1 Galerkin 方法的基本思想
Galerkin 方法是一类以“弱形式/加权余量”为核心思想的偏微分方程离散技术。把连续问题写成在某种函数空间上的等式后，不再直接逼近未知函数的每个点值，而是让未知函数在试探空间中的近似解满足：其残差（余量）与测试函数空间中的所有允许方向都“正交”，从而得到一组代数方程。
这种“在函数空间中让余量消失”的做法，既能避免对高阶导数的强制要求，也便于引入边界条件、分析误差与稳定性。由于弱形式天然与分部积分、能量范数相连，Galerkin 方法常被视为有限元、谱方法以及若干加权残量离散的统一语言。
1.1 试探空间与权函数空间
试探空间（trial space）用于描述近似解可能落入的形式集合；权函数空间（weight/test space）用于产生检验条件。理想情形下，权函数与试探函数的结构相匹配，这使得离散方程常呈现对称性或更易得到能量估计。
在标准 Galerkin 框架中，试探空间与权函数空间相同，近似解采用试探空间的基函数展开，而检验则对权空间的一组基函数分别施加“余量为零”的投影条件。这样得到的离散系统往往具有良好的数学性质，便于数值实现与误差分析。
1.2 余量的弱意义与“投影为零”
设连续方程写成某种残差表达式：对任意测试函数，余量与测试函数的内积为零。这里的“余量”不要求在物理空间的每个点严格为零，而是要求其在弱意义下对所有测试方向都不产生分量。
直观理解是：把余量当作某个函数（或泛函），在测试函数张成的子空间上做投影，要求该投影为零。于是，离散方程等价于“在所选试探空间中寻找使投影误差最小/为零的系数”。
1.3 弱形式的由来与边界条件处理
弱形式通常通过分部积分把导数阶数降低，并把边界上的贡献显式转化为边界项或自然边界条件。对许多 PDE 而言，解的规律性未必允许在点态意义下直接写出强形式，因此弱形式更贴近实际的函数空间设置。
边界条件的处理方式取决于约束类型：
- 对于需要“硬约束”的边界（如位移类的狄利克雷条件），常通过选择满足边界要求的试探函数空间来实现。
- 对于通过变分/分部积分自然出现的边界项（如某些通量类的诺依曼条件），则可在弱形式中保留相应积分项而不必额外强行施加。
2 离散弱形式的推导框架
Galerkin 方法的推导可概括为：从 PDE 的弱形式出发，选取试探与测试函数空间，将未知函数用试探空间基函数展开；再对测试空间中的基函数逐一施加“余量投影为零”的条件，从而得到线性或非线性的离散方程组。
2.1 从强形式到弱形式
2.1.1 通过分部积分降阶
以一般的微分算子方程为例，强形式往往包含高阶导数。将方程乘以测试函数并对定义域积分后，通过分部积分把导数转移到测试函数上，便能降低对解本身所需的可微性要求。
这种操作还会引入边界积分项。合理的函数空间选择会确保这些项要么对应物理边界条件，要么在数学上被自然地吸收。
2.1.2 本征边界项与自然边界条件
分部积分产生的边界项往往对应“自然边界条件”。在这些情形下，弱形式本身提供了边界条件的数学生成机制：只要试探函数与测试函数选在合适的空间里，边界项的处理就与变分结构或守恒结构一致。
因此，弱形式不仅是数学改写，也是一种“把边界条件放进积分框架中”的组织方式。
2.2 试探解与测试函数的选择
2.2.1 试探空间的构造
试探空间通常由一组基函数张成，用来近似未知解。基函数可来自分片多项式（有限元）、全局函数（谱/伪谱）、或其他构造方式（如径向基、样条等）。
在构造试探空间时，常需同时满足：
- 能表示目标边界条件（例如选择满足狄利克雷条件的函数子空间）；
- 与算子与弱形式中的内积相兼容，确保各积分项良定义；
- 具有可实现的局部或全局自由度结构，便于组装和求解。
2.2.2 测试空间（权函数空间）的构造
测试空间与试探空间的关系决定了格式类型：
- 标准 Galerkin：两者相同或相互对应；
- Petrov–Galerkin：测试空间不同，通常为了稳定性或处理对非对称算子更合适的检验方式。
测试空间的构造同样要保证其包含足够的光滑性或可积性，以保证弱形式中的各项积分收敛，并且满足相应的边界约束策略。
2.3 获得离散方程组
2.3.1 基函数展开与系数自由度
将试探解写为基函数的线性组合： 未知量被映射为一组系数（自由度）。这些系数对应数值解的“参数化表示”，后续离散方程会给出它们的代数约束。
自由度选择直接影响计算规模与矩阵稀疏性。例如局部支持的基函数（如有限元形函数）往往导致局部耦合，从而更利于稀疏线性代数。
2.3.2 线性代数形式：刚度矩阵与载荷向量
将离散近似解代入弱形式，并对每个测试基函数施加投影条件，通常得到类似如下结构：
- 一个双线性形式对应矩阵（常被称为刚度矩阵或离散算子矩阵）；
- 右端的线性泛函对应向量（载荷向量）。
若原 PDE 是线性的，得到的离散系统通常是线性方程组；若原问题非线性，则会形成非线性代数方程组，需要迭代求解或线性化。
3 Galerkin 方法的变体与命名
Galerkin 方法的核心并不在“具体基函数长什么样”，而在“余量在弱意义下如何与测试空间相配”。因此，同一思想可以以不同方式组合试探与测试空间、选择弱形式表达，从而形成不同命名体系。
3.1 标准 Galerkin（同空间选取）
标准 Galerkin 指试探空间与测试空间选择一致。这样做的直接结果之一是离散双线性形式往往保持对称性（在连续问题的对称条件成立时），从而更容易获得能量估计与误差上界。
在很多经典椭圆型问题上，这种选择是最常见、也最易实现与分析的方案。
3.2 Petrov–Galerkin（试探/测试空间不同）
Petrov–Galerkin 使用不同的试探空间与测试空间。典型动机包括：
- 处理对称性破缺的算子，使离散系统的稳定性更可控；
- 为对流主导、对振荡问题的稳定性设计更合适的测试函数；
- 在误差度量或物理量逼近上获得更好的表现。
由于试探与测试空间不同，离散矩阵一般不再对称，分析也通常更依赖稳定性条件（如某种满足性或inf-sup类条件）。
3.3 加权余量法视角下的统一描述
若将连续方程写成“残差 = 0”的形式，Galerkin 条件可以表述为：让残差与测试空间正交。这正是加权余量法的典型思想。
在这一视角下，Galerkin 与其说是“某个特定数值法”，不如说是“加权余量离散在弱形式框架下的一种关键选择”，因此可以解释它与多种方法之间的联系。
4 收敛性、稳定性与误差分析
Galerkin 方法的数学质量通常通过两个层面理解：一是逼近能力（能否逼近真解），二是稳定性（离散方程是否良态、不会放大误差）。两者共同决定收敛速度与实际效果。
4.1 准最佳逼近（best approximation）思想
在理想条件下，Galerkin 解的误差可由“试探空间对真解的逼近误差”控制。这类结论常被称为准最佳逼近：即离散误差与最优逼近误差同阶。
直观上，Galerkin 并不魔法般消除不可逼近的误差；它只能在所选空间允许的范围内把余量投影掉。因此，提升近似空间（更高阶基函数、细化网格）通常能有效降低误差。
4.2 变分原理与能量估计（对称情形）
对许多对称椭圆型问题，连续问题对应某个能量泛函的极值。标准 Galerkin 在这种情形下可与离散能量相联系，得到能量范数下的误差估计。
能量估计往往有明确物理解释：比如扩散过程的离散方程能体现出能量不无界增长，从而保证计算不发散。
4.3 误差估计与网格细化/阶数提高
误差通常随网格尺度减小或基函数阶数提高而下降。具体阶数取决于：
- 真解光滑性（可微性/正则性）；
- 试探空间的多项式度；
- 离散弱形式中算子与投影误差的结构。
因此，在工程实践中往往需要在“网格加密”和“提高阶数”之间权衡计算成本与精度提升幅度。
4.4 相容性与边界条件一致性
弱形式允许在边界上用积分项或空间选择的方式体现条件。若试探空间与边界约束选择不匹配，可能导致误差污染甚至破坏稳定性。
相容性主要体现在：离散空间能否正确反映边界上的约束结构，以及弱形式中边界项的处理是否与真实问题一致。
5 与有限元方法（FEM）的关系
有限元方法可以被看作 Galerkin 思想在特定空间与基函数选择下的实现。理解这一点有助于把不同 FEM 变体与 Galerkin 框架对应起来。
5.1 标准 FEM 作为 Galerkin 离散
在有限元中，试探空间通常由网格剖分上的分片多项式构成；测试空间在标准情形下与之相同。于是得到的离散系统正是弱形式的 Galerkin 投影。
因此，“FEM 在弱形式上求解”本质上就是“用有限维子空间逼近并令余量投影为零”。
5.2 基函数类型：分片多项式与仿射映射
常见有限元使用分片多项式基函数，并在几何映射下把参考单元上的基函数变换到实际单元上。仿射映射使得积分与基函数评估更易实现，并允许预先组织一部分计算。
基函数的选取还决定了连续性要求（例如是否在单元间具有某种连续阶数），从而影响弱形式积分项的可计算性。
5.3 几何离散与数值积分
弱形式装配需要计算单元上的积分。数值积分规则（如高斯求积）用于把积分近似为有限求和，从而引入额外误差来源。
在很多情形下，积分精度与基函数阶数需要匹配，否则误差可能由“数值积分不够准”主导而不是由 PDE 离散主导。
6 代表性问题与示例类型
Galerkin 方法适用于多类 PDE 的弱形式离散。不同类型的方程在稳定性与时间处理上有不同侧重点，但空间离散的基本投影思想保持一致。
6.1 椭圆型 PDE 的弱形式
椭圆型问题通常对应稳态或随空间扩散为主的物理过程，弱形式往往具有较好的对称性或能量结构，因而标准 Galerkin 往往工作良好。
6.1.1 例如扩散/泊松类问题
扩散或泊松类方程的弱形式常以梯度项的内积出现，进而形成对“能量范数”友好的双线性形式。离散后得到的矩阵往往具有对称正定或半正定结构，利于求解与误差分析。
6.1.2 例如线弹性与能量形式
线弹性类问题的弱形式通常包含应变—应力的双线性形式。基于能量思想，标准 Galerkin 与有限元的经典配合能够实现稳定的力学响应表达。
6.2 双曲与抛物型问题的处理思路
对双曲与抛物型问题，空间 Galerkin 离散只是第一步，时间离散会影响稳定性与误差传播。
6.2.1 时间离散与 Galerkin 空间离散的组合
常见策略是先用 Galerkin 方法离散空间得到半离散系统（常微分方程或包含时间的离散方程），再对时间使用显式/隐式方法或稳定化策略。
这样做的好处是把复杂性拆分：空间部分依赖弱形式投影，时间部分依赖所选积分格式的稳定性条件。
6.2.2 稳定性注意事项（如对流主导情形）
当问题呈现对流主导或波动显著时，单纯的标准 Galerkin 可能产生数值振荡。此时 Petrov–Galerkin、上风格稳定化或改进测试函数的策略更常被采用，以控制离散的非物理振荡。
7 计算实现要点
把理论离散落到程序实现，主要是弱形式装配、求解器选择、非线性处理，以及网格与积分精度管理。
7.1 组装流程：从弱形式到矩阵
实现通常按以下步骤展开：
- 明确弱形式中的双线性形式与线性泛函；
- 选择网格与基函数，确定试探/测试空间；
- 遍历单元，在每个单元上计算局部矩阵与局部向量；
- 将局部贡献汇总到全局稀疏矩阵与全局向量；
- 对边界条件进行相应处理（例如强制消元或修改系统）。
装配中最关键的是正确计算单元积分项，并保证映射与坐标变换一致。
7.2 线性求解器与预条件
当离散得到的线性方程组规模较大时，直接求解往往不可行。通常使用迭代法（如共轭梯度或通用Krylov方法）并搭配预条件器以改善收敛速度。
预条件选择与矩阵性质相关：对称正定情形常利用能量结构；非对称情形则需要更通用或更定制的预条件策略。
7.3 非线性问题的迭代策略（如牛顿类）
非线性 PDE 经 Galerkin 离散后会得到非线性代数系统。常见做法包括牛顿法及其变体：
- 每次迭代需要线性化并求解线性化后的增量方程；
- 需要良好的初值与阻尼策略以提高鲁棒性；
- 线性求解器仍是每次迭代的主要成本来源。
7.4 网格质量、数值误差与调参
计算精度不仅依赖离散空间的阶数，也受网格质量影响：畸变单元可能导致积分误差增大或数值条件变差。除网格外，数值积分精度、时间步长（若有）、以及预条件参数都会影响最终误差与运行稳定性。
“调参”并非玄学：通常应以误差来源分析为导向，并做收敛性验证（网格加密或阶数提高时误差是否按理论下降）。
8 扩展与相关方法（同一思想的不同落点）
Galerkin 的思想可以延伸到其他方法体系，它们在实现细节上不同，但都可从“弱形式 + 投影/检验”角度理解。
8.1 谱方法/伪谱方法的投影理解
谱方法通常使用全局基函数逼近解，并通过加权正交关系实现离散。伪谱方法则常结合插值与快速变换以提升效率。
从投影视角看，它们同样在某个函数空间上施加“余量的加权条件”，只是基函数选择与求积/求导策略不同。
8.2 与最小二乘、混合方法的对比
- 最小二乘法：常把余量的某种范数平方作为目标，转化为最小化问题；它与 Galerkin 在“投影为零”与“最小化误差”之间存在联系，但离散结构不同。
- 混合方法：同时引入多个未知量（例如把梯度当作独立变量），并在不同方程之间配合测试函数空间；其核心目的往往是提高可处理的边界/正则性条件或更好地保守某些量。
对比的关键不在“谁更好”，而在于适用场景：算子结构、边界条件、以及对稳定性约束的需求不同。
8.3 适用于不规则/约束问题的广义形式
当定义域不规则或方程带有额外约束时，弱形式通常更有弹性。通过广义的函数空间选择或约束处理方式（例如使用特定的试探子空间、拉格朗日乘子思想或惩罚类策略），Galerkin 类方法仍可在统一投影框架下工作。
9 常见误区与“调侃式”提醒
Galerkin 思想并不难理解，但在实现与推导中容易踩坑。下面以常见错误的“对症下药”方式提醒。
9.1 误把强形式当作弱形式直接套基函数
强形式直接乘以基函数并要求点态成立，本质上等价于更强的约束，往往导致：
- 对解正则性的要求过高；
- 边界条件处理不自然；
- 离散方程与理论弱形式偏离。
调侃式提醒：把强形式当弱形式，就像在没装滤网的情况下硬煮汤——看似都在锅里，实际上杂质会直接进入“解”。
9.2 测试函数空间不一致导致“对不上”
若试探空间与测试空间的选择不匹配，可能出现积分项不良定义或投影条件无法覆盖目标弱方程的需求。Petrov–Galerkin 虽允许不同，但仍需满足相容性与稳定性要求。
9.3 只有形式上 Galerkin、实际上稳定性没跟上
即便推导上看似满足“余量投影为零”，数值系统仍可能不稳定，尤其在对流主导、强非对称或约束复杂问题中。稳定性分析与必要的稳定化机制缺失，会让计算出现振荡或误差放大。
10 参考阅读与进一步延伸
学习 Galerkin 方法通常按“弱形式 → 试探/测试空间 → 离散装配 → 误差与稳定性 → 实现”递进。下面给出阅读与练习的组织方式，帮助形成系统理解。
10.1 典型教材与经典论文脉络
建议从有限元与变分法相关教材入手，再补足对谱/伪谱方法中投影思想的阅读。对于稳定性与误差估计部分，则可查阅关于变分原理、inf-sup条件、以及有限元收敛理论的经典材料。
10.2 理论推导与工程实现的学习路径
理论学习可先掌握弱形式推导、函数空间选择与能量估计，再逐步研究误差定理与稳定性条件。工程实现方面则建议从二维/三维椭圆型问题的线性模型开始，熟悉装配、求解与边界处理，随后再过渡到非线性与时间依赖问题。
10.3 从弱形式开始的练习清单（入门示例）
可按以下练习序列建立直觉：
- 推导一个扩散或泊松类方程的弱形式，并选择常见有限元空间完成离散；
- 比较标准 Galerkin 与改变测试空间后的差异，观察矩阵对称性与稳定性表现；
- 对一个简单非线性问题进行线性化迭代，并记录网格加密时的收敛趋势；
- 用不同数值积分精度重复计算，验证积分误差对最终结果的影响。