第4回:2次元P1有限要素コードを数学的に監査する — assembly・境界条件・収束
ChatGPTで作る有限要素プログラム入門 第4回
はじめに――「正しそうなコード」をどう疑うか
第3回では,2次元三角形P1要素について, reference triangleからphysical triangleへの写像 \[ F_T(\widehat x)=p_0+J_T\widehat x \] と, \[ \nabla\phi_i = J_T^{-\top}\widehat\nabla\widehat\phi_i, \qquad dx=|\det J_T|\,d\widehat x \] をコードへ写しました.
今回は新しい有限要素を導入しません.代わりに,そのコードをどの順番で検査すればよいかを考えます. 有限要素コードのdebuggingでは,Pythonの例外を消すだけでは不十分です. 実装が数学的構造を保存しているかを調べる必要があります.
一つのテストに合格しただけではコードを信用しない.
局所構造 → assembly → 境界条件 → patch test → solver residual → convergence の順に,独立な検査を重ねる.
1.監査するモデル問題
第3回と同じく, \[ -\Delta u=f \qquad\text{in }\Omega=(0,1)^2, \tag{1} \] \[ u=0 \qquad\text{on }\partial\Omega \tag{2} \] を考えます.厳密解は \[ u(x,y)=\sin(\pi x)\sin(\pi y), \tag{3} \] 従って \[ f(x,y)=2\pi^2\sin(\pi x)\sin(\pi y). \tag{4} \] です.
有限要素空間は連続P1空間 \[ V_h = \{v_h\in H_0^1(\Omega): v_h|_T\in\mathbb P_1(T) \quad\forall T\in\mathcal T_h\} \tag{5} \] とします.
2.監査は局所要素から始める
三角形 \(T\) の局所剛性行列は \[ K^{(T)}_{ij} = \int_T\nabla\phi_j\cdot\nabla\phi_i\,dx. \tag{6} \] P1要素では \[ K^{(T)} = |T|G_TG_T^{\top}, \qquad |T|=\frac{|\det J_T|}{2}, \tag{7} \] ただし \(G_T\) の第 \(i\) 行は \((\nabla\phi_i)^{\top}\) です.
従って,正しい局所行列には少なくとも \[ (K^{(T)})^{\top}=K^{(T)}, \tag{8} \] \[ K^{(T)} \begin{pmatrix}1\\1\\1\end{pmatrix} = 0 \tag{9} \] が成立します.式 (9) は \[ \phi_0+\phi_1+\phi_2=1 \] というpartition of unityの微分 \[ \nabla\phi_0+\nabla\phi_1+\nabla\phi_2=0 \] に対応しています.
def audit_local_matrix(Ke, tol=1.0e-12):
symmetry = np.linalg.norm(Ke - Ke.T, ord=np.inf)
row_sum = np.linalg.norm(Ke @ np.ones(3), ord=np.inf)
assert symmetry < tol
assert row_sum < tol
return symmetry, row_sum
3.Jacobianを直接監査する
局所行列だけでなく,その前段階にある幾何情報も調べます. \[ J_T= [p_1-p_0,\ p_2-p_0] \tag{10} \] について, \[ \det J_T\neq0 \tag{11} \] でなければ要素は退化しています. 反時計回りのconnectivityを採用するなら \[ \det J_T>0 \tag{12} \] も検査できます.
さらに \[ \nabla\phi_i = J_T^{-\top}\widehat\nabla\widehat\phi_i \tag{13} \] なので,
J = np.column_stack((
P[1] - P[0],
P[2] - P[0]
))
detJ = np.linalg.det(J)
assert detJ > 0.0
invJT = np.linalg.inv(J).T
grads = (invJT @ grad_hat.T).T
assert np.linalg.norm(
grads.sum(axis=0),
ord=np.inf
) < 1.0e-12
を使えます.
4.assembly後の大域行列を監査する
Dirichlet境界条件をまだ課していない大域剛性行列を \(A_{\mathrm{full}}\) とします. 各局所行列の行和が0なので, \[ A_{\mathrm{full}}\mathbf 1=0. \tag{14} \] 従って \(A_{\mathrm{full}}\) は正定値ではなく,定数ベクトルをkernelに持つ半正定値行列です.
同次Dirichlet境界節点を除去し,内部自由度 \(I\) に制限した行列を \[ A_{II} \tag{15} \] とすると, \[ A_{II}=A_{II}^{\top}, \qquad z^{\top}A_{II}z>0 \quad(z\neq0) \tag{16} \] です.
AII = A[np.ix_(interior, interior)]
symmetry = np.linalg.norm(
AII - AII.T,
ord=np.inf
)
row_sum_full = np.linalg.norm(
A @ np.ones(len(nodes)),
ord=np.inf
)
lam_min = np.linalg.eigvalsh(AII)[0]
print(symmetry)
print(row_sum_full)
print(lam_min)
\(n=8\) のuniform triangulationでは,
| quantity | value |
|---|---|
| \(\|A_{II}-A_{II}^{\top}\|_{\infty}\) | 0.0 |
| \(\|A_{\mathrm{full}}\mathbf1\|_{\infty}\) | 0.0 |
| \(\lambda_{\min}(A_{II})\) | 3.0448e-1 |
| \(\kappa_2(A_{II})\) | 2.5274e1 |
となります.
5.Dirichlet境界条件は値そのものを検査する
同次Dirichlet条件では,境界節点の有限要素値は \[ u_h=0 \qquad\text{on }\partial\Omega \tag{17} \] でなければなりません.
boundary_error = np.max(
np.abs(uh[boundary])
)
assert boundary_error < 1.0e-14
これは単純ですが重要です. 解のplotだけを見ると,境界値を誤って処理していても気付きにくい場合があります. 境界自由度を直接数値で検査すべきです.
6.solver residualと有限要素誤差を混同しない
線形方程式を解いた後, \[ r_I = A_{II}U_I-b_I \tag{18} \] を調べます. \(n=8\) では \[ \|r_I\|_{\infty} \approx 6.94\times10^{-16} \tag{19} \] でした.
しかし,これは \[ u_h\approx u \] を意味しません. 残差が小さいということは,組み立てた離散方程式を正確に解いたことしか示していません. 間違った有限要素行列を高精度で解いてもsolver residualは小さくなります.
solver error:\(A_{II}U_I=b_I\) をどれだけ正確に解いたか.
discretisation / implementation error:その \(A_{II}\) と \(b_I\) が正しい有限要素問題を表しているか.
7.linear patch testを行う
第1回,第3回で見たように, \[ u(x,y)=a+bx+cy \tag{20} \] は三角形P1有限要素空間に厳密に含まれます. そこで \[ -\Delta u=0 \] とし,境界値を厳密解から与えれば, \[ u_h=u \tag{21} \] でなければなりません.
例えば \[ u(x,y)=1+2x-3y \tag{22} \] を使うと,最大節点誤差は
| \(n\) | max nodal error |
|---|---|
| 2 | 0.0 |
| 4 | 2.2204e-16 |
| 8 | 4.4409e-16 |
| 16 | 1.7764e-15 |
となります.これは丸め誤差の水準です.
8.最後に収束次数を確認する
滑らかな解に対して,shape-regularな三角形P1メッシュでは \[ \|u-u_h\|_{L^2(\Omega)}=O(h^2), \qquad |u-u_h|_{H^1(\Omega)}=O(h). \tag{23} \] 従って相対誤差 \[ E_{L^2}^{\mathrm{rel}} = \frac{\|u-u_h\|_{L^2(\Omega)}}{\|u\|_{L^2(\Omega)}}, \qquad E_{H^1}^{\mathrm{rel}} = \frac{|u-u_h|_{H^1(\Omega)}}{|u|_{H^1(\Omega)}} \tag{24} \] についても2次と1次が期待されます.
| \(n\) | \(L^2\) relative error | rate | \(H^1\) seminorm relative error | rate |
|---|---|---|---|---|
| 4 | 1.5818e-1 | — | 3.7748e-1 | — |
| 8 | 4.2267e-2 | 1.904 | 1.9438e-1 | 0.958 |
| 16 | 1.0755e-2 | 1.975 | 9.7926e-2 | 0.989 |
| 32 | 2.7009e-3 | 1.994 | 4.9056e-2 | 0.997 |
ここまで来て初めて,「この実装は少なくとも期待されるP1有限要素法の漸近挙動と整合している」と判断できます.
9.わざとバグを入れる:\(J^{-\top}\) を \(J^{-1}\) に変える
AI生成コードで起こりやすい誤りを意図的に入れてみます. 正しいコード
invJT = np.linalg.inv(J).T
grads = (invJT @ grad_hat.T).T
を,
invJ = np.linalg.inv(J)
grads = (invJ @ grad_hat.T).T
へ変えます.chain ruleに反するので数学的には誤りです.
10.ところが,間違ったコードもいくつかのテストを通る
このバグは意外に見つけにくいです. なぜなら,間違った \(G_T\) を使っても \[ K^{(T)}=|T|G_TG_T^{\top} \] と作れば行列は対称です.さらに \[ \sum_i\widehat\nabla\widehat\phi_i=0 \] なので,任意の線形変換を掛けても行和0という性質は残ります.
さらに今回のstructured meshでは,この誤った実装でもlinear patch testがほぼ機械精度で通ります.例えば \(n=8\) で最大節点誤差は \[ 2.22\times10^{-15} \] 程度です.
symmetry testにもpatch testにも合格したからといって,コードが正しいとは限らない.
11.収束試験はそのバグを検出する
同じ誤ったコードで \[ u(x,y)=\sin(\pi x)\sin(\pi y) \] を解くと,状況が変わります.
| \(n\) | wrong \(L^2\) relative error | rate | wrong \(H^1\) relative error | rate |
|---|---|---|---|---|
| 4 | 3.5149e-1 | — | 4.6679e-1 | — |
| 8 | 3.1152e-1 | 0.174 | 3.8825e-1 | 0.266 |
| 16 | 3.0125e-1 | 0.048 | 3.6507e-1 | 0.089 |
| 32 | 2.9864e-1 | 0.013 | 3.5899e-1 | 0.024 |
誤差は0へ向かって期待次数で減らず,ほぼplateauしています. 正しいコードとの差は明白です.
この例は, 収束次数が単なる理論上の飾りではなく,実装を検証するテスト仕様になっている ことを示しています.
12.一つのテストではなく,独立な監査を重ねる
今回の例から,テストには役割分担があることが分かります.
| test | 主に検出するもの | 限界 |
|---|---|---|
| local symmetry | 局所行列の非対称な実装ミス | 誤った対称行列も通る |
| row-sum test | partition of unityの破壊 | 誤った線形変換でも残る場合がある |
| boundary test | Dirichlet処理 | 内部作用素の誤りは分からない |
| linear patch test | 一次式再現性 | 今回の \(J^{-1}\) bugを見逃す |
| solver residual | 線形solver | 離散問題自体の正しさを保証しない |
| convergence test | 漸近的な離散化・実装の整合性 | 厳密解またはreference solutionが必要 |
13.監査コードをassertionとして埋め込む
監査を記事だけで終わらせず,開発中のコードへ組み込むこともできます.
def audit_element(P, Ke, grads, tol=1.0e-12):
J = np.column_stack((
P[1] - P[0],
P[2] - P[0]
))
detJ = np.linalg.det(J)
assert detJ > 0.0
assert np.linalg.norm(
grads.sum(axis=0),
ord=np.inf
) < tol
assert np.linalg.norm(
Ke - Ke.T,
ord=np.inf
) < tol
assert np.linalg.norm(
Ke @ np.ones(3),
ord=np.inf
) < tol
def audit_linear_system(A, b, uh, interior, boundary):
AII = A[np.ix_(interior, interior)]
assert np.linalg.norm(
AII - AII.T,
ord=np.inf
) < 1.0e-12
assert np.linalg.eigvalsh(AII)[0] > 0.0
assert np.max(
np.abs(uh[boundary])
) < 1.0e-12
residual = (
AII @ uh[interior]
- b[interior]
)
assert np.linalg.norm(
residual,
ord=np.inf
) < 1.0e-10
ただし,これらのassertionをすべて通過しても,前節の例のように収束試験が必要です.
14.ChatGPTには「コードを書け」ではなく「監査せよ」と頼む
この2次元三角形P1有限要素コードを監査してください.
(1) reference gradientからphysical gradientへの変換が \(J^{-\top}\) になっているか,
(2) \(|\det J|\) と三角形面積の \(1/2\) が正しいか,
(3) 各局所剛性行列が対称で行和0か,
(4) assembly後のfull matrixが定数ベクトルをkernelに持つか,
(5) Dirichlet自由度を除去した行列が対称正定値か,
(6) linear patch testを通るか,
(7) solver residualが十分小さいか,
(8) smooth manufactured solutionで \(L^2\) 2次・\(H^1\) 1次の収束が得られるか,
を数式とコードを対応させながら順に確認してください.
このように質問すれば,ChatGPTを単なるcode generatorではなく, 検査項目を一緒に走査するreviewerとして使えます. ただし,最終判断の基準は有限要素法の数学です.
15.第4回の結論
2次元P1有限要素コードの監査では,
- Jacobianとphysical gradientを確認する,
- 局所行列の対称性・行和を確認する,
- assembly後の大域行列の構造を確認する,
- Dirichlet境界値を直接確認する,
- linear patch testを行う,
- solver residualを確認する,
- 最後に相対誤差と収束次数を確認する,
という複数段階のテストが必要です.
\(J^{-\top}\) を \(J^{-1}\) と誤って実装しても, 対称性やlinear patch testだけでは見抜けない場合がある. しかし,smooth solutionに対する収束試験では誤差がplateauし,実装の誤りが明確に現れる.
有限要素法の誤差解析は,コードを書いた後の理論的な付録ではありません. 期待される収束率そのものが,実装を検証するための仕様になります.
参考文献
- P. G. Ciarlet, The Finite Element Method for Elliptic Problems, North-Holland, 1978.
- S. C. Brenner and L. R. Scott, The Mathematical Theory of Finite Element Methods, 3rd ed., Springer, 2008.
- A. Ern and J.-L. Guermond, Finite Elements I: Approximation and Interpolation, Springer, 2021.
関連ページ: 第1回:ChatGPTだけで有限要素プログラムは作れるか, 第2回:1次元Poisson方程式を有限要素法で解く, 第3回:2次元三角形P1要素 — reference elementとJacobian, Blog一覧
