第11回:CR・RTなど,P1の次に何を見るか — 自由度・Piola変換・可換性

ChatGPTで作る有限要素プログラム入門 第11回

はじめに――P1の次は「多項式次数を上げる」だけではない

第1–10回では,主に連続P1 Lagrange要素を使って, 弱形式,reference element,Jacobian,assembly,異方性mesh,debuggingを見てきました.

P1の次へ進むとき,P2へ高次化する道もあります. しかし有限要素法にはもう一つ重要な方向があります. 自由度そのものを変えることです.

P1から先で変わるもの
P1 Lagrange:頂点値をつなぐ.
CR:辺・面の平均値をつなぐ.
RT:法線fluxをつなぐ.
Nédélec:接線方向のline momentをつなぐ.

つまり,finite elementは 「要素内で何次多項式を使うか」 だけでなく, どの量をglobalに連続にするか で分類されます.

1.まず四つの要素を一枚の表で見る

element 主な自由度 global structure 代表的用途
P1 Lagrangevertex value\(H^1\)-conformingPoisson, diffusion
Crouzeix–Raviartedge / face meannonconforming \(H^1\)elliptic, Stokes, Navier–Stokes
Raviart–Thomasnormal flux moment\(H(\mathrm{div})\)-conformingmixed FEM, flux, conservation
Nédélectangential edge moment\(H(\mathrm{curl})\)-conformingMaxwell, de Rham

この表を見ると,P1からCR・RTへ進む意味は, 単なるelement libraryの追加ではないことが分かります.

2.CR要素:頂点値を捨てて,辺平均を自由度にする

三角形 \(T\) の辺を \(E_0,E_1,E_2\) とし, \(E_i\) は頂点 \(p_i\) の反対側の辺とします. local CR spaceは \[ P_1(T) \] ですが,自由度は頂点値ではなく \[ \boxed{ m_i(v) = \frac{1}{|E_i|} \int_{E_i}v\,ds } \tag{1} \] です.

隣接する二要素 \(T^+,T^-\) が内部辺 \(E\) を共有するとき, CR global spaceでは \[ \int_E \left( v_h|_{T^+} - v_h|_{T^-} \right)\,ds = 0. \tag{2} \]

従って関数値そのものはedge上で一致しなくても, jumpのedge meanが0になります. これがnonconforming \(H^1\) elementという意味です.

3.reference triangle上のCR基底は非常に簡単

reference triangle \[ \widehat T = \operatorname{conv} \{(0,0)^{\top},(1,0)^{\top},(0,1)^{\top}\} \] のbarycentric coordinatesを \[ \widehat\lambda_0=1-\xi-\eta, \qquad \widehat\lambda_1=\xi, \qquad \widehat\lambda_2=\eta \] とします.

edge \(E_i\) に対応するCR basisは \[ \boxed{ \widehat\psi_i = 1-2\widehat\lambda_i. } \tag{3} \] 従って \[ \widehat\psi_0 = -1+2\xi+2\eta, \qquad \widehat\psi_1 = 1-2\xi, \qquad \widehat\psi_2 = 1-2\eta. \tag{4} \]

これらは \[ m_j(\widehat\psi_i)=\delta_{ij} \tag{5} \] を満たします. 2次元でlinear functionのedge averageはedge midpointでの値と一致するので, CR自由度を「辺中点値」として実装することもできます. ただし本質的な定義はedge meanです.

4.CR mappingはscalar pullbackのまま

affine map \[ F_T(\widehat x)=p_0+J_T\widehat x \] に対してCR basisもscalar functionなので, \[ \psi_i = \widehat\psi_i\circ F_T^{-1} \tag{6} \] と写せます. 従ってgradientはP1 Lagrangeと同じく \[ \boxed{ \nabla\psi_i = J_T^{-\top} \widehat\nabla\widehat\psi_i. } \tag{7} \]

ただしglobal assemblyで共有するDoFはvertexではなくedgeです. したがってCR実装では \[ \text{element-to-edge connectivity} \] が中心になります.

5.CR interpolationにはgradientの可換性がある

CR interpolation \(I_T^{\mathrm{CR}}\) を \[ \int_E I_T^{\mathrm{CR}}u\,ds = \int_Eu\,ds \qquad \text{for every face }E\subset\partial T \tag{8} \] で定めます.

\(I_T^{\mathrm{CR}}u\) のgradientは要素内で定数です. Gaussの公式を使うと \[ |T|\nabla I_T^{\mathrm{CR}}u = \sum_{E\subset\partial T} \left( \int_Eu\,ds \right)n_E = \int_T\nabla u\,dx. \] 従って \[ \boxed{ \nabla I_T^{\mathrm{CR}}u = \Pi_T^0(\nabla u), } \tag{9} \] ここで \(\Pi_T^0\) はelementwise \(L^2\)-projection onto constantsです.

これはCR要素が単なる「連続P1を少し壊した要素」ではなく, 微分作用素と相性のよい構造を持っていることを示します.

6.RT要素:自由度は法線fluxになる

lowest-order Raviart–Thomas spaceは \(d\) 次元simplex上で \[ \boxed{ RT_0(T) = P_0(T)^d + xP_0(T) } \tag{10} \] です. つまり \[ q(x)=a+bx, \qquad a\in\mathbb R^d,\quad b\in\mathbb R. \]

自由度は各face \(F\) 上のnormal flux \[ \boxed{ \ell_F(q) = \int_F q\cdot n_F\,ds. } \tag{11} \]

隣接要素でこのnormal fluxを一貫して共有することにより, global RT spaceは \[ H(\mathrm{div};\Omega) \] に入ります.

7.reference simplexのRT0 basis

reference simplexの頂点を \[ \widehat p_0,\ldots,\widehat p_d \] とし,\(\widehat F_i\) を \(\widehat p_i\) の反対faceとします. すると \[ \boxed{ \widehat q_i(\widehat x) = \frac{1}{d|\widehat T|} \left( \widehat x-\widehat p_i \right) } \tag{12} \] は \[ \int_{\widehat F_j} \widehat q_i\cdot\widehat n_j\,d\widehat s = \delta_{ij} \tag{13} \] を満たします.

2次元reference triangleでは \[ 2|\widehat T|=1 \] なので, \[ \widehat q_0=(\xi,\eta)^{\top}, \quad \widehat q_1=(\xi-1,\eta)^{\top}, \quad \widehat q_2=(\xi,\eta-1)^{\top}. \tag{14} \]

8.RTではscalar P1と同じmappingを使ってはいけない

ここがP1からRTへ進む最初の大きな違いです. orientation-preserving affine map \[ x=F_T(\widehat x) = p_0+J_T\widehat x, \qquad \det J_T>0 \] に対してRT vector fieldは \[ \boxed{ q(x) = \frac{1}{\det J_T} J_T \widehat q(\widehat x) } \tag{15} \] で写します. これがcontravariant Piola transformです.

この変換はnormal fluxを保存します. 対応するfaceについて \[ \boxed{ \int_F q\cdot n\,ds = \int_{\widehat F} \widehat q\cdot\widehat n\,d\widehat s. } \tag{16} \]

mappingをelement familyごとに確認する
scalar \(H^1\):composition \( \widehat v\circ F^{-1}\).
gradient:\(J^{-\top}\).
\(H(\mathrm{div})\) vector:\((\det J)^{-1}J\).
\(H(\mathrm{curl})\) vector:\(J^{-\top}\)(covariant Piola).

「前の要素で使ったJacobian formulaをそのまま流用する」 ことが危険な理由です.

9.Piola transformはdivergenceも正しく運ぶ

contravariant Piola transform (15) に対して \[ \boxed{ \nabla\cdot q = \frac{1}{\det J_T} \widehat\nabla\cdot\widehat q. } \tag{17} \]

そのためRT interpolation \(I_T^{\mathrm{RT}}\) は \[ \boxed{ \nabla\cdot I_T^{\mathrm{RT}}q = \Pi_T^0(\nabla\cdot q) } \tag{18} \] というcommuting propertyを持ちます.

CRではgradient, RTではdivergenceがelementwise constant projectionと可換になります.

10.CRとRTは離散部分積分でつながる

\(v_h\) をhomogeneous boundary conditionを持つCR function, \(q_h\) をlowest-order RT functionとします. 要素ごとの部分積分を足し合わせると, CRのjumpはface meanが0, RTのnormal componentはface上で連続かつ定数なので, interior-face termが打ち消し合います.

従って \[ \boxed{ \sum_{T\in\mathcal T_h} \int_T \nabla v_h\cdot q_h\,dx + \sum_{T\in\mathcal T_h} \int_T v_h\,\nabla\cdot q_h\,dx = 0. } \tag{19} \]

これはCRとRTの相性がよい理由の一つです. CR側はnonconforming scalar variable, RT側はnormal-flux-conforming vector variableとして, 離散gradientとfluxが自然に組み合わさります.

11.reference triangleでCRとRTをPython監査する

import numpy as np


vertices = np.array([
    [0.0, 0.0],
    [1.0, 0.0],
    [0.0, 1.0]
])


def cr_basis(x):
    xi, eta = x

    lam = np.array([
        1.0 - xi - eta,
        xi,
        eta
    ])

    return 1.0 - 2.0 * lam


grad_cr_hat = np.array([
    [ 2.0,  2.0],
    [-2.0,  0.0],
    [ 0.0, -2.0]
])


def rt0_basis(x):
    x = np.asarray(x, dtype=float)

    return np.array([
        x - vertices[0],
        x - vertices[1],
        x - vertices[2]
    ])

CR edge meanはlinear functionなのでedge midpointで厳密に評価できます. RT0のnormal componentも各edge上で定数なので, midpoint value×edge lengthでflux integralを厳密に評価できます.

12.CR自由度のKronecker propertyをtestする

reference edgesを \[ E_0=[p_1,p_2], \quad E_1=[p_2,p_0], \quad E_2=[p_0,p_1] \] とします.

edges = [
    (1, 2),
    (2, 0),
    (0, 1)
]

M = np.zeros((3, 3))

for j, (a, b) in enumerate(edges):
    midpoint = 0.5 * (
        vertices[a] + vertices[b]
    )

    M[j, :] = cr_basis(midpoint)

print(M)

得られるmatrixは \[ M=I_3. \tag{20} \] つまりreference basisとedge DoFの対応が正しいことを, assembly前にunit testできます.

13.RT normal-flux DoFも直接testする

reference triangleのoutward unit normalsは \[ n_0=\frac{1}{\sqrt2}(1,1)^{\top}, \qquad n_1=(-1,0)^{\top}, \qquad n_2=(0,-1)^{\top}. \]

normals = np.array([
    [1.0, 1.0]
        / np.sqrt(2.0),
    [-1.0, 0.0],
    [0.0, -1.0]
])

flux_matrix = np.zeros((3, 3))

for j, (a, b) in enumerate(edges):
    pa = vertices[a]
    pb = vertices[b]

    midpoint = 0.5 * (pa + pb)
    length = np.linalg.norm(pb - pa)

    q = rt0_basis(midpoint)

    flux_matrix[j, :] = (
        q @ normals[j]
        * length
    )

print(flux_matrix)

これも \[ \texttt{flux\_matrix}=I_3 \tag{21} \] になります.

RT実装ではbasis coefficientだけを見るより, 保存されるべきnormal fluxを直接testする方が安全です.

14.physical triangleへ写してPiolaを監査する

skew triangleでも同じtestを行います.

P = np.array([
    [0.0, 0.0],
    [1.0, 0.0],
    [0.3, 0.8]
])

J = np.column_stack((
    P[1] - P[0],
    P[2] - P[0]
))

detJ = np.linalg.det(J)

if detJ <= 0.0:
    raise ValueError(
        "Use a positive orientation"
    )


def map_rt0(qhat):
    return (
        J @ qhat.T
    ).T / detJ


grad_cr = np.linalg.solve(
    J.T,
    grad_cr_hat.T
).T

CR gradientは \(J^{-\top}\),RT fieldは \(J/\det J\) です. この二つを取り違えないことが,P1の次に進むときの最初のmapping auditになります.

15.orientationがRT・Nédélecで急に重要になる

scalar P1やCRでは,local vertex orderingを一貫して扱えば, orientation signは主としてgeometry bookkeepingの問題でした.

RTではglobal face normalをどちら向きに取るかによってDoFの符号が変わります. Nédélecではedge directionを反転するとtangential DoFの符号が変わります.

したがってvector finite elementでは,

\[ \boxed{ \text{local numbering} + \text{global edge/face orientation} + \text{sign map} } \tag{22} \]

を明示的に管理する必要があります.

16.Nédélecはどこに入るか

3次元のconforming de Rham sequenceは概念的に \[ H^1 \xrightarrow{\nabla} H(\mathrm{curl}) \xrightarrow{\nabla\times} H(\mathrm{div}) \xrightarrow{\nabla\cdot} L^2 \tag{23} \] です. 低次有限要素では,

\[ \boxed{ \text{Lagrange} \to \text{Nédélec} \to \text{Raviart–Thomas} \to P_0 } \tag{24} \]

という対応が現れます.

Nédélec elementはedge tangential momentを自由度に持ち, covariant Piola \[ v(x) = J_T^{-\top} \widehat v(\widehat x) \tag{25} \] を使います.

CRはこのconforming de Rham sequenceそのものの一員ではありません. 一方,CR–RTには式 (19) の離散部分積分や, gradient / divergenceのcommuting structureを通じた強い関係があります. この二つを混同しないことが重要です.

17.P1で使ったdebugging protocolはどう変わるか

P1でのtest CR / RTで追加するtest
vertex Kronecker propertyedge mean / normal-flux Kronecker property
\(J^{-\top}\) gradientRT contravariant Piola
global nodal continuityCR mean continuity / RT normal continuity
linear patch testmoment reproduction + commuting test
orientation mostly geometry-sideedge/face sign consistency is essential
energy errorbroken gradient, flux, divergence, conservation

18.異方性meshではPiola transformとgeometryを同時に見る

第6–9回では,Jacobianを方向別scaleとshape deformationに分けました. RTやNédélecでは,そのJacobianがvector fieldそのもののtransformに入ります. 従って異方性が強いと, vector componentのscaleも方向ごとに大きく変わります.

このため \[ \|J_T\|, \qquad \|J_T^{-1}\|, \qquad \det J_T, \qquad H_T/h_T \] をscalar P1以上に注意深く追う必要があります.

実際,このサイトの研究記録には, anisotropic CR–RT error analysis, anisotropic Raviart–Thomas interpolation, semi-regular mesh上のnonconforming analysisが 別々の研究課題として並んでいます. P1のerror estimateをそのままRTへコピーすることはできません.

19.CR・RTの組合せは局所保存とcertificationへつながる

RT fieldはnormal fluxをglobalに整合させるため, local conservationを表現するのに適しています. 一方,CRはelementwise gradientを持ち, RTとの離散部分積分が自然に成立します.

この組合せは,

\[ \text{nonconforming primal variable} \quad+\quad \text{conservative flux} \]

という構造を作ります. その先にはStokes / Navier–Stokes, equilibrated-flux reconstruction, verified outputなどがあります.

本サイトでも Publications にはanisotropic CR–RT error analysis, anisotropic RT interpolation, modified CR Navier–Stokes, CR–RT equilibrated-flux certificationが それぞれ別のformal outputとして整理されています.

20.ChatGPTへのCR・RT audit prompt

Audit prompt
このCR / Raviart–Thomas有限要素コードを,P1 Lagrange要素と同じ基準で評価しないでください.
CRについては
(1) edge / face mean DoF,
(2) local CR basisのKronecker property,
(3) element-to-edge / face connectivity,
(4) mean continuity,
(5) \(\nabla I_h^{CR}u=\Pi_0\nabla u\)
を確認してください.
RTについては
(6) normal-flux DoF,
(7) global face orientationとsign,
(8) contravariant Piola transform,
(9) normal-flux preservation,
(10) \(\nabla\cdot I_h^{RT}q=\Pi_0\nabla\cdot q\)
を確認してください.
最後にCR–RT discrete integration by partsと異方性mesh上でのgeometry scalingを監査してください.

21.第11回の結論

P1の次に学ぶべきことは, 多項式次数を上げることだけではありません. より重要なのは,

\[ \boxed{ \text{何を自由度にし, 何をglobalに連続にするか} } \]

です.

CRではedge / face mean, RTではnormal flux, Nédélecではtangential edge momentを使います. それに伴い,mappingも

\[ J^{-\top}, \qquad \frac{J}{\det J}, \qquad J^{-\top} \]

というようにfunction spaceの構造に合わせて変わります.

そしてCRとRTでは \[ \nabla I_h^{CR} = \Pi_0\nabla, \qquad \nabla\cdot I_h^{RT} = \Pi_0\nabla\cdot \] というcommuting propertyと, 離散部分積分が重要な監査基準になります.

P1の次の有限要素法では,「basis functionの式」より構造を見る
DoF,continuity,mapping,commuting property,conservationを 一つのセットとして実装・監査する.

次回はこの連載の前半を総括して, 有限要素法では,なぜ数学的誤差解析が必要なのか を考えます.

参考文献・関連ページ

  1. D. Boffi, F. Brezzi and M. Fortin, Mixed Finite Element Methods and Applications, Springer, 2013.
  2. H. Ishizaka, “Anisotropic Raviart–Thomas interpolation error estimates using a new geometric parameter”, Calcolo 59 (2022), 50. DOI.
  3. H. Ishizaka, “Anisotropic modified Crouzeix–Raviart finite element method for the stationary Navier–Stokes equation”, Numerische Mathematik 157 (2025), 855–895. DOI.
  4. Vision 20:anisotropic CR–RT, DMP and maximum norm
  5. Vision 21:3D Nédélec, de Rham, Hodge and Maxwell
  6. 第10回:ChatGPTが書いたFEMコードをどうデバッグするか

ページの先頭へ