6数值积分与微分

数值微分与数值积分数值微分与数值积分是现代计算机科学中非常重要的数学工具。

它们可以用来处理各种研究。

在本文中，我们将讨论这两种方法的基础原理，以及它们在不同领域中的应用。

什么是数值微分？数值微分是指对给定函数进行求导的一种数值方法。

在实际应用中，函数的导数通常很难求得解析解，这时需要使用数值微分的方法来进行近似计算。

数值微分通常是通过在函数的某个点进行差分计算来完成的。

考虑一个函数$f(x)$在某个点$x_0$进行微分的情况。

我们可以计算$f(x_0+h)$和$f(x_0-h)$，其中$h$是一个小的正数。

然后，我们可以计算$[f(x_0+h) - f(x_0-h)]/2h$来得到$f'(x_0)$的近似值。

数值微分的应用非常广泛。

在科学和工程领域中，它通常用于计算物理量相关的导数。

例如，流体力学中的速度梯度、量子力学中的波函数导数，都可以使用数值微分进行近似计算。

此外，在金融领域中，数值微分也可用于计算期权价格等任意变量导数的近似解。

什么是数值积分？数值积分是指对给定函数进行积分的一种数值方法。

与数值微分类似，函数的积分通常很难求得解析解，而不得不使用数值积分的方法来近似计算。

在数值积分中，我们通常使用数值积分公式来计算定义在一个区间$[a,b]$上的函数（如果积分问题是无限积分，我们需要进行变形，将其转化为有限积分问题）。

数值积分公式通常基于插值方法，即将函数转化为一个多项式，并对多项式进行积分。

数值积分也应用广泛。

在科学和工程领域中，它通常用于计算面积、物质质量，以及探测信号的峰值等。

在金融领域中，数值积分也可用于计算期权定价公式的近似解。

数值微分和数值积分的误差分析在应用数值微分和数值积分时，误差是一个重要的考虑因素。

误差源可以来自于采样、采样噪声、近似方法等。

通常，我们使用误差分析来评估误差大小。

数值微分的误差通常归因于选取的$h$值。

当$h$太大时，我们会失去一些重要的信息，如函数的局部斜率。

微积分基本公式16个1. 微分：微分是数学中最重要的概念之一，它指的是在一定时间内几何形状的变化率。

可以理解为小步长地移动拟合函数，接近曲线本身。

可以表示为\frac{dy}{dx} 或f'(x) 。

2. 泰勒公式：泰勒公式是一个重要的微积分工具，它可以在某一特定点附近对任意连续函数进行展开，也就是说任意设定一个位置x0，可以根据它附近的数值向量求出函数在该位置的平均值。

可以用公式表示为：f(x) = f(x_0) + f'(x_0)(x-x_0) + \frac{f''(x_0)(x-x_0)^2}{2!} + \frac{f^{n}(x_0)(x-x_0)^n}{n!} + ...3. 高斯积分公式：高斯积分是指将函数抽象为一次多项式曲线，采用指数型或线性型积分方法求解积分。

它可以用公式f(x)=\sum_{i=0}^n a_i x^i 表示，其中a_i为积分下限、上限和积分点x_i处函数值相乘所得到的系数。

4. 黎曼积分：黎曼积分是一种常用的积分方法，它通过对连续函数求和，来确定函数在给定区间上的定积分。

可以用公式表示为：\int_{a}^{b}f(x)dx=\sum_{i=1}^{n}f(x_i)\Delta x_i ,其中n为梯形的节点数。

5. Stokes公式：Stokes公式是一种将多变量函数投影到多方向进行积分的方法，可以用公式表示为：\int_{\Omega}\nabla\times{\bf F} dA =\int_{\partial\Omega}{\bf F}\cdot{\bf n}dS，其中\nabla\times{\bf F} 为梯度矢量场，\partial\Omega 为边界，{\bfn}dS 为单位向量与边界面积的乘积。

6. Γ函数：Γ函数是一种重要的数学函数，通常用来表示非负整数的排列组合，也可以表示实数的阶乘，可以用公式表示为：\Gamma(x)=\int_0^{\infty}t^{x-1}e^{-t}dt7. 方阵的行列式：方阵的行列式是指一个n阶矩阵的行列式，可以用公式表示为：D= |a_{i,j}| = \begin{vmatrix} a_{1,1} & a_{1,2} & ... & a_{1,n} \\ a_{2,1} & a_{2,2} & ... & a_{2,n} \\ \vdots & \vdots & \ddots & \vdots \\ a_{n,1} & a_{n,2} & ... & a_{n,n} \end{vmatrix} ，其中a_{i,j} 为矩阵中的元素。

微分的意义和作用微分是微积分中的一个重要概念，它在数学和物理学中有着广泛的应用。

微分的意义和作用是研究函数的局部变化情况，通过微分可以求得函数在某一点的斜率，从而揭示函数的变化规律和性质。

微分的意义在于能够描述函数在某一点的瞬时变化率。

在数学中，函数的微分可以看作是函数在某一点附近的线性逼近。

通过对函数进行微分，可以得到函数在该点的切线斜率，这个斜率反映了函数在该点附近的变化趋势。

通过研究函数的微分，可以揭示函数的增减性、极值点、拐点等重要信息。

微分的作用十分广泛。

首先，在几何学中，微分广泛应用于曲线的研究。

通过对曲线的微分，可以得到曲线在某一点的切线方程，从而研究曲线的几何性质。

此外，在物理学中，微分也被广泛应用于描述物理量的变化。

例如，速度和加速度可以通过对位移函数进行微分得到。

微分还可以用于解决最优化问题，通过求解函数的极值点，可以得到函数的最大值和最小值。

微分的概念可以追溯到17世纪的牛顿和莱布尼茨。

牛顿和莱布尼茨分别独立发展了微积分学，他们的贡献被称为牛顿-莱布尼茨公式。

微分的计算通常使用导数的定义或者基本的微分法则。

导数的定义是通过极限来定义的，它表示函数在某一点的瞬时变化率。

基本的微分法则包括常数法则、幂法则、指数法则、对数法则等，这些法则可以简化微分的计算。

微分的计算方法有多种，常见的方法有数值微分、符号微分和微分方程。

数值微分是通过数值逼近来计算微分，它适用于函数没有解析表达式的情况。

符号微分是通过对函数的表达式进行代数运算来求得微分，它适用于函数具有解析表达式的情况。

微分方程是描述函数导数与自变量之间关系的方程，通过求解微分方程可以得到函数的解析表达式。

微分作为微积分的重要概念，在数学和物理学中有着广泛的应用。

它可以描述函数的局部变化情况，揭示函数的性质和规律。

微分的计算方法有多种，可以根据具体的问题选择合适的方法。

微分的研究对于深入理解数学和物理学的原理和应用具有重要意义。

(4) 北京理工大学函大2004-2005学年第1学期计算机科学与技术专业专升本数值计算方法思考题和习题教科书：《科学与工程计算》廖晓钟赖汝编国防工业出版社 2003年版第1 章思考题p26 1,2,3,4,5第1 章习题pp26-27 1,3,4,5,6,11第2 章思考题p66 1,3,6,7,8,9,12.13第2 章习题pp67-68 2,3,4,5,7,11,12,13,14,17,18第3 章思考题p119 1,3,4，5，6,10,18,19第3 章习题pp119-121 1，2,3,4,5,12,13第4 章思考题p144 1,2,3,4,5,7,8第4 章习题pp144-146 1,2,3,4,5,6,7,10,11,12,13第5 章思考题p207 1,2,3,4,5,6,7,9,10,11,12.13第5 章习题pp208-209 1,2,3,4,5,6,7,8,9,10,11,12,13,15第6 章思考题p257 1,2,3,4,5,6,7,8,10,11,12.14第6 章习题pp257-259 1,2,3,4,5,6,7,8,11,12,13,15,16,17,18第7 章思考题p292 1,2,3,4,5,6,8,9第7 章习题pp293-295 1,2,3,4,5,6,7,8,11,12,20作业题第1 章习题pp26-27 1(1),(2),3(3),5,6第2 章习题pp67-68 2,4,5,11,13,17第3 章习题pp119-121 1(1),2(1),5(2),12第4 章习题pp144-146 1(1),2,10,11,12,13第5 章习题pp208-209 1,3,4,7,10,13,,15第6 章习题pp257-259 1(2),3,6（1）,12,16第7 章习题pp293-295 1,3,6,11,20数值计算方法复习题第1 章绪论1.说明数值算法的意义，计算机解题步骤和数值算法的特点。

数值微分与数值积分数值微分和数值积分是数值分析中两个重要的概念和技术。

它们在数学与工程领域中都有着广泛的应用。

本文将介绍数值微分和数值积分的概念、原理和应用。

1. 数值微分数值微分是指通过数值计算方法来逼近函数的导数。

在实际计算中，我们常常需要求解某一函数在特定点的导数值，这时数值微分就能派上用场了。

一种常用的数值微分方法是有限差分法。

它基于函数在离给定点很近的两个点上的函数值来逼近导数。

我们可以通过选取合适的差分间距h来求得函数在该点的导数值。

有限差分法的一般形式可以表示为：f'(x) ≈ (f(x+h) - f(x))/h其中，f'(x)是函数f(x)在点x处的导数值，h是差分间距。

数值微分方法有很多种，比如前向差分、后向差分和中心差分等。

根据实际需求和计算精度的要求，我们可以选择合适的数值微分方法来进行计算。

2. 数值积分数值积分是指通过数值计算方法来近似计算函数的定积分。

在实际问题中，我们经常需要求解函数在某一区间上的积分值，而数值积分可以提供一个快速而准确的近似。

一种常见的数值积分方法是复合梯形法。

它将积分区间分割成若干个小区间，然后在每个小区间上应用梯形面积的计算公式。

最后将所有小区间上的梯形面积相加，即可得到整个积分区间上的积分值。

复合梯形法的一般形式可以表示为：∫[a, b] f(x)dx ≈ h/2 * [f(a) + 2∑(i=1 to n-1)f(x_i) + f(b)]其中，[a, b]是积分区间，h是分割的小区间宽度，n是划分的小区间个数，x_i表示第i个小区间的起始点。

除了复合梯形法，还有其他常用的数值积分方法，比如复合辛普森法、龙贝格积分法等。

根据被积函数的性质和计算精度要求，我们可以选择合适的数值积分方法来进行计算。

3. 数值微分和数值积分的应用数值微分和数值积分在科学研究和工程实践中具有广泛的应用。

以下是一些常见的应用领域：3.1 物理学在物理学中，我们经常需要对物体的位置、速度和加速度进行计算。

2.3 数值积分2.3.1 一元函数的数值积分函数1 quad 、quadl 、quad8功能 数值定积分，自适应Simpleson 积分法。

格式 q = quad(fun,a,b) %近似地从a 到b 计算函数fun 的数值积分，误差为10-6。

若给fun 输入向量x ，应返回向量y ，即fun 是一单值函数。

q = quad(fun,a,b,tol) %用指定的绝对误差tol 代替缺省误差。

tol 越大，函数计算的次数越少，速度越快，但结果精度变小。

q = quad(fun,a,b,tol,trace,p1,p2,…) %将可选参数p1,p2,…等传递给函数fun(x,p1,p2,…)，再作数值积分。

若tol=[]或trace=[]，则用缺省值进行计算。

[q,n] = quad(fun,a,b,…) %同时返回函数计算的次数n… = quadl(fun,a,b,…) %用高精度进行计算，效率可能比quad 更好。

… = quad8(fun,a,b,…) %该命令是将废弃的命令，用quadl 代替。

例2-40>>fun = inline(‘3*x.^2./(x.^3-2*x.^2+3)’); equivalent to: function y=funn(x)y=3*x.^2./(x.^3-2*x.^2+3);>>Q1 = quad(fun,0,2) >>Q2 = quadl(fun,0,2)计算结果为：Q1 =3.7224 Q2 =3.7224补充：复化simpson 积分法程序程序名称 Simpson.m调用格式 I=Simpson('f_name',a,b,n)程序功能 用复化Simpson 公式求定积分值输入变量 f_name 为用户自己编写给定函数()y f x 的M 函数而命名的程序文件名 a 为积分下限b 为积分上限n 为积分区间[,]a b 划分成小区间的等份数 输出变量 I 为定积分值 程序function I=simpson(f_name,a,b,n) h=(b-a)/n; x=a+(0:n)*h; f=feval(f_name,x); N=length(f)-1;if N==1fprintf('Data has only one interval') return; end if N==2I=h/3*(f(1)+4*f(2)+f(3)); return; end if N==3I=3/8*h*(f(1)+3*f(2)+3*f(3)+f(4)); return; end I=0;if 2*floor(N/2)==NI=h/3*(2*f(N-2)+2*f(N-1)+4*f(N)+f(N+1)); m=N-3; else m=N; endI=I+(h/3)*(f(1)+4*sum(f(2:2:m))+2*f(m+1)); if m>2I=I+(h/3)*2*sum(f(3:2:m)); end例题 求0sin I xdx π=⎰。

数值分析中的数值微分与数值积分数值微分和数值积分是数值分析领域中两个重要的概念。

它们在计算机科学、工程学和物理学等领域中有广泛的应用。

本文将介绍数值微分和数值积分的概念、原理以及一些常用的方法和技巧。

一、数值微分数值微分是通过数值方法来计算函数的导数。

导数是描述函数变化率的工具，它在物理学、经济学和生物学等领域中具有重要的作用。

1. 前向差分法（Forward Difference）前向差分法是一种简单而常用的计算导数的方法。

它利用函数在某一点上的值与函数在该点附近的一个点上的值之间的差异来估计导数。

具体公式如下：f'(x) ≈ (f(x+h) - f(x))/h其中，h为步长，为了提高精度，需要选择足够小的步长。

2. 后向差分法（Backward Difference）后向差分法与前向差分法类似，不同之处在于它利用函数在某一点上的值与函数在该点附近的一个点上的值之间的差异来估计导数。

具体公式如下：f'(x) ≈ (f(x) - f(x-h))/h同样地，步长h需要选择足够小。

3. 中心差分法（Central Difference）中心差分法是一种更加准确的数值微分方法，它利用函数在某一点上的前后两个点的值来估计导数。

具体公式如下：f'(x) ≈ (f(x+h) - f(x-h))/(2h)中心差分法相对于前向差分法和后向差分法而言，具有更高的精度。

二、数值积分数值积分是通过数值方法来计算函数的积分。

积分在物理学、经济学和统计学等领域中起着重要的作用，它可以用来计算面积、体积以及概率等。

1. 矩形法（Rectangle Method）矩形法是一种简单的数值积分方法，它利用多个矩形来逼近曲线下的面积。

具体来说，将积分区间等分为若干子区间，然后在每个子区间上选择一个点作为高度，从而构造出多个矩形。

最后，将各个矩形的面积相加，即可得到近似的积分值。

2. 梯形法（Trapezoidal Method）梯形法是一种更加准确的数值积分方法，它利用多个梯形来逼近曲线下的面积。

数值分析中的数值微分与数值积分数值分析是一门重要的数学分支，用于研究如何使用计算机来求解各种数学问题。

数值微分和数值积分是数值分析中的两个基本概念，它们在科学计算和工程应用中具有广泛的应用。

一、数值微分数值微分是通过数值方法来近似计算函数的导数。

在实际计算中，往往很难直接求得函数的导数表达式，这时候数值微分方法就派上用场了。

1. 前向差分公式前向差分公式是最简单的数值微分方法之一，它基于导数的定义，用函数值的差商来近似计算导数。

假设函数f(x)在点x0处可导，则其导数f'(x0)可以近似表示为：f'(x0) ≈ (f(x0 + h) - f(x0)) / h其中h是一个足够小的正数，通常称为步长。

通过取不同的步长h，可以得到不同精度的数值微分结果。

2. 中心差分公式中心差分公式是数值微分中较为常用的方法，它利用了函数值的前向和后向差商来近似计算导数。

假设函数f(x)在点x0处可导，则其导数f'(x0)可以近似表示为：f'(x0) ≈ (f(x0 + h) - f(x0 - h)) / (2h)与前向差分公式相比，中心差分公式的精度更高，但计算量稍大一些。

二、数值积分数值积分是通过数值方法来近似计算函数在某个区间上的定积分值。

定积分在数学、物理等领域中具有广泛的应用，尤其是对于无法用解析方法求解的积分问题，数值积分提供了可行的解决办法。

1. 矩形法则矩形法则是最简单的数值积分方法之一，它将函数在积分区间上分成若干个小矩形，然后计算这些小矩形的面积之和。

假设函数f(x)在区间[a, b]上积分，则其定积分值可以近似表示为：∫[a,b] f(x)dx ≈ (b - a) * f(x)其中x是[a, b]上的随机点。

2. 梯形法则梯形法则是数值积分中较常用的方法，它将函数在积分区间上分成若干个小梯形，然后计算这些小梯形的面积之和。

假设函数f(x)在区间[a, b]上积分，则其定积分值可以近似表示为：∫[a,b] f(x)dx ≈ (b - a) * (f(a) + f(b)) / 2梯形法则的精度要比矩形法则要高一些。

数值积分与数值微分数值积分和数值微分是数值计算中重要的概念和方法，它们在科学、工程和统计等领域有广泛的应用。

本文将介绍数值积分和数值微分的基本概念、原理和方法，并对其在实际问题中的应用进行讨论。

一、数值积分数值积分是求解定积分的数值近似值的方法。

定积分是函数在给定区间内的面积，表示为∫f(x)dx。

在实际计算中，由于很多函数的原函数求解十分困难或不可求得，因此需要借助数值积分方法来进行求解。

1.1 矩形法矩形法是最基本的数值积分方法之一。

它将积分区间等分为若干小区间，并在每个小区间上取一点，然后用这些小区间上的函数值的平均值来近似积分值。

具体而言，对于等分为n个小区间的积分，矩形法可以表示为：∫f(x)dx ≈ Δx * (f(x0) + f(x1) + ... + f(xn-1))其中，Δx为每个小区间的长度，xi为每个小区间上的取点。

矩形法的计算简单，但精度较低。

1.2 梯形法梯形法是另一种常用的数值积分方法，它通过用梯形面积来逼近积分值。

类似于矩形法，梯形法将积分区间等分为若干小区间，并在每个小区间上取两个点，然后用这些小区间上的梯形面积之和来逼近积分值。

具体而言，梯形法可以表示为：∫f(x)dx ≈ Δx/2 * (f(x0) + 2f(x1) + 2f(x2) + ... + 2f(xn-1) + f(xn))其中，Δx为每个小区间的长度，xi为每个小区间上的取点。

梯形法相对于矩形法有更高的精度，但计算复杂度也相应提高。

1.3 辛普森法则辛普森法则是一种更加精确的数值积分方法，它利用三次多项式来逼近积分值。

辛普森法则将积分区间等分为若干小区间，并在每个小区间上取三个点，然后通过构造一个三次多项式，利用多项式的积分近似面积来逼近积分值。

具体而言，辛普森法则可以表示为：∫f(x)dx ≈ Δx/3 * (f(x0) + 4f(x1) + 2f(x2) + 4f(x3) + ... + 2f(xn-2) +4f(xn-1) + f(xn))其中，Δx为每个小区间的长度，xi为每个小区间上的取点。

数值微分公式数值微分公式是数值分析的一个重要分支，用于近似计算函数的导数和高阶导数。

数值微分法是许多科学和工程问题中的基本问题，解决这些问题需要计算导数。

但是，实际上，很少有函数的导数可以直接计算。

因此，必须使用数值微分公式。

本文将介绍数值微分公式的原理、分类和具体的计算方法。

一、数值微分公式的原理数值微分公式是由函数在某点附近的微分法则推导出来的近似式。

在微积分中，导数的定义是函数f在点x处的极限，即： $f'(x)=\lim_{h\rightarrow 0}\frac{f(x+h)-f(x)}{h}$在实际应用中，相对于h的微小量可以忽略不计。

因此，可以将$h$写成$x$的一个小量$\Delta x$，即：$f'(x)=\lim_{\Delta x\rightarrow 0}\frac{f(x+\Delta x)-f(x)}{\Delta x}$数值微分公式的目的是近似原函数在给定点处的导数。

根据微积分的定义，可以得出导函数在给定点处的某个近似值。

换句话说，通过在某个小范围内对函数进行采样，可以得到导数的近似值。

二、数值微分公式的分类根据计算导数的方法的复杂性和准确性，可以将数值微分公式分为三类：前向差分、后向差分和中心差分。

1. 前向差分前向差分是计算函数在$x$点处$f'(x)$的近似值的一种方式。

前向差分的定义式为：$f'(x) \approx \frac{f(x+h)-f(x)}{h}$其中，$h>0$是一个小的参数，表示采样区间的长度。

这个公式可以被解释为在$x$处的切线的斜率，它利用了函数在$x$处的切线来逼近导数的值。

显然，$h$越小，这个近似值会更精确。

但与此同时，数值误差也会增加，因为数值计算的精度在计算越小的$h$时会下降。

2. 后向差分后向差分是计算函数在$x$点处$f'(x)$的近似值的另一种方式。

后向差分的计算公式为：$f'(x) \approx \frac{f(x)-f(x-h)}{h}$与前向差分的计算公式相比，后向差分的参数$h$的符号相反。

数值分析知识点大全总结一、数值计算方法数值计算方法是数值分析的基础，它涵盖了数值逼近、数值积分、插值与拟合、数值微分与数值积分、解线性方程组、求解非线性方程与方程组、解常微分方程等内容。

下面我们将逐一介绍这些方面的知识点。

1. 数值逼近数值逼近是研究如何用简单的函数来近似一个复杂的函数的方法。

常见的数值逼近方法包括多项式逼近、三角函数逼近、曲线拟合等。

其中，最为重要的是多项式逼近，它可以用来近似任意函数，并且具有较好的数学性质。

2. 数值积分数值积分是研究如何用离散的数据来估计连续函数的积分值的方法。

常见的数值积分方法包括梯形公式、辛普森公式、龙贝格公式等。

其中，辛普森公式是一种较为精确的数值积分方法，它可以用来估计任意函数的积分值，并且具有较好的数值稳定性。

3. 插值与拟合插值与拟合是研究如何用离散的数据来构造连续函数的方法。

常见的插值方法包括拉格朗日插值、牛顿插值等。

而拟合方法则是研究如何用简单的函数来拟合复杂的数据，常见的拟合方法包括最小二乘法、最小二乘多项式拟合等。

4. 数值微分与数值积分数值微分与数值积分是研究如何用差分方法来估计导数与积分的值的方法。

常见的数值微分方法包括向前差分、向后差分、中心差分等。

而数值积分方法则可以直接用差分方法来估计积分的值。

5. 解线性方程组解线性方程组是研究如何用迭代法或直接法来求解线性方程组的方法。

常见的迭代法包括雅各比迭代法、高斯-赛德尔迭代法等。

而直接法则是指用消元法来求解线性方程组的方法。

6. 求解非线性方程与方程组求解非线性方程与方程组是研究如何用迭代法来求解非线性方程与方程组的方法。

常见的迭代法包括牛顿法、割线法等。

其中，牛顿法是一种非常高效的求解非线性方程与方程组的方法，它具有收敛速度快的特点。

7. 解常微分方程值积分方法包括龙格-库塔法、变步长欧拉法、变步长龙格-库塔法等。

其中，龙格-库塔法是一种较为精确的数值积分方法，它可以用来求解各种类型的常微分方程。

1. 求积分 11()f x dx -⎰两点的高斯公式为 11()(f x dx f f -≈+⎰,则 102()f x dx ⎰的两点高斯公式为4646f f⎛⎛++- ⎝⎝。

2. 1n +个求积节点的插值型求积公式的代数精确度至少为 n 次。

3 n 个求积节点的高斯求积公式的代数精度为 2n-1 次；4. 求积分()baf x ⎰的辛卜生公式为()S f =()4()()62b a a b f a f f b -+⎡⎤++⎢⎥⎣⎦。

5 确定求积公式的待定系数，使其代数精度尽量高，并指出其代数精度的次数。

3 1()[()()]''( )212a hah f x dx f a f a h h f a h λ+=++-+⎰解：当f(x)=1时，左边=1a ha dx h +=⎰右边=3"1[()()]()22h f a f a h h f a h h λ++-+= 左边=右边 当f(x)=x 时，左边=222a haah h xdx ++=⎰右边=23"12[()()]()222h ah h f a f a h h f a h λ+++-+=左边=右边 当f(x)= 2x 时，左边=2232333a haa h ah h x dx +++=⎰右边= 2233"133[()()]()223h a h ah h f a f a h h f a h λ++++-+=左边=右边当f(x)= 3x 时，左边=442()4a haa h a x dx ++-=⎰右边=3333"1()()[()()]()2222h a h a h a h h f a f a h h f a h λλ+++++-+=-要使得 左边=右边，则124λ=，12λ=当f(x)= 4x ,左边≠右边，所以它的精度次数是36求定积分()baf x dx⎰的辛卜生公式为()S f =()4()()62b a a b f a f f b -+⎡⎤++⎢⎥⎣⎦。