梯形法计算积分结果为0时误差随n增大异常，求修复方案

你的梯形法实现逻辑本身是正确的，但在对称区间（如[-1,1]）出现结果异常，核心原因是浮点数累加的精度误差累积：循环中通过start += length逐步计算中间点的方式，会随着循环次数增加产生精度偏移，导致对称位置的点无法严格对应，奇函数sin(x)的正负值无法完全抵消，最终积分结果偏离理论值0。

修复后的代码 #

import math

def trapezoidal_method(a: float, b: float, n: int) -> float:
    length = (b - a) / n
    integral = 0.0
    # 首尾项的半值
    integral += math.sin(a) / 2 + math.sin(b) / 2
    # 直接计算中间点，避免累加精度损失
    for i in range(1, n):
        x = a + i * length
        integral += math.sin(x)
    return integral * length

修复说明 #

1. 避免累加误差：将原来的start累加方式改为直接通过a + i * length计算每个中间点的坐标，确保每个点的位置都是基于初始区间精确计算的，不会因多次累加产生偏移。
2. 简化首尾项计算：将首尾的半值合并到同一行，逻辑更清晰，不影响结果。

验证示例 #

当调用trapezoidal_method(-1, 1, 1000)时，修复后的代码会返回非常接近0的结果（如~1e-16量级），符合奇函数在对称区间积分的理论预期；而原代码可能返回明显非零的误差值（如~1e-13或更大）。

内容的提问来源于stack exchange，提问作者Michael Eliosov