上一篇把我們留在何處
上一篇裡，我們取了一個寫成散度形式的均勻橢圓算子——想想模型 -Laplacian u = f，定義在某區域上，邊界上 u = 0——並且拒絕去微分兩次。我們改成乘上一個測試函數 v，分部積分一次，落到一句乾淨的陳述上：找一個在索伯列夫空間裡的 u，使得對每一個 v 都有 B(u, v) = L(v)。左邊的 B 是一個 雙線性形式，吃進兩個函數、吐出一個數；右邊的 L 是一個攜帶資料 f 的線性泛函。一個弱解，恰恰就是任何能讓這條等式對所有測試 v 都成立的 u。
這次重新表述是誠實的進展，但還算不上答案。弱形式只是把問題換了個說法；它並沒有保證會有一個 u 來回應它，也沒保證只會有一個。這篇導讀的全部工作，就是把那份保證補上。了不起的地方在於：我們可以抽象地做到——純粹從 B 與 L 在索伯列夫空間上的形狀出發——根本不必寫出 u 的任何公式，也還不需要知道 u 是不是二次可微。先談存在；光滑性是下一篇的問題。
拉克斯-米爾格倫：強制性直接買來存在性
這是最乾淨的情形。設 B 是有界的——|B(u, v)| 不會超過某個常數乘上 u 的大小再乘上 v 的大小——而且 B 是強制的——B(u, u) 至少是某個正常數乘上 u 大小的平方。強制性就是那塊分析的肌肉：它說這個形式永遠不會塌陷，逼著 u 擁有大的索伯列夫範數，就會逼出 B(u, u) 也很大。恰恰在這兩個條件下，拉克斯-米爾格倫定理便宣告：對每一個右端 L，都存在唯一一個 u，使得對所有 v 都有 B(u, v) = L(v)。存在與唯一，一氣呵成。
為什麼這可信？當 B 還是對稱的時候，B(u, u) 就字面上是能量，而弱解正是那個讓能量泛函取得極小值的唯一函數——這就是上一篇的狄利克雷原理。拉克斯-米爾格倫是把對稱假設拿掉的升級版：即使對帶有一階漂移項的算子——那裡根本沒有能量可極小化——同樣的強制性仍舊把唯一的 u 釘死。它的證明，是換上一件稍微寬鬆外套的里斯表示定理。你不必懂證明也能用它；你要做的是核對兩條不等式。
對於模型 -Laplacian u = f 配零邊界資料，強制性並非免費——它是幾何送的禮物。那形式是 B(u, v) = (gradient u 點乘 gradient v) 的積分，所以 B(u, u) 是 |gradient u|^2 的積分，它只管住梯度，管不住 u 本身。龐加萊不等式 正是救我們的那一手：在有界區域上，一個在邊界上消失的函數，除非它的梯度很大，否則不可能很大，於是 |gradient u|^2 的積分早已管住了完整的索伯列夫範數。正是這一條不等式讓拉普拉斯算子變得強制，從而讓拉克斯-米爾格倫得以發動。
當強制性失效：弗雷德霍姆抉擇
強制性很慷慨，卻不普世。加上一個零階項，考慮 -Laplacian u - c u = f，其中 c 是一個正常數。如今 B(u, u) = |gradient u|^2 的積分減去 c 乘上 u^2 的積分，而當 c 很大時，那負的部分可以壓過正的部分——強制性沒了，拉克斯-米爾格倫無處著力。這不是技術細節。當 c 撞上拉普拉斯算子的一個特徵值時，齊次問題 -Laplacian u - c u = 0 就有一個貨真價實的非零解，於是唯一性必定失效。理論對此必須誠實以對。
救援者是 弗雷德霍姆抉擇，它是分析裡最令人滿意的二分法之一。它說：要嘛齊次問題只有零解，這時非齊次問題 -Laplacian u - c u = f 對每一個 f 都恰有一個解——就像一個可逆的矩陣；要嘛齊次問題有非零解，這時 f 必須滿足一張有限長度的正交條件清單，解才可能存在，而一旦存在，解就恰好相差那些齊次解而不唯一。存在與唯一同起同落，由一個有限維的核所支配。
這恰是線性代數那個事實的無窮維回聲：對一個方陣 A，要嘛 A x = b 對所有 b 都唯一可解，要嘛 A 有非平凡的零空間，而 A x = b 僅在 b 與轉置的零空間正交時才可解。奇蹟在於，一個作用在無窮維索伯列夫空間上的橢圓算子，竟仍服從這條有限維的法則。藏在背後的引擎是緊緻性：雷利希-孔德拉霍夫定理使得相關的逆算子成為一個緊算子，而緊算子正是那種能讓矩陣式二分法保持完好的算子。
Two existence theorems, side by side
------------------------------------------------------
B coercive (Lax-Milgram)
for EVERY f -> exactly one weak solution u
model: -Lap u = f, u = 0 on boundary
B not coercive (Fredholm alternative)
EITHER homogeneous has only u = 0
-> exactly one u for every f
OR homogeneous has nonzero solutions phi_1..phi_k
-> u exists only if L(phi_i) = 0 for all i
-> and then u is unique up to + span{phi_i}
model: -Lap u - c u = f, c near an eigenvalue
------------------------------------------------------證明究竟如何抓住一個解
值得看看那股建構的精神，因為它解釋了我們為何從不需要公式。想法是：先在有限多個維度裡解出問題，再過渡到極限。挑一張會增長的基底函數清單，只要求 B(u, v) = L(v) 對那有限多個 v 成立，剩下的便是一個普通的線性方程組——一條你解得出來的矩陣方程。當你容許愈來愈多基底函數時，這些近似解就被困住了：強制性逼著它們保持有界，而索伯列夫空間裡一個有界的序列必有一個弱收斂的子序列。那個極限就是弱解。
那套作法就是 伽遼金法，而它遠不只是一個證明工具——它是工程師每天在跑的有限元法的骨幹。那同一個讓我們得以證明存在性的弱形式，正是電腦真正拿去離散化的形式。把理論建在 B(u, v) = L(v) 之上、而非建在逐點的偏微分方程之上，正是讓「抽象存在」通往「真實計算」的那座橋如此短的原因。
- 把偏微分方程乘上一個測試函數，並分部積分一次，抵達 B(u, v) = L(v)——即弱形式。
- 檢查 B 在索伯列夫空間上是否有界且強制（強制性常由龐加萊不等式提供）。
- 若強制，援引拉克斯-米爾格倫：對每個右端都有唯一弱解，搞定。
- 若不強制，啟動弗雷德霍姆抉擇：檢查齊次的核，再用 L 去檢驗它以判定可解性。
- 直到此刻、確保了存在性之後，才把弱解交給橢圓正則性，去問它究竟光不光滑。
誠實的附帶條款
上路前三件誠實話。第一，這裡的一切都倚靠均勻橢圓性：係數矩陣必須處處以一個固定的餘量保持正定，不得退化。失去這點，雙線性形式就可能不再有界或不再強制，這些定理便根本不適用——就如同把熱方程倒著跑、或替拉普拉斯方程擺上柯西資料，都會破壞適定性一樣。是算子的結構、而不只是它的階數，授權了這套方法。
第二，弱解確實比古典解更弱。它只需在某種平均、積分的意義下擁有一階導數——它住在索伯列夫空間裡，而不在二次可微函數的世界裡。所以證明了存在性，並不等於我們已經逐點解出了原本的偏微分方程。這道縫隙是真實的，而把它縫合，恰恰是橢圓正則性的工作：對良好的資料與良好的區域，弱解最終會光滑到資料所容許的程度。但那是一條要去掙來的定理，而非一個可以隨意假設的前提。