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からRTへ
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.

RT interpolationのdomainに注意
\[ \boxed{ H(\mathrm{div};T) \ \text{だけではstandard face-moment RT interpolationを定義できない} } \] 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.

ここは典型的なAI実装ミス
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
24.16e-17
48.63e-17
84.45e-16
162.46e-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
22.2964e-1—1.8898e-1—
41.1429e-11.0079.4491e-21.000
85.7077e-21.0024.7246e-21.000
162.8530e-21.0002.3623e-21.000
321.4264e-21.0001.1811e-21.000

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 preservationreference / physical flux一致
physical basis divergence\(1/|T|\)
global interior edgenormal component continuous
RT0 patch testmachine precision
commuting test\(\operatorname{div}I_h^{RT}=\Pi_h^0\operatorname{div}\)
smooth interpolationregular meshで \(L^2\) 1次

23.ChatGPTへのRT implementation audit prompt

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.

Season 2 第2回の原則
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

  1. 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.
  2. D. Boffi, F. Brezzi and M. Fortin, Mixed Finite Element Methods and Applications, Springer, 2013.
  3. H. Ishizaka, “Anisotropic Raviart–Thomas interpolation error estimates using a new geometric parameter”, Calcolo 59 (2022), 50. DOI.
  4. 第11回:CR・RTなど,P1の次に何を見るか
  5. 第13回:Crouzeix–Raviart要素を本当に実装する
  6. 準正則性の応用範囲を考える

ページの先頭へ