0,0.5] 上)與 2 - 2x(在 [0.5,1] 上),其餘為零。於是 u_h(x) = c1 phi_1 + c2 phi_2 + c3 phi_3 是分段線性的,且 u_h(0.5) = c2 恰好成立——係數即為節點值。
每個帽在自己的節點上為 1、在其他節點上為 0,所以係數就是節點值。
局部性正是關鍵:因為每個形狀函數只與少數鄰居重疊,剛度與質量矩陣才稀疏。橫跨整個區域的全域多項式會讓每個節點與其他所有節點耦合,徹底失去這種稀疏性。