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
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.
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.
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 |
|---|---|---|---|---|---|---|
| 2 | 4.4253e-1 | — | 4.8818e-1 | — | 4.8574e-1 | — |
| 4 | 2.2594e-1 | 0.970 | 2.5737e-1 | 0.924 | 2.5683e-1 | 0.919 |
| 8 | 1.1328e-1 | 0.996 | 1.3035e-1 | 0.981 | 1.3027e-1 | 0.979 |
| 16 | 5.6671e-2 | 0.999 | 6.5381e-2 | 0.995 | 6.5371e-2 | 0.995 |
| 32 | 2.8339e-2 | 1.000 | 3.2716e-2 | 0.999 | 3.2715e-2 | 0.999 |
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.
| \(n\) | \(\|\boldsymbol r_{\mathrm{cons}}\|_{\infty}\) |
|---|---|
| 2 | 6.66e-16 |
| 4 | 6.66e-16 |
| 8 | 4.72e-16 |
| 16 | 1.53e-15 |
| 32 | 2.78e-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 condition | boundary 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
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.
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
- 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 interpolation error analysis using a new geometric parameter and its applications, Ehime University, 2021.
- H. Ishizaka, “Anisotropic Raviart–Thomas interpolation error estimates using a new geometric parameter”, Calcolo 59 (2022), 50. DOI.
- 第14回:Raviart–Thomas要素を実装する
- 第15回:CRとRTはなぜ相性がよいのか
