第16回:mixed Poisson問題を解く — RT0–P0と局所保存

ChatGPTで作る有限要素プログラム入門 Season 2 第4回(通算第16回)

はじめに――今度はfluxを未知量として解く

Season 1のPoisson FEMではscalar solution \(u_h\) を直接求め, そのgradientを後から計算しました. 第14回ではRT0 interpolationを, 第15回ではCR–RTの離散部分積分を扱いました.

今回はRaviart–Thomas spaceを本当にtrial spaceとして使います. Poisson equationをfirst-order systemへ分解し,

\[ \boxed{ \text{flux-like variable} + \text{scalar variable} } \]

を同時に求めます.

この方法の大きな特徴は, elementごとのbalance lawがdiscrete equationそのものに組み込まれることです.

1.符号規約を最初に固定する

Poisson problem \[ -\Delta u=f \qquad\text{in }\Omega, \tag{1} \] \[ u=0 \qquad\text{on }\partial\Omega \tag{2} \] を考えます.

ここでは符号規約として \[ \boxed{ \boldsymbol\sigma=\nabla u } \tag{3} \] と置きます. 従って \[ \boxed{ \boldsymbol\sigma-\nabla u=0, \qquad \nabla\cdot\boldsymbol\sigma=-f. } \tag{4} \]

物理的なdiffusive fluxを \[ -\nabla u \] と定義する流儀とは符号が逆です. 以下では式 (3) の規約を最後まで固定します.

2.dual mixed formulation

\[ V:=H(\operatorname{div};\Omega), \qquad Q:=L^2(\Omega) \] とします. 式 (3) を \(\boldsymbol v\in V\) でtestし,gradient termを部分積分すると, \(u=0\) on \(\partial\Omega\) から \[ (\boldsymbol\sigma,\boldsymbol v) + (u,\nabla\cdot\boldsymbol v) = 0. \tag{5} \]

従ってmixed problemは \[ \boxed{ (\boldsymbol\sigma,\boldsymbol v) + (\nabla\cdot\boldsymbol v,u) = 0 \qquad \forall\boldsymbol v\in V, } \tag{6} \] \[ \boxed{ (\nabla\cdot\boldsymbol\sigma,q) = -(f,q) \qquad \forall q\in Q. } \tag{7} \]

ここで \[ a(\boldsymbol\sigma,\boldsymbol v) = (\boldsymbol\sigma,\boldsymbol v), \qquad b(\boldsymbol v,q) = (\nabla\cdot\boldsymbol v,q). \tag{8} \]

3.Dirichlet条件をedge DoFへ直接課してはいけない

これは実装で非常に重要です. mixed formulationでは \[ u\in L^2(\Omega) \] なので,\(u_h\) はboundary traceを持つconforming \(H^1\) functionではありません.

homogeneous Dirichlet conditionは式 (5) を導く部分積分の中へ入っています. 従って

RT0–P0 mixed Poissonでしてはいけないこと
boundary RT flux DoFを0に固定しない.
boundary cellのP0 unknownを0に固定しない.

boundary normal fluxはsolutionの一部として未知です. ここをP1 PoissonのDirichlet eliminationと混同すると, 別のboundary-value problemを解くことになります.

4.RT0–P0離散空間

lowest-order pairを \[ V_h:=V_h^{RT0}\subset H(\operatorname{div};\Omega), \qquad Q_h:=P_0(\mathcal T_h)\subset L^2(\Omega) \tag{9} \] とします.

求めるのは \[ (\boldsymbol\sigma_h,u_h) \in V_h\times Q_h \] で, \[ \boxed{ (\boldsymbol\sigma_h,\boldsymbol v_h) + (\nabla\cdot\boldsymbol v_h,u_h) = 0 \qquad \forall\boldsymbol v_h\in V_h, } \tag{10} \] \[ \boxed{ (\nabla\cdot\boldsymbol\sigma_h,q_h) = -(f,q_h) \qquad \forall q_h\in Q_h. } \tag{11} \]

これは \[ V_h\times Q_h \subset H(\operatorname{div};\Omega)\times L^2(\Omega) \] なのでconforming mixed methodです.

5.unknownはglobal edge fluxとcell value

RT0のglobal DoFを \[ \Sigma_E = \int_E \boldsymbol\sigma_h\cdot\boldsymbol n_E\,ds \tag{12} \] とします.

P0 unknownは各triangle \(T\) 上のconstant \[ u_h|_T=U_T \tag{13} \] です.

従ってunknown vectorは \[ \boxed{ \mathbf x = \begin{pmatrix} \boldsymbol\Sigma\\ \boldsymbol U \end{pmatrix} } \tag{14} \] であり, 前半はglobal edges,後半はelementsに対応します.

6.block saddle-point system

global RT basisを \(\{\boldsymbol\phi_E\}\), cell characteristic basisを \(\{\chi_T\}\) とします.

mass matrixとdivergence matrixを \[ M_{EE'} = (\boldsymbol\phi_{E'},\boldsymbol\phi_E), \tag{15} \] \[ B_{TE} = (\nabla\cdot\boldsymbol\phi_E,\chi_T) = \int_T\nabla\cdot\boldsymbol\phi_E\,dx \tag{16} \] と置けば, \[ \boxed{ \begin{pmatrix} M&B^{\top}\\ B&0 \end{pmatrix} \begin{pmatrix} \boldsymbol\Sigma\\ \boldsymbol U \end{pmatrix} = \begin{pmatrix} 0\\ -\boldsymbol F \end{pmatrix}, } \tag{17} \] ただし \[ F_T=\int_Tf\,dx. \tag{18} \]

matrixはsymmetricですがpositive definiteではなく, symmetric indefinite saddle-point matrixです.

7.RT0–P0では \(B\) がsigned incidence matrixになる

第14回でlocal RT basis \(\boldsymbol\theta_{T,i}\) を outward normal fluxが1になるように取りました. すると \[ \int_T \nabla\cdot\boldsymbol\theta_{T,i}\,dx = 1. \tag{19} \]

global edge normalとlocal outward normalのsignを \[ s_{T,E}\in\{-1,+1\} \] とすれば \[ \boxed{ B_{TE} = \begin{cases} s_{T,E},&E\subset\partial T,\\ 0,&\text{otherwise}. \end{cases} } \tag{20} \]

つまり \(B\) は幾何的なlengthを含むmatrixではなく, cell–edge connectivityとorientationを記録したsigned incidence matrixになります.

geometryは主にRT mass matrix \(M\) に入ります.

8.局所保存は第二式をcellごとに読むだけ

式 (11) で \[ q_h=\chi_T \] を選ぶと \[ \int_T \nabla\cdot\boldsymbol\sigma_h\,dx = -\int_Tf\,dx. \tag{21} \] Gaussの公式から \[ \boxed{ \int_{\partial T} \boldsymbol\sigma_h\cdot\boldsymbol n_T\,ds = -\int_Tf\,dx. } \tag{22} \]

これがmixed RT methodのelementwise local conservationです.

local conservationはpost-processingではない
solutionを得た後にfluxを調整して保存させるのではなく, discrete equationそのものが各cellのbalance lawになっている.

9.quadratureを使う場合の「exact conservation」

今回のsource \[ f(x,y) = 2\pi^2\sin(\pi x)\sin(\pi y) \tag{23} \] は多項式ではないので, finite-order Gauss quadratureで \[ F_T=\int_Tf\,dx \] を数学的にexactには積分できません.

実装でquadrature値を \(F_T^Q\) とすれば,linear systemは \[ \boxed{ \int_{\partial T} \boldsymbol\sigma_h\cdot\boldsymbol n_T\,ds = -F_T^Q } \tag{24} \] をsolver toleranceまでexactに満たします.

従って「局所保存がexact」というときは, assembled discrete loadに対してexactであることを明確にします. exact source integralとの違いはquadrature errorです.

10.assemblyの中心コード

from scipy.sparse import (
    bmat,
    csr_matrix,
    lil_matrix
)
from scipy.sparse.linalg import spsolve


M = lil_matrix(
    (n_edges, n_edges),
    dtype=float
)

B = lil_matrix(
    (n_cells, n_edges),
    dtype=float
)

F = np.zeros(n_cells)


for t, tri in enumerate(triangles):
    P = nodes[tri]

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

    detJ = np.linalg.det(J)

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

    area = 0.5 * detJ

    Mloc = np.zeros((3, 3))
    Floc = 0.0

    for xi, eta, w in quad:
        x = (
            P[0]
            + J @ np.array([xi, eta])
        )

        theta = np.array([
            (x - P[i]) / detJ
            for i in range(3)
        ])

        Mloc += (
            w * detJ
            * (theta @ theta.T)
        )

        Floc += (
            w * detJ
            * source(*x)
        )

    F[t] = Floc

    for i in range(3):
        ei = element_edges[t, i]
        si = element_signs[t, i]

        B[t, ei] += si

        for j in range(3):
            ej = element_edges[t, j]
            sj = element_signs[t, j]

            M[ei, ej] += (
                si * sj * Mloc[i, j]
            )


Z = csr_matrix(
    (n_cells, n_cells)
)

A = bmat(
    [
        [M.tocsr(), B.T.tocsr()],
        [B.tocsr(), Z]
    ],
    format="csr"
)

rhs = np.concatenate([
    np.zeros(n_edges),
    -F
])

solution = spsolve(A, rhs)

sigma_dof = solution[:n_edges]
u_cell = solution[n_edges:]

11.mass assemblyにもorientation signが二回入る

global RT basisのelement restrictionは \[ \boldsymbol\phi_E|_T = s_{T,E}\boldsymbol\theta_{T,E}. \tag{25} \]

従ってmass termでは \[ (\boldsymbol\phi_E,\boldsymbol\phi_{E'})_T = s_{T,E}s_{T,E'} (\boldsymbol\theta_{T,E},\boldsymbol\theta_{T,E'})_T. \tag{26} \]

\(B\) にsignを入れて,\(M\) では忘れるというbugもあり得ます. 第14回のorientation mapは全RT basis evaluationに適用しなければなりません.

12.discrete inf-supは「matrixが解けた」より強い

mixed methodのwell-posednessには, kernel上のcoercivityに加えて \[ \boxed{ \inf_{0\neq q_h\in Q_h} \sup_{0\neq\boldsymbol v_h\in V_h} \frac{ (\nabla\cdot\boldsymbol v_h,q_h) }{ \|\boldsymbol v_h\|_{H(\operatorname{div})} \|q_h\|_{L^2} } \ge \beta_h } \tag{27} \] が必要です.

重要なのは \[ \beta_h \] がmesh refinementで0へ落ちないことです. 一つの有限meshでsaddle matrixがnonsingularだっただけでは, uniform stabilityを証明したことにはなりません.

13.RT interpolationの注意がinf-sup proofにも現れる

discrete inf-sup proofでは, \(q_h\in Q_h\) に対して \[ \nabla\cdot\boldsymbol v=q_h \] を満たす \[ \boldsymbol v\in H^1(\Omega)^d \] をまず構成し, その後 \[ I_h^{RT}\boldsymbol v \] を使います.

これは第14回の注意と完全に整合しています.

Fortin operatorとしてのRT interpolation
standard RT interpolationを \[ H(\operatorname{div};\Omega) \] 全体へ無条件に拡張したことにはしない.
proofでは\(H^1\)-regularなright inverse of divergence上でRT interpolationを使う.

さらにanisotropic meshでは, \(I_h^{RT}\) のstability constantをgeometryに一様に制御できるかが discrete inf-sup constantに関係します.

14.semi-regular meshでのstabilityとの関係

uniform shape-regular meshならstandard RT theoryを使えます. 一方,強いanisotropyを許す場合, 単に \[ \nabla\cdot RT_0=P_0 \] という代数的surjectivityだけでは十分ではありません.

semi-regularityを仮定するanisotropic analysisでは \[ \frac{H_T}{h_T}\le\gamma \tag{28} \] と \(h\le1\) の下でRT interpolation stabilityを使い, mesh-independentなdiscrete inf-sup boundを導いています.

したがってanisotropic mixed FEMでは,

\[ \boxed{ \text{commuting} + \text{RT stability} + \text{mesh geometry} } \]

を一組として監査する必要があります.

15.Galerkin orthogonalityとflux error

continuous / discrete equationsを引くと \[ (\boldsymbol\sigma-\boldsymbol\sigma_h,\boldsymbol v_h) + (\nabla\cdot\boldsymbol v_h,u-u_h) = 0 \tag{29} \] および \[ (\nabla\cdot( \boldsymbol\sigma-\boldsymbol\sigma_h),q_h) = 0. \tag{30} \]

十分なregularityの下ではRT commuting propertyを使って \[ \nabla\cdot( I_h^{RT}\boldsymbol\sigma-\boldsymbol\sigma_h) = 0 \] となるため, \[ \boxed{ \|\boldsymbol\sigma-\boldsymbol\sigma_h\|_{L^2} \le \|\boldsymbol\sigma-I_h^{RT}\boldsymbol\sigma\|_{L^2}. } \tag{31} \]

mixed RT flux errorがRT interpolation errorに直接支配される, 非常にきれいなbest-approximation型評価です.

16.scalar errorにはinf-sup stabilityが入る

\(L^2\)-projectionを \(\Pi_h^0\) とすると, discrete inf-sup conditionから \[ \boxed{ \|u-u_h\|_{L^2} \le \|u-\Pi_h^0u\|_{L^2} + \beta_h^{-1} \|\boldsymbol\sigma-\boldsymbol\sigma_h\|_{L^2}. } \tag{32} \]

つまりscalar approximationは

\[ P_0\text{ projection error} + \text{flux error / inf-sup stability} \]

で制御されます.

第13回のCRでは \[ \text{interpolation} + \text{consistency} \] でしたが, conforming mixed methodでは別のerror structureになります.

17.manufactured solutionで実装を検証する

今回も \[ u(x,y) = \sin(\pi x)\sin(\pi y) \tag{33} \] を使います.

符号規約 \(\boldsymbol\sigma=\nabla u\) なので \[ \boldsymbol\sigma(x,y) = \begin{pmatrix} \pi\cos(\pi x)\sin(\pi y)\\ \pi\sin(\pi x)\cos(\pi y) \end{pmatrix}, \tag{34} \] \[ f(x,y) = 2\pi^2\sin(\pi x)\sin(\pi y). \tag{35} \]

unit squareのuniform triangulationを使い, RT mass matrixはdegree-2 polynomialをexactに積分できるquadratureで, source loadは7点triangle quadratureで評価しました. error integralにはさらに高次のquadratureを使っています.

18.RT0–P0の収束結果

\(n\) flux \(L^2\) rel. rate scalar \(L^2\) rel. rate div rel. rate
24.4253e-1—4.8818e-1—4.8574e-1—
42.2594e-10.9702.5737e-10.9242.5683e-10.919
81.1328e-10.9961.3035e-10.9811.3027e-10.979
165.6671e-20.9996.5381e-20.9956.5371e-20.995
322.8339e-21.0003.2716e-20.9993.2715e-20.999

今回のsmooth solutionとregular meshでは \[ \boxed{ \|\boldsymbol\sigma-\boldsymbol\sigma_h\|_{L^2} = O(h), \quad \|u-u_h\|_{L^2} = O(h), \quad \|\nabla\cdot( \boldsymbol\sigma-\boldsymbol\sigma_h)\|_{L^2} = O(h). } \tag{36} \]

19.local conservation residualはmachine precision

algebraic balance residual \[ \boldsymbol r_{\mathrm{cons}} = B\boldsymbol\Sigma+\boldsymbol F \tag{37} \] を測りました.

\(n\)\(\|\boldsymbol r_{\mathrm{cons}}\|_{\infty}\)
26.66e-16
46.66e-16
84.72e-16
161.53e-15
322.78e-15

これは式 (24) のcellwise balanceがlinear-solver accuracyまで成立していることを示します.

20.solver residualとconservation residualは同じではない

global saddle-point residual \[ \left\| A\mathbf x-\mathbf b \right\| \] が小さいことは必要です. しかしlocal conservationを監査したいなら, 第二blockだけを取り出した \[ \boxed{ B\boldsymbol\Sigma+\boldsymbol F } \] も別に出力した方がよいです.

こうすると,

\[ \text{linear solver} \quad\text{と}\quad \text{physical cell balance} \]

を別々のtestとして読むことができます.

21.divergence errorには特別な構造がある

exact load integrationなら式 (11) から \[ \nabla\cdot\boldsymbol\sigma_h = -\Pi_h^0f. \tag{38} \] 一方 \[ \nabla\cdot\boldsymbol\sigma=-f. \] 従って \[ \boxed{ \nabla\cdot( \boldsymbol\sigma-\boldsymbol\sigma_h) = -(f-\Pi_h^0f). } \tag{39} \]

つまりRT0 mixed solutionのdivergence errorは, このPoisson settingではsourceのP0 projection errorそのものです.

quadratureを使った場合は, \(\Pi_h^0f\) をquadratureで定義されたcell averageに置き換えて読む必要があります.

22.ChatGPTがmixed FEMで起こしやすい実装ミス

mistake何が壊れるかtest
\(\boldsymbol\sigma=-\nabla u\) と途中で符号変更\(B\Sigma=\pm F\) が逆転manufactured flux
boundary RT fluxを0にする別のboundary conditionboundary flux audit
\(M\) のorientation signを忘れるglobal RT basis不整合mass symmetry + flux test
\(B\) のsignを忘れるdivergence / conservation破壊\(B\Sigma+F\)
saddle matrixをSPD solverへ渡すsolver assumption違反spectrum / solver type
matrix rankだけでstabilityと判断uniform inf-supを未確認\(\beta_h\) / theory

23.ChatGPTへのmixed Poisson audit prompt

Audit prompt
このRT0–P0 mixed Poisson codeを数学的に監査してください.
(1) 符号規約が \(\boldsymbol\sigma=\nabla u\),\(\operatorname{div}\boldsymbol\sigma=-f\) で一貫しているか,
(2) discrete spacesが \(RT_0\subset H(\operatorname{div})\) とcellwise \(P_0\) か,
(3) Dirichlet \(u=0\) をboundary RT fluxへ誤ってstrongly imposedしていないか,
(4) global RT orientation signがmass matrixとdivergence matrixの両方に入っているか,
(5) block systemが \(\begin{psmallmatrix}M&B^\top\\B&0\end{psmallmatrix}\) か,
(6) \(B_{TE}=s_{T,E}\) というRT0–P0 incidence structureを満たすか,
(7) saddle-point matrixをSPDと誤認していないか,
(8) discrete inf-sup stabilityを単なるmatrix nonsingularityと混同していないか,
(9) RT interpolationをFortin argumentに使うときdomain regularityを確認しているか,
(10) cellwise conservation residual \(B\Sigma+F\) とconvergence rateを別々に確認しているか
を順に検査してください.

24.第16回の結論

RT0–P0 mixed FEMでは, Poisson equationを

\[ \boldsymbol\sigma-\nabla u=0, \qquad \nabla\cdot\boldsymbol\sigma=-f \]

へ分解し,normal fluxとcell valueを同時に求めました.

実装構造は \[ \boxed{ \text{RT mass} + \text{signed incidence} + \text{inf-sup stability} + \text{cellwise balance} } \tag{40} \] です.

特に \[ B\boldsymbol\Sigma=-\boldsymbol F \] は単なるmatrix equationではなく, 各rowが一つのelementの \[ \int_{\partial T} \boldsymbol\sigma_h\cdot\boldsymbol n_T = -\int_Tf \] を表しています.

Season 2 第4回の原則
mixed FEMでは, 未知量・function space・block stability・保存則を同時に設計する.

次回はvector velocityとscalar pressureを未知量に持つ Stokes方程式へ進み, inf-sup conditionがelement choiceをどう決めるかを実装から見ます.

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 interpolation error analysis using a new geometric parameter and its applications, Ehime University, 2021.
  4. H. Ishizaka, “Anisotropic Raviart–Thomas interpolation error estimates using a new geometric parameter”, Calcolo 59 (2022), 50. DOI.
  5. 第14回:Raviart–Thomas要素を実装する
  6. 第15回:CRとRTはなぜ相性がよいのか

ページの先頭へ