有限元 on wuqq 的 Blog

0048 - 电磁场有限元与多物理场 EDA 的元认知与方法论

Wed, 15 Apr 2026 12:30:00 +0800

这篇笔记在做什么

前面几篇解决的是公式、离散和组装；这一篇对应原始会话最后一段，重点转向学习、科研、EDA 工具链和市场判断。我保留了原文里偏抽象、偏方法论的层次结构，因为它本来就是对“怎么学、怎么想、怎么判断”的一次系统展开。

如果你希望把电磁有限元放进更大的研究与产业图景里看，这篇是系列里的方法论篇。

电磁场有限元与多物理场 EDA 的元认知与方法论

第一层：认识论——你在认识什么？

1.1 三个世界

┌─────────────────────────────────────────────────────┐
│ │
│ 世界1：物理实在 │
│ 电磁波真的在那里传播，电子真的在那里流动 │
│ 你永远无法"完全"认识它 │
│ │
│ ↕ （建模） │
│ │
│ 世界2：数学模型 │
│ Maxwell方程、Navier-Stokes、漂移扩散方程 │
│ 这是人类对世界1的"有损压缩" │
│ 已经丢失了信息，但保留了最重要的结构 │
│ │
│ ↕ （离散化） │
│ │
│ 世界3：计算模型 │
│ 有限元方程 [A]{x}={b}，网格，基函数 │
│ 这是对世界2的"再次有损压缩" │
│ 又丢失了信息，但可以被计算机处理 │
│ │
└─────────────────────────────────────────────────────┘

元认知要点：

你永远不是在求解"真实问题"，你是在求解"你对问题的理解的离散化版本"。每一步都有信息损失。你的核心能力不是消除误差，而是控制每一步的信息损失，使最终结果足够好。

1.2 你真正在做的事

当你写一个有限元程序时，你实际上在做：

0047 - 二维各向异性介质电磁散射有限元：参数对应、弱形式与二维三维误差分析

Wed, 15 Apr 2026 12:26:00 +0800

这篇笔记在做什么

这一篇整理的是二维各向异性介质散射问题。原始会话里先从更一般的 Maxwell 对应关系出发，随后又收束到“无磁、仅电各向异性”的情形；这里我把两部分都保留下来，方便你同时看到一般框架和具体约束后的推导结果。

文章后半部分还保留了二维与三维在离散误差、污染误差、自由度规模和求解策略上的系统对比。

二维各向异性介质电磁散射问题的有限元方法

从 Maxwell 方程到 Helmholtz 方程 · 完整参数对应 · 二维/三维误差分析

一、从 Maxwell 方程推导二维标量方程

1.1 问题设置

二维问题：所有场量与 $z$ 无关（$\partial/\partial z = 0$）。

各向异性介质参数（对角张量）：

$$ \bar{\bar{\varepsilon}}_r = \begin{pmatrix}\varepsilon_{xx}&0&0\\0&\varepsilon_{yy}&0\\0&0&\varepsilon_{zz}\end{pmatrix}, \quad \bar{\bar{\mu}}_r = \begin{pmatrix}\mu_{xx}&0&0\\0&\mu_{yy}&0\\0&0&\mu_{zz}\end{pmatrix} $$

时间约定：$e^{-j\omega t}$

Maxwell 方程：

$$ \nabla\times\mathbf{E} = j\omega\mu_0\bar{\bar{\mu}}_r\mathbf{H} $$$$ \nabla\times\mathbf{H} = -j\omega\varepsilon_0\bar{\bar{\varepsilon}}_r\mathbf{E} $$

1.2 TM 极化（$E_z$ 极化）

场分量：$\mathbf{E} = E_z\hat{z}$，$\mathbf{H} = H_x\hat{x} + H_y\hat{y}$

从 Faraday 定律：

$$ \nabla\times(E_z\hat{z}) = \frac{\partial E_z}{\partial y}\hat{x} - \frac{\partial E_z}{\partial x}\hat{y} = j\omega\mu_0(\mu_{xx}H_x\hat{x}+\mu_{yy}H_y\hat{y}) $$$$ H_x = \frac{1}{j\omega\mu_0\mu_{xx}}\frac{\partial E_z}{\partial y}, \quad H_y = \frac{-1}{j\omega\mu_0\mu_{yy}}\frac{\partial E_z}{\partial x} $$

从 Ampere 定律：

0046 - 二维 Helmholtz 方程有限元完整推导：三角形单元、Robin 边界与正方形算例

Wed, 15 Apr 2026 12:22:00 +0800

这篇笔记在做什么

这一篇把原始对话里关于二维标量有限元的内容整理成一条完整链：控制方程、弱形式、全局编号、局部基函数、三角形单元矩阵、边界线段矩阵、正方形网格算例，以及和三维电磁棱边元的对应关系。

如果你想先在二维问题上把有限元的骨架走通，再回到三维电磁问题，这篇最适合当中间桥梁。

二维 Helmholtz 方程有限元方法

三角形单元 · 线性基函数 · Robin 边界条件 · 完整推导

一、问题陈述

1.1 控制方程

求 $\phi(x,y)$，满足：

$$ -\frac{\partial}{\partial x}\left(\alpha_x \frac{\partial \phi}{\partial x}\right)-\frac{\partial}{\partial y}\left(\alpha_y \frac{\partial \phi}{\partial y}\right)+\beta\phi=f, \quad (x,y)\in\Omega \tag{1} $$

1.2 Robin 边界条件

$$ \left(\alpha_x \frac{\partial \phi}{\partial x}\hat{x}+\alpha_y \frac{\partial \phi}{\partial y}\hat{y}\right)\cdot\hat{n}+\gamma \phi=q, \quad (x,y)\in\Gamma_2=\partial\Omega \tag{2} $$

1.3 记号简化

定义各向异性梯度算子：

$$ \bar{\bar{\alpha}}\nabla\phi \equiv \alpha_x \frac{\partial \phi}{\partial x}\hat{x}+\alpha_y \frac{\partial \phi}{\partial y}\hat{y} $$

其中 $\bar{\bar{\alpha}} = \text{diag}(\alpha_x, \alpha_y)$。

则方程和边界条件简写为：

$$ -\nabla\cdot(\bar{\bar{\alpha}}\nabla\phi)+\beta\phi = f \quad \text{in } \Omega \tag{1'} $$$$ (\bar{\bar{\alpha}}\nabla\phi)\cdot\hat{n}+\gamma\phi = q \quad \text{on } \Gamma_2 \tag{2'} $$

二、弱形式（变分形式）的推导

2.1 加权残量

用测试函数 $w(x,y)$ 乘以方程 (1)，在 $\Omega$ 上积分：

0045 - 棱边元有限元里的全局编号与局部编号：从弱形式离散到稀疏矩阵组装

Wed, 15 Apr 2026 12:18:00 +0800

这篇笔记在做什么

这篇笔记专门抽出原始会话里最难也最容易混乱的部分：全局基函数如何代入连续弱形式，为什么绝大多数单元积分自动为零，局部基函数怎样带着方向符号回到全局矩阵。

我保留了推导里的每一步筛选与变换，让“全局到局部、局部回到全局”不再只是口号，而是一条完整可验证的计算链。

从全局到局部，再从局部到全局

——弱形式离散化的完整推导

一、出发点：连续弱形式

求 $\mathbf{E}^{sca} \in H(\text{curl};\Omega)$，使得对所有 $\mathbf{T} \in H(\text{curl};\Omega)$：

$$ \begin{aligned} &\underbrace{\int_\Omega (\nabla\times\mathbf{T})\cdot(\nabla\times\mathbf{E}^{sca})\,dV}_{a_1(\mathbf{T},\mathbf{E}^{sca})} \\ &\quad - k_0^2 \underbrace{\int_\Omega \mathbf{T}\cdot\bar{\bar{\varepsilon}}_r\mathbf{E}^{sca}\,dV}_{a_2(\mathbf{T},\mathbf{E}^{sca})} \\ &\quad - jk_0 \underbrace{\oint_{S_{ABC}}(\hat{n}\times\mathbf{T})\cdot(\hat{n}\times\mathbf{E}^{sca})\,dS}_{a_3(\mathbf{T},\mathbf{E}^{sca})} \\ &= \underbrace{k_0^2\int_{\Omega_d}\mathbf{T}\cdot(\bar{\bar{\varepsilon}}_r-\bar{\bar{I}})\mathbf{E}^{inc}\,dV}_{F(\mathbf{T})} \end{aligned} $$

简记为：

$$ \boxed{a(\mathbf{T}, \mathbf{E}^{sca}) = F(\mathbf{T}), \quad \forall\,\mathbf{T} \in H(\text{curl};\Omega)} $$

其中：

$$ a(\mathbf{T}, \mathbf{E}) = a_1(\mathbf{T},\mathbf{E}) - k_0^2 a_2(\mathbf{T},\mathbf{E}) + a_3(\mathbf{T},\mathbf{E}) $$

注意 $a_3$ 已经包含了 ABC 边界条件（自然边界条件），它来自弱形式推导中的面积分项。

二、全局编号下的场逼近

2.1 全局棱边编号与全局基函数

设网格共有 $N_E$ 条全局棱边，编号为 $I = 1, 2, \ldots, N_E$。

0044 - 三维各向异性介质散射有限元完整推导：四面体棱边元、ABC 边界与矩阵组装

Wed, 15 Apr 2026 12:14:00 +0800

这篇笔记在做什么

这一篇对应原始会话里最完整的一条三维电磁有限元推导链。我保留了四面体一阶 Nedelec 棱边元、$e^{-j\omega t}$ 约定、ABC 面矩阵、全局与局部映射、质量矩阵和代码框架的细致展开。

如果你关心的是“从 Maxwell 方程一路走到可实现的单元矩阵和组装算法”，这一篇就是主干正文。

三维各向异性介质散射问题有限元方法

——四面体棱边元 · ABC边界 · $e^{-j\omega t}$约定 · 完整推导

一、物理问题与几何设置

各向异性无磁电介质立方体，被平面波照射：

 E^inc (平面波)
↓ ↓ ↓
╔══════════════════════════╗
║ Ω₀ (自由空间, ε_r=I) ║ ← S_ABC (外边界, 球/长方体)
║ ║
║ ┌──────────┐ ║
║ │ Ω_d │ ║
║ │ 各向异性 │ ║
║ │ 介质体 │ ║
║ │ ε̄̄_r(张量)│ ║
║ └──────────┘ ║
║ S_d (介质面) ║
║ ║
╚══════════════════════════╝
μ_r = 1 (全空间无磁)

材料参数——各向异性介电张量：

0043 - 三维电磁散射有限元入门：从 PEC 立方体到弱形式、棱边元与全局编号

Wed, 15 Apr 2026 12:10:00 +0800

这篇笔记在做什么

这篇笔记从一份 Playground 导出会话整理而来。我保留了原始推导里的细节，重点把最简单的三维 PEC 立方体散射问题整理成一个可连续阅读的入门版本。

文章会按下面这条线展开：Maxwell 方程、散射场分解、ABC 截断、弱形式、棱边元、六面体单元、局部到全局编号、矩阵组装。

三维电磁场散射问题的有限元方法——以立方体为例

一、物理问题描述

考虑一个边长为 $a$ 的理想导体(PEC)立方体，置于自由空间中，被一个平面波照射。我们要求解散射场。

 入射平面波 E^inc
↓ ↓ ↓
___________
/ /|
/ / |
/___________/ | PEC 立方体
| | |
| | /
| | /
|___________|/
求：散射场 E^sca

二、理论推导

2.1 从 Maxwell 方程出发

时谐场（$e^{j\omega t}$ 约定）下的 Maxwell 方程：

$$ \nabla \times \mathbf{E} = -j\omega\mu\mathbf{H} $$$$ \nabla \times \mathbf{H} = j\omega\varepsilon\mathbf{E} + \mathbf{J} $$

消去 $\mathbf{H}$，得到矢量波动方程：

$$ \nabla \times \left(\frac{1}{\mu_r} \nabla \times \mathbf{E}\right) - k_0^2 \varepsilon_r \mathbf{E} = -jk_0 Z_0 \mathbf{J} $$

其中：

0042 - 《Computational Science and Engineering》全书笔记：Strang 如何把线性代数、微分方程、FFT 与优化串成一门课

Wed, 15 Apr 2026 09:21:53 +0800

这篇笔记在做什么

这篇不是“章节目录抄一遍”的笔记，也不是只列关键词的速查表。

我想把 Gilbert Strang 的 Computational Science and Engineering 整理成一篇更容易读、也更容易拿来复习的长笔记。组织方式不会按页摘录展开，重点会放在下面这些真正重要的问题：

这本书到底想教什么，以及它如何组织这些内容？
为什么它把线性代数、微分方程、FFT、有限元、优化放在同一本书里？
各章之间是如何连接的？
哪些公式和结构是全书反复出现的骨架？
如果要把这本书变成自己的知识体系，应该怎么读？

如果一句话先说结论：

这本书同时带有数值分析教材和应用数学教材的成分，更重要的是它把建模、离散、求解、解释结果这四步重新连成一门完整的 CSE 课程。

书籍定位

项目	内容
书名	Computational Science and Engineering
作者	Gilbert Strang
出版社	Wellesley-Cambridge Press
版权年份	2007
资料规模	700+ 页
作者背景	MIT 数学系，线性代数教学与应用数学教育的重要推动者
适合读者	工程、应用数学、计算科学、计算机科学方向本科高年级至研究生
核心对象	矩阵方程、微分方程、傅里叶分析、优化问题
课程气质	重思想框架，也重算法实现；重建模，也重数值求解

这本书和常见教材最不一样的地方，是它一开始就明确把整个学科拆成两部分：

Modeling：找出关键变量，并把它们连接成矩阵方程或微分方程。
Solving：把这些方程离散化、算法化，然后交给计算机求解。

这两部分，在 Strang 看来本来就不该被拆开教。

他说得很直接：数学课只教分析技巧、工程课只做实际问题、计算课只讲软件实现，这种分裂的方式已经不够用了。真正的 Computational Science and Engineering，应该把这些重新合起来。

先抓住作者真正的主张

这本书最值得关注的是它的整体教学主张，这比单章技巧更能决定阅读收益。

作者反复强调三点。

1. 这门学科围绕求解流程组织

这本书的组织重心落在“一个问题怎么从现实走到计算机里”这条流程上，同时也兼顾经典公式和方法背景。

它真正关心的是：

现实问题怎样抽象成变量和关系？
这个关系更自然地写成矩阵方程还是微分方程？
连续问题怎样变成离散问题？
离散问题怎样才能算得快、算得稳？

所以，这本书读起来更像一整条工作流，彼此松散的知识点拼接并不足以概括它的组织方式。