2.4 广义函数与弱解

2.4 广义函数与弱解

画像的最后一格回答一个概念问题：满足方程的"解"，允许不光滑到什么程度？第一章弦振动之争里欧拉的直觉——初始形状可以是随手画出的曲线——在本节终于获得严格语法：把求导从逐点运算改成对检验函数的积分配对，阶梯函数的导数就有了名字（德尔塔函数），带棱角的解也能名正言顺地"满足方程"。这套语言是第三章格林函数的点源、第四章有限元的变分原理、第五章激波的数学描述共同的底座。

当求导遇到棱角

逐点求导对两类对象失效：不连续的函数（阶梯函数在跳点处导数不存在）和本身奇异的"函数"（只在一点非零的脉冲）。而物理偏偏偏爱这两类对象：点电荷的密度是脉冲，材料的界面两侧位移连续但应变跳变，弦被锤敲一下的初始速度是瞬时冲击。如果方程只认逐点导数，这大批物理场景就无方程可用。

出路是换一个定义。观察分部积分：对足够光滑的 u 与紧支撑的检验函数 φ（在区域边界及其附近取零），有

∫ u'·φ dx = − ∫ u·φ' dx。

右式只要求 u 可积，完全不要求 u 可导。于是把它当作定义：若存在可积函数 w 使 ∫ w·φ dx = − ∫ u·φ' dx 对一切检验函数成立，就称 w 是 u 的弱导数。光滑时弱导数与经典导数一致；不光滑时弱导数照样存在。这个定义把导数的本质从"逐点的极限"改写为"与检验函数整体的配对"——第一章争论了一个世纪的"什么算解"，答案原来是换一种配对方式。

按新定义立刻得到两个战果。其一，赫维赛德阶梯函数 H(x)（x 小于零取零、大于零取一）的弱导数是德尔塔函数 δ——满足 ∫ δ·φ dx = φ(0) 的对象：对 H 配检验函数积分，得到的正是 φ 在原点的值，与 δ 的定义吻合。其二，|x| 的弱导数是符号函数 sign(x)，而 sign 的弱导数是 2δ——绝对值函数在原点有一个"二阶导数等于两倍点源"的秘密，泊松方程的点源解（第三章）正是这个事实的高维版本。

💡 关键直觉：德尔塔不是函数，是"对检验函数取值"这个动作本身的名字。写 δ(x) 像写一个函数只是记号习惯，严格身份是泛函——这个身份让"点源"第一次可以进入方程。

弱解：方程的扩展语义

有了弱导数，弱解的定义水到渠成：若 u 与方程中出现的各阶导数在弱意义下存在，且方程两边作为分布相等，则 u 是弱解。经典解必是弱解；弱解不必经典。热传导方程对阶梯初值的解，在任何 t 大于零时刻无穷光滑，是经典解；但把 t = 0 也算进去，初值本身不光滑，解只在弱意义下"从阶梯出发"——弱语义让"初值加演化"这个整体陈述合法化。第一章的进化线（经典解 → 弱解）在此闭合：达朗贝尔要求解析式，欧拉允许随手曲线，勒雷与施瓦茨最终证明，只要把等式念成积分等式，欧拉的宽容是完全安全的。

弱解的边界也很重要：弱解可以不唯一、可以有非物理的激波（第五章会看到双曲守恒律的弱解无穷多，必须靠熵条件挑出物理的那一个）。弱语义不是无条件地宽容，而是"先扩容、再筛选"——扩容保证问题有解，筛选保证解有意义。这套"先存在后挑选"的策略贯穿现代理论。

数值实验：用积分验证弱导数

弱导数的定义是积分恒等式，正好用数值积分直接检验。三组实验：验证 |x| 的弱导数是 sign(x)、验证 sign 的弱导数对应 2δ、观察热核对方波的瞬间磨光。

import numpy as np

x = np.linspace(-2, 2, 200001)
dx = x[1] - x[0]

# 实验一：|x| 的弱导数是 sign(x)？
# 按 weak 定义, 对光滑检验函数 phi（紧支撑）应有:
#   ∫ sign(x)*phi dx = - ∫ |x|*phi' dx
phi = np.exp(-x**2 / 0.05)                      # 近似紧支撑的检验函数
dphi = np.gradient(phi, dx)
lhs = np.sum(np.sign(x) * phi) * dx
rhs = -np.sum(np.abs(x) * dphi) * dx
print("实验一 左端:", lhs, " 右端:", rhs, " 差:", abs(lhs - rhs))

# 实验二：sign 的弱导数应在原点集中：- ∫ sign(x)*phi' dx 应约等于 2*phi(0)
lhs2 = -np.sum(np.sign(x) * dphi) * dx
print("实验二 计算值:", lhs2, " 理论值 2*phi(0) =", 2*phi[np.argmin(np.abs(x))])

# 实验三：热核磨光——宽 a 的热核卷积方波，宽度随时间按 sqrt(2t) 增长
step = np.where(np.abs(x) < 0.5, 1.0, 0.0)
for t in [1e-4, 1e-2, 1e-1]:
    sig = np.sqrt(2 * t)
    ker = np.exp(-((x - x[:, None])**2) / (4 * t))
    u = (ker @ step) / ker.sum(axis=1)
    print(f"t = {t:8.4f}  解在 x=0.5 处的值 {np.interp(0.5, x, u):.4f}"
          f"  最大值 {u.max():.4f}")
​

实验一的左右两端在网格精度内相等——积分恒等式成立，sign 就是 |x| 的弱导数；实验二的计算值收敛到 2φ(0)，德尔塔的身份被数值坐实；实验三里，哪怕 t 只有万分之一，方波的棱角已经圆滑、峰值开始下降——2.2 节"瞬间光滑化"的性格描述，从此有了一条可复算的证据链。

这套语言为什么非学不可

三个后续章节都踩在本节地基上。第三章格林函数：点源响应问题 −Δu = δ 本身就没有经典解——右端是分布，解在源点外光滑、源点处奇异，弱语义是唯一能把问题写干净的框架。第四章有限元：有限元不是"把区域切成小三角形"这么肤浅，它的数学核心恰是变分（弱）形式——在分片多项式空间里解弱方程，本节的积分恒等式就是组装刚度矩阵的原理图；有限元对复杂几何的适应性、对不光滑系数的容忍度，全部来自弱形式的宽容。第五章激波：无黏伯格斯方程的解必然发展成间断，经典语义在激波出现的瞬间失效，熵弱解是继续讨论的唯一语言。

分部积分是弱语言的全部秘密。第四章会反复做一件事：把方程乘以检验函数、积分、分部积分、把一半导数搬到检验函数头上。做一次，就得到一种新方法的骨架——有限元如此，弱伽辽金如此，谱方法的弱形式亦如此。本节看似抽象，实为全册的枢纽。

⚠️ 常见坑：弱解不唯一不等于弱理论有毛病。不唯一恰是扩容的代价，筛选靠附加条件（熵条件、正则化、规范固定）。遇到"多个弱解"的疑问，正确的反应是找筛选条件，而不是回头怀疑弱定义。

本节要点

• 弱导数：用分部积分把导数改写为与检验函数的配对，不光滑对象获得导数身份；
• 德尔塔函数：阶梯函数的弱导数，本质是对检验函数取值的泛函，点源的严格化身；
• 弱解语义：方程两边作为分布相等；经典解必是弱解，弱解未必经典；
• 扩容与筛选：先保证存在，再用附加条件（熵、正则化）挑出物理解；
• 数值可验：弱导数定义即积分恒等式，数值积分可直接复核，磨光实验可视化热核效应；
• 全册枢纽：格林函数、有限元、激波理论分别站在本节的一条腿上。

第二章的画像到此完整：判别式定性、性格对照、适定性契约、弱解语义。方程是谁、能信吗、解字怎么念，都有了答案。下一章开始还账——亲手把解求出来，并让数值实验复核每一步推导。