第12回:有限要素法では,なぜ数学的誤差解析が必要なのか
ChatGPTで作る有限要素プログラム入門 第12回
はじめに――「計算できた」と「正しい近似が得られた」は違う
第1回からここまで,弱形式,P1要素,Jacobian,assembly,3次元, 異方性mesh,debugging,CR・RTまで進んできました.
この連載で何度も現れたのは,
\[ \boxed{ \text{code runs} \not\Longrightarrow \text{correct finite-element approximation} } \tag{1} \]という事実です.
第4回では,gradient transformを \[ J_T^{-\top} \] ではなく \[ J_T^{-1} \] と誤って実装したコードが,symmetry testとlinear patch testを通過しました. それでもsmooth solutionに対する誤差は期待次数で減りませんでした.
数学的誤差解析は「計算後に付ける理論的説明」ではない.
何が正しい計算結果なのかを,計算前に規定するtest specificationである.
1.最初に「どの誤差を測るか」を決める
有限要素解を \(u_h\),厳密解を \(u\) と書いても, 「誤差」 という言葉だけでは不十分です.
Poisson問題でも, \[ \|u-u_h\|_{L^2(\Omega)}, \qquad |u-u_h|_{H^1(\Omega)}, \qquad \|u-u_h\|_{L^\infty(\Omega)} \tag{2} \] は異なる量です. またfluxが重要なら \[ \|\nabla u-q_h\|_{L^2(\Omega)} \] や \[ \|\nabla\cdot(q-q_h)\|_{L^2(\Omega)} \] を見ることもあります.
したがって誤差解析の第一歩は, 何を近似したいのか,どのnormで測るのか を決めることです.
2.Céaの補題は「有限要素法の誤差を近似論へ変換する」
Hilbert空間 \(V\) 上のvariational problem \[ a(u,v)=\ell(v) \qquad \forall v\in V \tag{3} \] を考えます. bilinear formが \[ |a(w,v)| \le M\|w\|_V\|v\|_V, \tag{4} \] \[ a(v,v) \ge \alpha\|v\|_V^2, \qquad \alpha>0 \tag{5} \] を満たし,conforming finite-element space \[ V_h\subset V \] を使うとします.
Galerkin solution \(u_h\in V_h\) は \[ a(u_h,v_h)=\ell(v_h) \qquad \forall v_h\in V_h \tag{6} \] を満たし,Céaの補題から \[ \boxed{ \|u-u_h\|_V \le \frac{M}{\alpha} \inf_{v_h\in V_h} \|u-v_h\|_V. } \tag{7} \]
これは重要です. 有限要素誤差の問題を,
\[ \text{PDE solution error} \quad\longrightarrow\quad \text{best approximation error} \]へ変換しています.
3.対称問題ではenergy normでbest approximationそのものになる
さらに \(a\) が対称かつ正定値で, \[ \|v\|_a:=a(v,v)^{1/2} \tag{8} \] をenergy normとすると,Galerkin orthogonality \[ a(u-u_h,v_h)=0 \qquad \forall v_h\in V_h \tag{9} \] から \[ \boxed{ \|u-u_h\|_a = \min_{v_h\in V_h} \|u-v_h\|_a. } \tag{10} \]
つまりPoisson型の対称coercive problemでは, 有限要素法はenergy normに関して離散空間のbest approximationを与えます.
4.そこで補間誤差解析が必要になる
Céaの補題だけでは \[ \inf_{v_h\in V_h}\|u-v_h\|_V \] の大きさは分かりません. そこで具体的な補間関数 \[ I_hu\in V_h \] を作り, \[ \inf_{v_h\in V_h}\|u-v_h\|_V \le \|u-I_hu\|_V \tag{11} \] と評価します.
shape-regularなsimplicial P1 meshで \(u\in H^2(\Omega)\) なら,標準的に \[ |u-I_hu|_{H^1(\Omega)} \le Ch|u|_{H^2(\Omega)}, \tag{12} \] \[ \|u-I_hu\|_{L^2(\Omega)} \le Ch^2|u|_{H^2(\Omega)}. \tag{13} \]
Poisson problemのenergy normではこれが \[ |u-u_h|_{H^1(\Omega)} = O(h) \tag{14} \] という予測につながります.
5.\(L^2\)で2次になるには追加の数学が要る
P1 finite elementで \[ \|u-u_h\|_{L^2(\Omega)} = O(h^2) \tag{15} \] が得られるのは,単にP1だからではありません.
典型的にはAubin–Nitsche duality argumentを使い, adjoint problemに \[ H^2 \] regularityがあることを仮定します. 例えばconvex polygonでPoisson problemを考える場合などです.
従って
\[ \boxed{ L^2\text{ 2次収束} } \]という一行の背後には, approximation propertyだけでなく dual problemのregularityが入っています.
「P1だから \(L^2\) 2次」と無条件に書いてはいけない. domain regularity,solution regularity,mesh assumptionsなどを確認する必要がある.
6.収束次数はcode verificationの仕様になる
第4回の2次元Poisson計算では,正しいコードに対して次の相対誤差が得られました.
| \(n\) | \(L^2\) 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 |
rateは \[ \operatorname{rate} = \frac{\log(E_h/E_{h/2})}{\log2} \tag{16} \] で計算しています.
これは理論の確認であると同時に, コードが想定しているfinite-element methodを実装しているかを調べるverification testです.
7.正しいrateだけでも十分ではない
一方で,
\[ \text{observed rate is correct} \]だけからコードの正しさを証明することもできません.
pre-asymptotic regimeではrateが揺れますし, quadrature error,round-off error,superconvergence, reference solutionの誤りなどがrateを見かけ上よくすることもあります.
従って第10回でまとめたように,
\[ \text{local invariants} + \text{patch test} + \text{solver residual} + \text{convergence test} \tag{17} \]を独立に組み合わせる必要があります.
8.nonconforming FEMではapproximation errorだけでは足りない
第11回のCrouzeix–Raviart要素は \[ V_h\not\subset H_0^1(\Omega) \] なので,conforming Galerkin法に対するCéaの補題をそのまま適用することはできません.
discrete energy normを \(\|\cdot\|_h\), broken bilinear formを \(a_h\) とすると, \(a_h\) が必要な拡張空間上で定義され,右辺もdiscrete test functionに対して意味を持ち,適切なboundedness・discrete coercivityが成立する下でStrang型評価 \[ \boxed{ \|u-u_h\|_h \le C \left[ \inf_{v_h\in V_h} \|u-v_h\|_h + \sup_{0\neq w_h\in V_h} \frac{ |a_h(u,w_h)-\ell(w_h)| }{ \|w_h\|_h } \right] } \tag{18} \] が現れます.
第一項はapproximation error, 第二項はconsistency errorです.
つまりnonconforming methodでは, 「離散空間がよく近似できる」 だけでなく, continuous problemとdiscrete test functionのずれ も評価しなければなりません.
9.mixed FEMではstabilityそのものが誤差解析の一部になる
Raviart–Thomas mixed FEMでは, fluxとscalar variableを同時に近似します. このときerror analysisには Babuška–Brezzi型inf-sup stabilityが必要です.
また第11回で見た \[ \nabla\cdot I_h^{\mathrm{RT}}q = \Pi_0(\nabla\cdot q) \tag{19} \] というcommuting propertyは, divergence errorとpressure / scalar errorを整理する重要な構造になります.
つまりmethodを変えれば, 誤差解析で必要な数学も変わります.
\[ \boxed{ \text{conforming} \to \text{Céa}, \qquad \text{nonconforming} \to \text{Strang}, \qquad \text{mixed} \to \text{inf-sup + commuting structure}. } \tag{20} \]10.異方性meshでは一個の \(h\) だけでは情報が消える
第6–9回で見たように, 異方性meshでは \[ h_T \] だけでelement geometryを表すことはできません.
2次元P1 interpolationでは,適切なsemi-regularityの下で \[ \boxed{ |u-I_Tu|_{H^1(T)} \le C \sum_{i=1}^{2} h_i \left\| \frac{\partial u}{\partial r_i} \right\|_{H^1(T)} } \tag{21} \] のような方向別評価が使えます. ここで右辺は \[ \left\| \frac{\partial u}{\partial r_i} \right\|_{H^1(T)} \] というfull \(H^1\)-normです.これは第6・8回の表記も数学監査で同じ形に修正しました. この式は2次元P1 Lagrange interpolationに対する代表的な評価であり,正確な定数・幾何仮定は対応するanisotropic interpolation theoremに依存します.
これは \[ h_i \] と \[ \frac{\partial u}{\partial r_i} \] を対応させています.
従って誤差解析は 「meshを細かくすればよい」 ではなく, どの方向をどれだけ細かくすべきか というmesh designの情報を与えます.
11.誤差解析はmesh conditionを発見する
第8回ではshape regularityとsemi-regularityを区別しました.
例えば細長い直角三角形では \[ Q_T=\frac{h_T^2}{|T|} \to\infty \] でも \[ \frac{H_T}{h_T}=2 \] です.
つまりclassical shape regularityを失っても, maximum-angle-based / semi-regular analysisは可能です.
一方でsliver tetrahedronのように, 辺長比だけでは見えないvolume degenerationもあります.
このようにerror analysisは, どの幾何条件が本当に必要か を逆に教えてくれます.
12.discretisation errorとsolver errorを分ける
数学的に定義されたfinite-element solutionを \(u_h\) とし, 数値linear solverが返した近似を \(\widetilde u_h\) とします. すると \[ u-\widetilde u_h = (u-u_h) + (u_h-\widetilde u_h). \tag{22} \]
第一項がdiscretisation error, 第二項がalgebraic / solver errorです.
solver residualが小さいことは主として第二項の管理に関係します. 第一項が小さいことを保証するものではありません.
13.quadrature errorまで入れるとerror budgetが見える
\(u_h\) をexact integrationで定義されるGalerkin solution, \(u_h^Q\) をnumerical quadratureを使ったdiscrete solution, \(\widetilde u_h\) をlinear solverで得た計算解とします. 同じfinite-element space上で定義されているなら,代数的恒等式として \[ \boxed{ u-\widetilde u_h = (u-u_h) + (u_h-u_h^Q) + (u_h^Q-\widetilde u_h). } \tag{23} \]
それぞれ
- finite-element discretisation error,
- quadrature / variational-crime error,
- algebraic solver error
に対応します.
error analysisによって, 「誤差が大きい」 を一個の数字で終わらせず, どこから誤差が入ったか に分解できます.
14.曲領域ではgeometry errorを安易に足してはいけない
curved domain \(\Omega\) をpolygonal domain \(\Omega_h\) で近似すると, continuous solutionとdiscrete solutionが 異なるdomain上の関数 になることがあります.
その場合, \[ u-u_h \] とそのまま引き算する前に, liftやdomain mapを使って同じdomainへ移す必要があります.
従って \[ \text{geometry error} \] を式 (23) に形式的に一項追加するだけでは十分ではありません. この点はExact-curved FEMやisoparametric FEMを比較するときに特に重要です.
15.a priori estimateとa posteriori estimateは目的が違う
a priori estimateは,計算前に
\[ \|u-u_h\| \le C h^p |u|_{H^{p+1}} \tag{24} \]のような形で, methodのorderやmesh dependenceを説明します.
一方a posteriori estimateは, 実際に得られた \(u_h\) から計算できるestimator \(\eta_h\) を使います. 典型的にはreliability \[ \boxed{ \|u-u_h\| \le C_{\mathrm{rel}}\eta_h } \tag{25} \] と,data oscillationを含むefficiency \[ \boxed{ \eta_h \le C_{\mathrm{eff}} \left( \|u-u_h\|+\operatorname{osc}_h \right) } \tag{26} \] を調べます.
a priori analysisはmethod designと収束理論, a posteriori analysisはcomputed solutionのadaptivityやerror controlに向いています.
16.a posteriori estimatorとrigorous certificateも同じではない
式 (25) に未知または非常に粗い \[ C_{\mathrm{rel}} \] が残る場合, estimatorは有用でも,そのままrigorous numerical certificateとは限りません.
例えばPoisson problem \[ -\Delta u=f, \qquad u|_{\partial\Omega}=0 \] について,ここではgradient-like fluxの符号規約 \[ \sigma=\nabla u, \qquad \nabla\cdot\sigma+f=0 \] を採用します. conforming approximation \(v_h\in H_0^1(\Omega)\) と, equilibrated flux \[ \sigma_h\in H(\mathrm{div};\Omega), \qquad \nabla\cdot\sigma_h+f=0 \tag{27} \] が得られれば,hypercircle identityから \[ \boxed{ \|\nabla(u-v_h)\|_{L^2(\Omega)} \le \|\nabla v_h-\sigma_h\|_{L^2(\Omega)}. } \tag{28} \]
このように定数が明示されたguaranteed boundまで進むと, 「誤差を推定する」 から 「誤差を保証する」 へ一段変わります.
17.目的量が重要ならenergy errorだけでは足りない
工学・科学計算では, solution全体より \[ J(u) \] というoutput quantityが重要な場合があります. 例えば平均flux,drag,特定領域の平均値などです.
このとき必要なのは \[ \|u-u_h\| \] だけでなく \[ |J(u)-J(u_h)| \tag{29} \] の評価です.
Dual-Weighted Residual (DWR)では, primal residualをdual solutionによって重み付けし, どのelementのresidualがoutput errorに効いているかを評価します.
つまりerror analysisは 何を正確に計算したいか によって形を変えます.
18.AI生成コードでは理論を「自動テスト」に変える
ChatGPTが書いたFEMコードに対して, 理論は次のような自動testへ変換できます.
| mathematical result | code test |
|---|---|
| partition of unity | local row sum = 0 |
| coercivity / positivity | Dirichlet-reduced matrix SPD |
| P1 polynomial reproduction | linear patch test |
| Céa + interpolation | \(H^1\) observed order |
| Aubin–Nitsche | \(L^2\) observed order under stated regularity |
| CR consistency | broken-energy convergence |
| RT commuting property | divergence projection test |
| anisotropic estimate | directional mesh stress test |
つまり論文に書かれたtheoremを, software verificationのacceptance criteriaへ変換できます.
19.収束次数を自動監査する最小コード
import numpy as np
def observed_rates(errors, h_values):
errors = np.asarray(
errors,
dtype=float
)
h_values = np.asarray(
h_values,
dtype=float
)
if len(errors) != len(h_values):
raise ValueError(
"errors and h_values must match"
)
if np.any(errors <= 0.0):
raise ValueError(
"Errors must be positive"
)
if np.any(h_values <= 0.0):
raise ValueError(
"Mesh sizes must be positive"
)
return np.log(
errors[:-1] / errors[1:]
) / np.log(
h_values[:-1] / h_values[1:]
)
h_values = 1.0 / np.array([
4.0, 8.0, 16.0, 32.0
])
L2_errors = np.array([
1.5818e-1,
4.2267e-2,
1.0755e-2,
2.7009e-3
])
H1_errors = np.array([
3.7748e-1,
1.9438e-1,
9.7926e-2,
4.9056e-2
])
print(
observed_rates(
L2_errors,
h_values
)
)
print(
observed_rates(
H1_errors,
h_values
)
)
出力は概ね
\[ 1.904,\ 1.975,\ 1.993 \]と
\[ 0.958,\ 0.989,\ 0.997 \]
です.
ただし,この数字を自動的に
PASS
へ変換する前に,
理論が要求するregularityとmesh assumptionsを確認する必要があります.
20.誤差解析には「仮定監査」が含まれる
theoremに \[ \|u-u_h\| \le Ch^p \] と書いてあっても, その前には必ずassumptionsがあります.
例えば,
- solution regularity,
- domain regularity,
- mesh geometry,
- coercivity / inf-sup stability,
- quadrature exactnessまたはvariational-crime control,
- boundary approximation,
- element familyに適したmapping
です.
AIがtheoremの結論だけを拾って 「このコードは2次収束するはずです」 と言っても,仮定が満たされていなければ意味がありません.
結論だけではなく, その評価が適用できる条件をコードとmeshが満たしているか を確認する.
21.第4回のbugを誤差解析の言葉で読み直す
誤った \(J^{-1}\) gradient codeでは, symmetryやrow-sumといった局所algebraic invariantsは残りました. しかし実際に実装されたbilinear formは, 意図したPoisson Galerkin formとは一致していません.
そのため,正しいPoisson finite elementに対する \[ H^1:O(h), \qquad L^2:O(h^2) \] という誤差理論をtest specificationとして適用すると,失敗が見えます.
つまりtheoryは, bugの場所を直接教えなくても,「このコードは目的のmethodではない」と検出する ことができます.
22.誤差解析がないとmesh refinementの意味も分からない
meshを細かくして誤差が減ったとしても,
\[ E_h>E_{h/2}>E_{h/4} \]だけでは不十分です.
知りたいのは \[ E_h \approx C h^p \tag{30} \] の \[ p \] と, constant \(C\) が何に依存するかです.
異方性meshなら \(C\) がaspect ratioに依存して発散するのか, semi-regular parameterで一様に抑えられるのかも重要です.
誤差解析によって初めて, refinementが何を改善しているのかを説明できます.
23.第12回の結論
有限要素法の数学的誤差解析は, 単に \[ O(h),\qquad O(h^2) \] という収束次数を証明するためだけのものではありません.
それは,
\[ \boxed{ \text{method design} + \text{mesh design} + \text{code verification} + \text{adaptive computation} + \text{certification} } \tag{31} \]をつなぐ共通言語です.
Céaの補題はdiscrete errorをbest approximationへ変換し, 補間理論はrateを与え, Strang型評価はnonconformityを分離し, inf-sup theoryはmixed methodのstabilityを保証し, anisotropic analysisは方向別mesh designを可能にし, a posteriori / equilibrated-flux analysisはcomputed solutionのerror controlへ進みます.
ChatGPTは有限要素コードを書くことができる.
しかし, そのコードを信用してよい理由を与えるのは数値解析である.
AIに有限要素法を教えてもらうだけではなく, AIと有限要素法を作りながら, AIが作った近似・実装・説明そのものを数学で監査する. それがこの連載で扱ってきたComputational FEM with AIの基本姿勢です.
参考文献・関連ページ
- 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.
- D. Boffi, F. Brezzi and M. Fortin, Mixed Finite Element Methods and Applications, Springer, 2013.
- H. Ishizaka, K. Kobayashi and T. Tsuchiya, “Anisotropic interpolation error estimates using a new geometric parameter”, Japan Journal of Industrial and Applied Mathematics 40 (2023), 475–512.
- H. Ishizaka, “Nitsche’s method under a semi-regular mesh condition”, Numerical Algorithms 102 (2026), 291–334. DOI.
- 第4回:2次元P1有限要素コードを数学的に監査する
- 第8回:良い異方性要素と悪い異方性要素
- 第10回:ChatGPTが書いたFEMコードをどうデバッグするか
- 第11回:CR・RTなど,P1の次に何を見るか
- Certified FEM・verified output・AI4Math
- 最大角条件とBabuška–Aziz反例
