p-拉普拉斯算子第一特征对的自适应有限元逼近

本文提出了一种自适应有限元方法，用于计算 p-拉普拉斯问题的第一特征对。我们证明，从一个精细的初始网格开始，我们提出的自适应算法生成的一系列离散第一特征值收敛于连续问题的第一特征值，并且离散特征函数与对应于第一特征值的归一化特征函数集在 $W^{1,p}$ 范数下的距离也趋于零。文中提供了大量的数值算例，以展示该方法的有效性和效率。