2. 变分形式与弱形式推导基础

有限元方法求解偏微分方程，并不是直接在强形式上做离散，而是先把方程“放松”为一个积分等式，再在这个积分等式上选取有限维子空间做逼近。这一步转换就是弱形式推导，也是 FEniCS 中一切求解代码的数学起点。本节以泊松方程为例，完整走一遍从强形式到弱形式的过程，并说明试探函数、测试函数以及它们所在空间的含义。

强形式及其对解的要求

考虑定义在有界区域 Ω 上的泊松方程，边界分为 Dirichlet 边界 Γ_D 与 Neumann 边界 Γ_N：

-Δu = f   在 Ω 内
 u = g    在 Γ_D 上
 ∂u/∂n = h  在 Γ_N 上

强形式要求 u 二阶可导，且方程在区域内每一点逐点成立。这对解的光滑性要求较高：一旦系数不连续、区域有角点，或右端项 f 只是平方可积，经典意义下的二阶导数可能根本不存在。弱形式的核心思路是：把方程乘以一个“任意”的函数再积分，通过分部积分把二阶导数转移一个到测试函数上，从而把对 u 的要求从二阶降到一阶。

分部积分：把导数“搬”过去

取测试函数 v，在 Ω 上乘以方程两端并积分：

∫_Ω (-Δu) v dx = ∫_Ω f v dx

对左端使用格林公式（分部积分的高维形式），得到：

∫_Ω ∇u · ∇v dx - ∫_∂Ω (∂u/∂n) v ds = ∫_Ω f v dx

整理后：

∫_Ω ∇u · ∇v dx = ∫_Ω f v dx + ∫_∂Ω (∂u/∂n) v ds

这一步是弱形式推导的关键。原本作用在 u 上的二阶算子 Δ 被拆成两个一阶梯度 ∇u 与 ∇v 的内积，u 与 v 的地位变得对称，对 u 的光滑性要求降为一阶弱可导。边界上的法向导数项则被保留下来，成为自然边界条件的入口。

边界条件的处理：本质与自然

Dirichlet 条件 u = g 无法直接代入边界积分，因为它约束的是 u 的取值而非导数。标准做法是把试探函数与测试函数的空间都限制为在 Γ_D 上取零（对测试函数）或取给定值（对试探函数）。这样在 Γ_D 上 v = 0，边界积分中对应部分自动消失。这类必须写进函数空间的条件称为本质边界条件。

Neumann 条件 ∂u/∂n = h 则直接代入剩余的边界积分，得到：

∫_Ω ∇u · ∇v dx = ∫_Ω f v dx + ∫_{Γ_N} h v ds

它不需要对函数空间做任何限制，而是通过弱形式右端项“自然”地进入方程，因此称为自然边界条件。这也是有限元方法的一个显著优点：复杂边界上的通量条件只需在右端加一项线积分，无需特殊处理。

试探函数空间与测试函数空间

弱形式要求 ∇u 与 ∇v 都平方可积，因此自然的函数空间是 Sobolev 空间 H¹(Ω)。具体地：

• 试探空间 V_g = { u ∈ H¹(Ω) : u = g 在 Γ_D 上 }，即满足非齐次 Dirichlet 条件的函数集合；
• 测试空间 V₀ = { v ∈ H¹(Ω) : v = 0 在 Γ_D 上 }，即在 Dirichlet 边界上取零的函数集合。

注意 V_g 一般不是线性空间（两个满足 u = g 的函数相加后边界值为 2g），而 V₀ 是线性空间。实际计算中常把解写成 u = u₀ + g̃，其中 g̃ 是某个满足边界条件的已知提升函数，u₀ ∈ V₀，从而把问题转化为在同一个线性空间 V₀ 中求解。FEniCS 的 DirichletBC 正是这一思想的程序化实现。

抽象变分问题

把弱形式写成抽象形式：求 u ∈ V_g，使得对任意 v ∈ V₀ 有

a(u, v) = L(v)

其中双线性形式 a(u,v) = ∫_Ω ∇u·∇v dx，线性泛函 L(v) = ∫_Ω f v dx + ∫_{Γ_N} h v ds。这个“对任意测试函数成立”的表述，正是 FEniCS 中 solve(a == L, u, bc) 的数学原型：a 与 L 分别对应 UFL 中的双线性形式和线性形式，bc 对应本质边界条件。

一个可手算的示例

设 Ω = (0,1)，f = 1，两端 Dirichlet 条件 u(0) = u(1) = 0。弱形式为：求 u ∈ V₀，使对任意 v ∈ V₀ 有 ∫₀¹ u′v′ dx = ∫₀¹ v dx。若取有限元空间为分片线性函数，把区间等分为 N 段，节点值 u_i 为未知量，测试函数取各节点对应的“帽函数” φ_i，则得到线性方程组 K u = b，其中刚度矩阵 K_ij = ∫ φ_i′φ_j′ dx，载荷向量 b_i = ∫ φ_i dx。以 N = 4、步长 h = 0.25 为例，内部节点刚度矩阵为三对角形式 (1/h)·tridiag(-1, 2, -1)，右端项每个内部节点约为 h/2 = 0.125（端点帽函数积分折半）。解出内部节点值约为 0.09375、0.125、0.09375，与精确解 u(x) = x(1-x)/2 在节点处的值 0.09375、0.125、0.09375 完全一致——这是因为一维泊松方程的分片线性有限元解在节点上恰好精确。这个例子说明：弱形式并没有改变问题的解，只是换了一种对解的光滑性要求更低、更适合离散的表述方式。

为 FEniCS 实现做准备

在 FEniCS 中，弱形式直接用 UFL 语言书写，几乎与数学表达式一一对应：

from fenics import *

mesh = UnitSquareMesh(32, 32)
V = FunctionSpace(mesh, 'P', 1)

u = TrialFunction(V)      # 试探函数
v = TestFunction(V)       # 测试函数
f = Constant(1.0)
g = Constant(0.0)

a = dot(grad(u), grad(v)) * dx
L = f * v * dx

bc = DirichletBC(V, g, 'on_boundary')
u_sol = Function(V)
solve(a == L, u_sol, bc)

这里 TrialFunction 对应试探空间中的未知 u，TestFunction 对应测试空间中的 v，dx 表示区域积分，ds 表示边界积分。若存在 Neumann 条件 ∂u/∂n = h，只需在 L 中追加 h * v * ds 一项，无需改动 a 或函数空间。理解这一点，就能明白为什么弱形式推导中“哪些项进 a、哪些项进 L、哪些条件进 bc”是写对 FEniCS 代码的前提。

总结来看，弱形式推导完成了三件事：降低了对解的光滑性要求，把边界条件按本质与自然两类分别处理，并把微分方程转化为“对任意测试函数成立的积分等式”。这三件事共同构成了有限元离散与 FEniCS 实现的数学基础。