第14回:Raviart–Thomas要素を実装する — normal fluxとPiola変換
ChatGPTで作る有限要素プログラム入門 Season 2 第2回(通算第14回)
はじめに――RT要素では「vector value」をつながない
第13回ではCR要素を実装し,global DoFがvertex valueからedge meanへ変わることを見ました. Raviart–Thomas(RT)要素では,さらに考え方が変わります.
RT要素がglobalに整合させるのはvector fieldそのものではなく, face上のnormal fluxです.
CR: \[ \int_E v_h\,ds \] を共有する.
RT: \[ \int_E \boldsymbol q_h\cdot\boldsymbol n_E\,ds \] を共有する.
この違いにより,mappingもscalar pullbackではなく contravariant Piola transformになります.
1.lowest-order Raviart–Thomas space
\(d\)-simplex \(T\subset\mathbb R^d\) 上のlowest-order Raviart–Thomas spaceは \[ \boxed{ RT_0(T) = P_0(T)^d + \boldsymbol x P_0(T). } \tag{1} \]
従って任意の \(\boldsymbol q_h\in RT_0(T)\) は \[ \boldsymbol q_h(\boldsymbol x) = \boldsymbol a + b\boldsymbol x, \qquad \boldsymbol a\in\mathbb R^d,\quad b\in\mathbb R \tag{2} \] と書けます.
2次元三角形ではdimensionは3です. 頂点が3個だからではなく, \[ \dim RT_0(T)=3 \] であり,三本のedge normal-flux DoFと対応します.
2.自由度はnormal flux integral
頂点 \(p_i\) の反対edgeを \(E_i\), \(T\) から見たoutward unit normalを \(\boldsymbol n_i\) とします. RT0のlocal DoFは \[ \boxed{ \chi_i(\boldsymbol q) = \int_{E_i} \boldsymbol q\cdot\boldsymbol n_i\,ds. } \tag{3} \]
higher-order RTではface polynomialとのmomentやinterior momentが現れますが, \(RT_0\) ではface fluxだけです.
ここには重要な注意があります. standardなRT interpolation operatorは,そのままでは \(H(\mathrm{div};T)\) 全体には定義できません.
\(\boldsymbol v\in H(\mathrm{div};T)\) ならnormal traceは \[ \gamma_n(\boldsymbol v) \in H^{-1/2}(\partial T) \tag{3a} \] として定義され, \[ \langle \gamma_n(\boldsymbol v), \psi \rangle_{\partial T} \] は \[ \psi\in H^{1/2}(\partial T) \] に対して意味を持ちます. しかしRTのlocal DoFでは,一つのface \(E\subset\partial T\) だけに局所化した \[ \int_E \boldsymbol v\cdot\boldsymbol n_E\,\varphi\,ds \tag{3b} \] を定義したいわけです.
ここで \(\varphi\) を \(E\) 上で与え,\(\partial T\setminus E\) では0に延長して normal traceとのdual pairingを取ろうとしても, そのzero extensionは一般に \[ H^{1/2}(\partial T) \] には入りません. 特に「\(E\) 上で1,残りのboundaryで0」という関数さえ \(H^{1/2}(\partial T)\) に属さないため, \[ \int_E \boldsymbol v\cdot\boldsymbol n_E\,ds \] を一般の \(H(\mathrm{div};T)\) functionに対して face-by-faceに定義することはできません.
\[ \boxed{ H(\mathrm{div};T) \ \text{だけではstandard face-moment RT interpolationを定義できない} } \] normal traceがboundary全体で存在することと, 各face上のnormal-flux momentを定義できることは別問題です.
classical shape-regular theoryでは,追加のintegrabilityを課した \[ W(T) = H(\mathrm{div};T) \cap L^q(T)^d, \qquad q>2 \tag{3c} \] などへRT interpolationをcontinuityによって拡張できます. 一方,本サイトで扱うanisotropic RT interpolation estimateでは, directional derivativeとPiola scalingを追うため, よりregularな \[ \boldsymbol v\in W^{1,p}(T)^d \] というframeworkを使います. 今回の実装・数値試験でもsmooth vector fieldだけを用います.
3.reference triangle上のRT0 basis
reference triangleを \[ \widehat T = \operatorname{conv} \left\{ \widehat p_0=(0,0)^{\top}, \widehat p_1=(1,0)^{\top}, \widehat p_2=(0,1)^{\top} \right\} \] とします.
一般の \(d\)-simplexでは \[ \boxed{ \widehat{\boldsymbol\theta}_i(\widehat{\boldsymbol x}) = \frac{1}{d|\widehat T|} \left( \widehat{\boldsymbol x} - \widehat p_i \right). } \tag{4} \]
2次元reference triangleでは \[ 2|\widehat T|=1 \] なので \[ \widehat{\boldsymbol\theta}_0 = (\xi,\eta)^{\top}, \quad \widehat{\boldsymbol\theta}_1 = (\xi-1,\eta)^{\top}, \quad \widehat{\boldsymbol\theta}_2 = (\xi,\eta-1)^{\top}. \tag{5} \]
これらは \[ \boxed{ \int_{\widehat E_j} \widehat{\boldsymbol\theta}_i \cdot \widehat{\boldsymbol n}_j \,d\widehat s = \delta_{ij}. } \tag{6} \] を満たします.
4.reference basisをPythonで直接監査する
import numpy as np
vertices = np.array([
[0.0, 0.0],
[1.0, 0.0],
[0.0, 1.0]
])
local_edges = [
(1, 2),
(2, 0),
(0, 1)
]
normals = np.array([
[1.0, 1.0]
/ np.sqrt(2.0),
[-1.0, 0.0],
[0.0, -1.0]
])
def rt0_basis(x):
x = np.asarray(x, dtype=float)
return np.array([
x - vertices[0],
x - vertices[1],
x - vertices[2]
])
RT0のnormal componentは各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.
5.flux matrixはidentityになる
flux_matrix = np.zeros((3, 3))
for j, (a, b) in enumerate(local_edges):
pa = vertices[a]
pb = vertices[b]
midpoint = 0.5 * (pa + pb)
length = np.linalg.norm(pb - pa)
basis = rt0_basis(midpoint)
flux_matrix[j, :] = (
basis @ normals[j]
* length
)
print(flux_matrix)
結果は \[ \boxed{ \texttt{flux\_matrix}=I_3. } \tag{7} \]
basisのcomponentを眺めるより, 有限要素を定義しているDoFそのものをtestする方が確実です.
6.divergenceもbasis levelで確認できる
reference basisは \[ \widehat{\boldsymbol\theta}_i = \widehat{\boldsymbol x}-\widehat p_i \] なので \[ \widehat\nabla\cdot \widehat{\boldsymbol\theta}_i = 2. \tag{8} \]
従ってGaussの公式から \[ \int_{\widehat T} \widehat\nabla\cdot \widehat{\boldsymbol\theta}_i \,d\widehat x = 2\cdot\frac12 = 1, \] これは式 (6) のtotal boundary fluxと一致します.
RTでは \[ \text{basis} \to \text{face flux} \to \text{divergence} \] が最初から一つの構造になっています.
7.physical triangleへはPiola transformで写す
orientationを正に揃えたaffine map \[ \boldsymbol x = F_T(\widehat{\boldsymbol x}) = p_0 + J_T\widehat{\boldsymbol x}, \qquad \det J_T>0 \tag{9} \] を考えます.
RT fieldはscalar P1のように単純compositionでは写しません. contravariant Piola transform \[ \boxed{ \boldsymbol q(\boldsymbol x) = \frac{1}{\det J_T} J_T \widehat{\boldsymbol q}( \widehat{\boldsymbol x} ) } \tag{10} \] を使います.
この変換は \[ \boxed{ \int_E \boldsymbol q\cdot\boldsymbol n\,ds = \int_{\widehat E} \widehat{\boldsymbol q} \cdot \widehat{\boldsymbol n}\,d\widehat s } \tag{11} \] というnormal flux preservationを持ちます.
8.なぜ \(J^{-\top}\) ではないのか
P1 / CRのgradientでは \[ \nabla v = J_T^{-\top} \widehat\nabla\widehat v \] でした.
RTに必要なのはgradientの変換ではなく, vector fieldのnormal fluxを保存する変換です. そのため \[ \frac{1}{\det J_T}J_T \] が現れます.
scalar finite elementで使った \[ J^{-\top} \] をvector basisにも流用してはいけない.
function spaceが変わればmapping lawも変わる.
9.physical RT0 basisには直接公式もある
positive orientationの2次元三角形では, Piola transformから \[ \boxed{ \boldsymbol\theta_i^{T}(\boldsymbol x) = \frac{1}{2|T|} \left( \boldsymbol x-p_i \right). } \tag{12} \]
なぜなら \[ \det J_T=2|T| \] だからです.
このbasisは \[ \int_{E_j} \boldsymbol\theta_i^T \cdot\boldsymbol n_j\,ds = \delta_{ij}, \tag{13} \] さらに \[ \boxed{ \nabla\cdot \boldsymbol\theta_i^T = \frac{1}{|T|}. } \tag{14} \]
実装ではreference-to-physical Piolaを使う方法と, 式 (12) を直接使う方法を相互監査できます.
10.Piola transformはdivergenceも保存構造を持つ
式 (10) に対して \[ \boxed{ \nabla\cdot\boldsymbol q = \frac{1}{\det J_T} \widehat\nabla\cdot \widehat{\boldsymbol q}. } \tag{15} \]
したがってRT0 fieldのdivergenceはelementwise constantです.
これは単なる便利な公式ではなく, mixed FEMで \[ RT_0 \xrightarrow{\nabla\cdot} P_0 \] を実現する基本構造です.
11.RT interpolationはface fluxを再現する
十分smoothなvector field \(\boldsymbol v\) に対し, local RT0 interpolation \(I_T^{RT}\boldsymbol v\) を \[ \boxed{ \int_{E_i} I_T^{RT}\boldsymbol v \cdot\boldsymbol n_i\,ds = \int_{E_i} \boldsymbol v \cdot\boldsymbol n_i\,ds, \qquad i=0,1,2 } \tag{16} \] で定めます.
式 (12) のbasisを使えば \[ I_T^{RT}\boldsymbol v = \sum_{i=0}^{2} \left( \int_{E_i} \boldsymbol v\cdot\boldsymbol n_i\,ds \right) \boldsymbol\theta_i^T. \tag{17} \]
12.commuting propertyはRT実装の核心的unit test
RT interpolationには \[ \boxed{ \nabla\cdot I_T^{RT}\boldsymbol v = \Pi_T^0 ( \nabla\cdot\boldsymbol v ) } \tag{18} \] というcommuting propertyがあります. ここで \(\Pi_T^0\) はelementwise constantsへの \(L^2\)-projectionです.
RT0では左辺はconstantなので,これは \[ \nabla\cdot I_T^{RT}\boldsymbol v = \frac1{|T|} \int_T \nabla\cdot\boldsymbol v\,dx \tag{19} \] という意味です.
Gaussの公式とface-flux reproductionから直接確認できます.
13.global RT spaceではnormal componentをつなぐ
global spaceは \[ V_h^{RT} = \left\{ \boldsymbol q_h\in L^2(\Omega)^2: \boldsymbol q_h|_T\in RT_0(T),\ [[\boldsymbol q_h\cdot\boldsymbol n]]_E=0 \ \forall E\in\mathcal E_h^i \right\}. \tag{20} \]
このjump conditionにより \[ V_h^{RT}\subset H(\mathrm{div};\Omega). \]
RT0ではnormal componentは各edge上でconstantです. したがってshared edgeでnormal flux integralを一致させれば, normal componentそのものも一致します.
14.ここでglobal edge orientationが必要になる
CRのscalar edge meanではedge orientationの符号は不要でした. RTではnormal directionを反転すると \[ \int_E \boldsymbol q\cdot(-\boldsymbol n_E)\,ds = - \int_E \boldsymbol q\cdot\boldsymbol n_E\,ds \] なので,符号管理が必要です.
各global edge \(E\) に一つのglobal unit normal \[ \boldsymbol n_E \] を固定し,各elementのoutward normal \(\boldsymbol n_{T,E}\) に対して \[ \boxed{ s_{T,E} = \boldsymbol n_{T,E}\cdot \boldsymbol n_E \in\{-1,+1\}. } \tag{21} \]
global DoFを \[ Q_E = \int_E \boldsymbol q_h\cdot \boldsymbol n_E\,ds \tag{22} \] とすれば,element-local outward flux coefficientは \[ \boxed{ Q_{T,E}^{\mathrm{local}} = s_{T,E}Q_E. } \tag{23} \]
15.global edge normalとsignを作るPython
local_edges = [
(1, 2),
(2, 0),
(0, 1)
]
def right_normal(pa, pb):
tangent = pb - pa
length = np.linalg.norm(tangent)
return np.array([
tangent[1],
-tangent[0]
]) / length
def build_rt_edges(nodes, triangles):
edge_dict = {}
element_edges = np.empty(
(len(triangles), 3),
dtype=int
)
element_signs = np.empty(
(len(triangles), 3),
dtype=int
)
global_normals = []
for t, tri in enumerate(triangles):
P = nodes[tri]
for le, (a, b) in enumerate(
local_edges
):
va = tri[a]
vb = tri[b]
key = tuple(sorted((va, vb)))
if key not in edge_dict:
eid = len(edge_dict)
edge_dict[key] = eid
i, j = key
global_normals.append(
right_normal(
nodes[i],
nodes[j]
)
)
else:
eid = edge_dict[key]
n_local = right_normal(
P[a],
P[b]
)
n_global = global_normals[eid]
sign = (
1
if np.dot(
n_local,
n_global
) > 0.0
else -1
)
element_edges[t, le] = eid
element_signs[t, le] = sign
return (
edge_dict,
element_edges,
element_signs,
np.array(global_normals)
)
ここでは各triangleをcounterclockwiseではなく, より座標に依存しない言い方をすれば \[ \det J_T>0 \] となる頂点順序に統一していることを前提としています. そのときlocal edge \[ (v_1,v_2),\ (v_2,v_0),\ (v_0,v_1) \] に対するright normalがoutward normalになります.
16.signを忘れると何が壊れるか
隣接二要素 \(T^+,T^-\) のoutward normalsは \[ \boldsymbol n_{T^+,E} = - \boldsymbol n_{T^-,E}. \]
signを無視して同じlocal coefficientを両要素へ入れると, 共有edgeに対して \[ \boldsymbol q_h|_{T^+}\cdot\boldsymbol n_E \neq \boldsymbol q_h|_{T^-}\cdot\boldsymbol n_E \] となり, \[ \boldsymbol q_h\notin H(\mathrm{div};\Omega) \] になり得ます.
コードは実行できても,finite-element spaceそのものを壊しています.
17.RT0 patch test:\(RT_0\) fieldを完全再現する
RT0 spaceに属する \[ \boldsymbol v(x,y) = \begin{pmatrix} 1+2x\\ -1+2y \end{pmatrix} \tag{24} \] を使います. これは \[ \boldsymbol v = \begin{pmatrix} 1\\-1 \end{pmatrix} + 2 \begin{pmatrix} x\\y \end{pmatrix} \in RT_0(T) \] です.
従って任意のtriangleで \[ \boxed{ I_T^{RT}\boldsymbol v = \boldsymbol v. } \tag{25} \]
実装したinterpolantの \(L^2\) relative errorは, uniform mesh上で概ねmachine precisionでした.
| \(n\) | relative \(L^2\) error |
|---|---|
| 2 | 4.16e-17 |
| 4 | 8.63e-17 |
| 8 | 4.45e-16 |
| 16 | 2.46e-16 |
18.commuting propertyを数値で検証する
次に \[ \boldsymbol v(x,y) = \begin{pmatrix} x^2+y\\ y^2-x \end{pmatrix} \tag{26} \] を使います.
divergenceは \[ \nabla\cdot\boldsymbol v = 2x+2y. \tag{27} \]
各elementで \[ D_T = \nabla\cdot I_T^{RT}\boldsymbol v - \frac1{|T|} \int_T \nabla\cdot\boldsymbol v\,dx \tag{28} \] を計算すると, mesh refinement \(n=2,4,8,16,32\) で \[ \max_T|D_T| \] は概ね \[ 4.4\times10^{-16} \ \text{から}\ 4.3\times10^{-14} \] の範囲でした.
つまり式 (18) がfloating-point accuracyで確認できます.
19.RT0 interpolation errorの収束
式 (26) のsmooth vector fieldに対して, relative \(L^2\) interpolation errorとdivergence errorを測ると次の結果になります.
| \(n\) | \(L^2\) relative error | rate | div relative error | rate |
|---|---|---|---|---|
| 2 | 2.2964e-1 | — | 1.8898e-1 | — |
| 4 | 1.1429e-1 | 1.007 | 9.4491e-2 | 1.000 |
| 8 | 5.7077e-2 | 1.002 | 4.7246e-2 | 1.000 |
| 16 | 2.8530e-2 | 1.000 | 2.3623e-2 | 1.000 |
| 32 | 1.4264e-2 | 1.000 | 1.1811e-2 | 1.000 |
regular mesh上のsmooth fieldという今回の設定では, \[ \|\boldsymbol v-I_h^{RT}\boldsymbol v\|_{L^2} = O(h), \qquad \|\nabla\cdot( \boldsymbol v-I_h^{RT}\boldsymbol v)\|_{L^2} = O(h) \tag{29} \] が確認できます.
20.RT interpolation errorとCR error analysisは分けて考える
第13回ではCR finite-element solutionの誤差を \[ \boxed{ \text{interpolation error} + \text{consistency error} } \] に分けることが本質でした.
今回扱っているのは \[ \boldsymbol v-I_T^{RT}\boldsymbol v \] というRT interpolationそのものの誤差です. これはCR nonconforming solution errorの二分割とは別の問題です.
次のmixed Poissonでは,RT finite-element approximationとして inf-sup stability,flux approximation,scalar approximationを組み合わせる必要があります.
21.異方性meshではcommuting propertyだけでは足りない
式 (18) のcommuting propertyはmesh shapeに依存しない代数的構造です. しかしそれだけから \[ \|I_T^{RT}\boldsymbol v\| \] が強い異方性に対して一様に安定とは言えません.
異方性RT interpolationでは, Piola transformに \[ J_T, \qquad J_T^{-1}, \qquad \det J_T \] が入り,vector componentごとのscalingを追う必要があります.
そのためsemi-regularityとtwo-step affine mappingを使った geometry-aware stability / error analysisが必要になります. この詳細はanisotropic Raviart–Thomas interpolationの理論へ進んだときに扱います.
22.RT0 implementationの監査項目
| audit | 期待する結果 |
|---|---|
| reference flux matrix | \(I_3\) |
| Piola flux preservation | reference / physical flux一致 |
| physical basis divergence | \(1/|T|\) |
| global interior edge | normal component continuous |
| RT0 patch test | machine precision |
| commuting test | \(\operatorname{div}I_h^{RT}=\Pi_h^0\operatorname{div}\) |
| smooth interpolation | regular meshで \(L^2\) 1次 |
23.ChatGPTへのRT implementation audit prompt
この2次元lowest-order Raviart–Thomas codeを監査してください.
(1) local spaceが \(RT_0(T)=P_0(T)^2+\boldsymbol xP_0(T)\) か,
(2) DoFが各edgeのnormal flux integralか,
(3) reference basisがflux Kronecker propertyを満たすか,
(4) physical fieldへのmappingがcontravariant Piola \((\det J)^{-1}J\) か,
(5) triangle orientationを \(\det J>0\) に統一しているか,
(6) global edge normalとlocal outward normalのsignを管理しているか,
(7) shared edgeでnormal componentが連続か,
(8) RT0 fieldをexactly reproduceするか,
(9) \(\operatorname{div}I_h^{RT}\boldsymbol v=\Pi_h^0\operatorname{div}\boldsymbol v\) を満たすか,
(10) smooth fieldで期待するinterpolation orderが出るか
を順に確認してください. scalar P1 / CRのmapping formulaをRT vector fieldへ流用しないでください.
24.第14回の結論
RT0実装で最も重要なのは, vector-valued polynomialの式そのものではありません.
\[ \boxed{ \text{normal-flux DoF} + \text{Piola transform} + \text{global orientation} + \text{commuting property} } \tag{30} \]を一つの構造として実装することです.
特に \[ \boldsymbol q = \frac1{\det J} J\widehat{\boldsymbol q} \] はnormal fluxを保存し, \[ \nabla\cdot I_h^{RT} = \Pi_h^0\nabla\cdot \] はdivergenceとの整合性を保証します.
RTを実装するときは, basis coefficientではなく,保存すべきfluxとdivergenceをunit testする.
次回はCRとRTを一つの式で結び, なぜCR–RTが相性よいのかを離散部分積分とcommuting propertyから整理します.
参考文献・関連ページ
- P.-A. Raviart and J.-M. Thomas, “A mixed finite element method for second order elliptic problems”, in Mathematical Aspects of the Finite Element Method, Lecture Notes in Mathematics 606, Springer, 1977.
- D. Boffi, F. Brezzi and M. Fortin, Mixed Finite Element Methods and Applications, Springer, 2013.
- H. Ishizaka, “Anisotropic Raviart–Thomas interpolation error estimates using a new geometric parameter”, Calcolo 59 (2022), 50. DOI.
- 第11回:CR・RTなど,P1の次に何を見るか
- 第13回:Crouzeix–Raviart要素を本当に実装する
- 準正則性の応用範囲を考える
