应使用 std::function 封装一元实函数，避免过度模板化；固定步长积分需明确段数 n 并计算 h=(b-a)/n，采样点为 x_i=a+i*h（i 从 0 到 n），梯形法权重首尾为 0.5、中间为 1，n 至少为 1 且须校验。
用 std::function 封装被积函数，避免模板泛滥
硬写模板（比如 template<typename f></typename>）看似通用，但实际项目里多数积分器只处理一元实函数，用 std::function<double></double> 更轻量、调试友好，也方便传 lambda 或绑定对象成员。别过早抽象——除非你真要支持复数或向量值函数。
常见错误是直接传裸函数指针却忘了类型匹配，比如：double f(double) 和 std::function<double></double> 不兼容。统一用 double 参数和返回值最稳妥。
示例：
auto f = [](double x) -> double { return x * x + 2 * x; };
double result = integrate(f, 0.0, 1.0, 1000); // 步长由区间长度和点数反推
固定步长意味着先算 h = (b - a) / n，不是直接循环 i *= h
新手常误以为“固定步长”就是从 a 开始每次加 h 直到超过 b，结果因浮点累积误差导致终点偏移、点数不准。正确做法是明确指定分割段数 n，再算 h = (b - a) / n，所有采样点用 x_i = a + i * h（i 从 0 到 n），这样端点严格落在 a 和 b 上。
注意：n 必须是正整数，且至少为 1；若传入 0，程序应拒绝并报错（比如抛 std::invalid_argument），而不是静默出错。
关键点：
-
h是 double 类型，即使a、b、n都是整数也要显式转成 double 运算 - 循环变量
i用int或size_t，别用double做循环索引 - 梯形法需
n+1个点，辛普森法则要求n为偶数（否则退化为梯形）
梯形法最简实现：三行核心逻辑，别漏掉首尾权重
梯形公式本质是每个子区间上用线性插值近似，面积为 h * (f(x_i) + f(x_{i+1})) / 2。合并后等价于 h * (0.5*f(a) + f(a+h) + f(a+2h) + ... + 0.5*f(b))。漏掉首尾的 0.5 权重是高频错误，会导致结果系统性偏大。
实操建议：
- 初始化
sum = 0.5 * (f(a) + f(b)) - 循环
i = 1到n-1，累加f(a + i * h) - 最后乘
h得结果
代码片段：
double h = (b - a) / static_cast<double>(n); double sum = 0.5 * (f(a) + f(b)); for (int i = 1; i <h3>精度陷阱：步长太小反而更不准，优先调 <code>n</code> 而非盲目减 <code>h</code> </h3> <p>当 <code>n</code> 大到使 <code>h</code> 接近 <code>DBL_EPSILON * |a|</code> 量级时，<code>a + i * h</code> 的计算会因浮点舍入丢失有效位，导致采样点重复或跳变。这不是算法问题，而是 IEEE 754 双精度的固有限制。</p> <p>更可靠的做法是控制 <code>n</code> 在合理范围（比如 1e2 ~ 1e6），必要时用自适应积分库（如 GSL）替代。若必须高精度，改用 long double 并确认编译器支持扩展精度，但要注意性能代价和跨平台一致性。</p> <p>容易被忽略的一点：被积函数在区间内有奇点（如 <code>1/sqrt(x)</code> 在 0 附近）时，固定步长积分器会严重失准——这时候该换坐标变换或专用方法，而不是堆 <code>n</code>。</p></double>
C++免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 C++ 的入门与实战技巧！
