これはあなたが念頭に置いていたものではありませんが、完全を期すために、基本から始めましょう。:ニュートン・コーツとガウスなど、ほとんどの直交式は約関数の積分を評価するために、あなたは、例えば、あなたは正確に統合できることを多項式で関数を近似できるという考えに基づいている
∫baf(x )dX ≈ ∫ba∑jcjpj(x )dx = ∑jcj∫bapj(x )dx 。
ニュートンコートとガウスはラグランジュ補間に基づいています。つまり、ノードセット(ニュートンコートでは均一に間隔を空けられ、ガウスでは特定の意味で最適に選択された)のセットの値を使用して特定の関数を補間します。この場合、c j = f (x j)であり、多項式ノードの基底関数p j上の積分は、まさに求積重みです。バツjcj= f(xj)pj
同じアプローチがエルミート補間で機能します。つまり、ノードのセットで特定の順序まで関数とその導関数の値を使用する補間です。関数と一次導関数の値だけ、お持ちの場合
(これがどのように機能するかを確認したい場合は、これのMatlab実装があります。)
∫baf(x)dx≈∫ba∑jf(xj)pj(x)+f′(xj)qj(x)dx=∑jf(xj)wj+f′(xj)w¯j.
これは、ノードの重みにするために正確に選択されるガウス・ルジャンドル直交呼ばれるガウス求積の変異体、に関連している有するガウス直交するという事実のために別の説明であるワニス(N個のノードが正確な順序である2 のN - 1)。これは、2番目の段落のあなたの質問に少なくとも部分的に答えると思います。このため、通常、エルミート補間の代わりにガウス求積法が使用されます。これは、同じ数のポイントで同じ次数を取得しますが、微分情報は必要ないためです。w¯jN2N−1
多次元求積法では、評価が必要な導関数(混合導関数を含む)の数が、次数が増えると非常に急速に増加するという問題に直面します。
質問に戻ります:派生情報を悪用する簡単な方法は、統合ドメインの下位区分を使用し、各区分に個別の求積法を使用することです。関数の導関数がドメインの一部で大きいことがわかっている場合は、より小さいドメイン(事実上、合計された求積式)または高位の直交次数を使用します。これは、有限要素法におけるh-およびp-adaptivityにそれぞれ関連しています。