1. 课程导入与FEniCS环境搭建

偏微分方程（PDE）是描述连续介质中物理过程的通用语言：热传导、弹性变形、流体运动、电磁场分布，最终都归结为在某个区域上求解一个带边界条件的方程。传统做法是手工推导弱形式、编写有限元程序、组装刚度矩阵，工作量集中在“把数学变成代码”这一步。FEniCS 的定位正是把这一步大幅压缩：它提供了一套接近数学书写的统一接口，让用户用变分形式直接描述问题，由系统自动完成网格上的离散、矩阵组装与线性求解。换句话说，你负责写清楚“要求解什么”，FEniCS 负责“怎么算”。

理解这一点很关键，因为它决定了学习路径。使用 FEniCS 时，核心工作不是手写单元刚度矩阵，而是准确写出弱形式、选对函数空间、给定边界条件与材料参数，然后读懂求解结果。本课程后续所有内容都围绕这条主线展开，而本节要完成的是最基础也最容易被低估的一步：把环境装好，并让第一个算例真正跑通。

环境方案的选择

FEniCS 依赖 PETSc、MPI、Eigen、Boost 以及专用的网格与形式编译组件，手工从源码编译对初学者并不友好，版本不匹配是常见故障源。因此推荐两条路线：Docker 与 conda。Docker 的优势是环境完全隔离、版本固定、跨平台一致，适合“装完就能用”的场景；conda 的优势是与本地 Python 生态融合、便于调试和扩展，适合需要频繁改动代码的学习者。两者都能满足本课程需要，下面分别给出可执行的做法。

Docker 路线（以官方镜像为例，镜像标签请以实际拉取到的版本为准）：

docker pull dolfinx/dolfinx:stable
docker run -it --rm -v $(pwd):/home/shared dolfinx/dolfinx:stable
# 进入容器后验证
python3 -c "import dolfinx; print(dolfinx.__version__)"

其中 -v $(pwd):/home/shared 把当前目录挂载进容器，这样在宿主机编辑的脚本可以直接在容器内运行，避免“代码在容器里、文件在本地”的割裂。conda 路线则建议新建独立环境，避免与系统 Python 冲突：

conda create -n fenics-env python=3.11 -y
conda activate fenics-env
conda install -c conda-forge fenics-dolfinx mpich -y
python -c "import dolfinx; print(dolfinx.__version__)"

两条路线验证成功的标志相同：Python 能导入 dolfinx 并打印出版本号，且不报缺少共享库的错误。若导入时报 libpetsc 或 MPI 相关错误，通常说明环境混用了不同渠道的包，最稳妥的处理是删除环境重建，而不是逐个修补依赖。

第一个泊松方程算例

取单位正方形区域 Ω=(0,1)×(0,1)，方程 −Δu = 1，四周边界 u=0。这个问题的解析解在中心处约为 0.0736，正好可以作为数值结果的对照。下面给出可直接运行的完整脚本（DOLFINx 接口），关键行都附有说明：

from mpi4py import MPI
import numpy as np
import ufl
from dolfinx import mesh, fem, default_scalar_type
from dolfinx.fem.petsc import LinearProblem

# 1. 生成网格：16x16 个四边形单元
domain = mesh.create_unit_square(MPI.COMM_WORLD, 16, 16)

# 2. 定义函数空间：一阶 Lagrange 连续元
V = fem.functionspace(domain, ("Lagrange", 1))

# 3. 边界条件：四条边上 u = 0
def boundary(x):
    return np.isclose(x[0], 0) | np.isclose(x[0], 1) \
         | np.isclose(x[1], 0) | np.isclose(x[1], 1)

dofs = fem.locate_dofs_geometrical(V, boundary)
bc = fem.dirichletbc(default_scalar_type(0), dofs, V)

# 4. 弱形式：a(u,v) = L(v)
u = ufl.TrialFunction(V)
v = ufl.TestFunction(V)
a = ufl.dot(ufl.grad(u), ufl.grad(v)) * ufl.dx
L = ufl.inner(default_scalar_type(1.0), v) * ufl.dx

# 5. 组装并求解
problem = LinearProblem(a, L, bcs=[bc],
                        petsc_options={"ksp_type": "preonly",
                                       "pc_type": "lu"})
uh = problem.solve()

# 6. 输出关键数值
print("max u =", uh.x.array.max())
print("min u =", uh.x.array.min())

这段代码的结构与上一张图完全对应：create_unit_square 负责区域与网格，functionspace 选定离散空间，Dirichletbc 施加边界，a 与 L 用 UFL 写出弱形式，LinearProblem 完成组装与求解。运行后应看到 max u 约为 0.07 左右，min u 为 0（边界自由度被强制为零）。若最大值明显偏离这个量级，例如接近 1 或出现负值，通常意味着边界条件没有正确施加，或弱形式中梯度项写错。

如何判断“真的跑通了”

很多初学者把“没有报错”当作成功，这并不充分。建议按三个层次检查。第一层是程序层面：进程正常退出，求解器返回收敛状态，没有出现 DIVERGED 之类的提示。第二层是物理与数学层面：解的量级、符号和空间分布是否符合预期——本例中解应在中心最大、向四边递减至零，且处处非负。第三层是数值层面：把网格从 16×16 加密到 32×32，中心点数值应更接近解析值 0.0736，误差随网格尺寸减小而下降。三层都通过，才能说明环境、接口和算例三者都正确。