标题：Python中实现高效中点法数值积分的原理与正确公式推导_技术教程

本文详解中点法数值积分在python中的两种常见实现方式，重点剖析书本公式 `midpoint = 0.5 * (2*a + delta_x*(2*i - 1))` 的数学本质，并指出自行推导时因索引偏移导致的常见错误（如误用 `i` 而非 `i-1`），帮助读者写出准确、高效且符合数学定义的积分近似函数。

中点法（Midpoint Rule）是一种经典的数值积分方法，其核心思想是：将区间 ([a, b]) 划分为 (n) 个等宽子区间，每个子区间的宽度为 (\Delta x = \frac{b-a}{n})，然后在每个子区间的中点处计算被积函数 (f(x)) 的值，并以该值为高、(\Delta x) 为宽构造矩形，所有矩形面积之和即为积分的近似值。

关键在于——如何正确计算第 (i) 个子区间的中点坐标？

设子区间编号从 (i = 1) 到 (n)，则第 (i) 个子区间的左端点为：
[ x_{i-1} = a + (i-1)\Delta x ]
右端点为：
[ x_i = a + i\Delta x ]
因此其中点为：
[ \text{midpoint}i = \frac{x{i-1} + x_i}{2} = \frac{[a + (i-1)\Delta x] + [a + i\Delta x]}{2} = a + \left(i - \frac{1}{2}\right)\Delta x = a + \frac{\Delta x}{2} + (i-1)\Delta x ]

✅ 这正是修正后的正确表达式：

midpoint = a + (dx / 2) + ((i - 1) * dx)

而原问题中错误的写法：

midpoint = a + (dx / 2) + (i * dx)  # ❌ 错误：中点偏移到第 (i+1) 个子区间

会导致每个中点整体右移一个 (\Delta x)，当 (i = n) 时甚至超出 ([a,b]) 区间，从而严重偏离真实积分值——这解释了为何“需用远更多区间才能接近正确结果”。

再看书中公式：

midpoint = 0.5 * (2 * a + delta_x * (2 * i - 1))

我们对其化简：
[ \begin{aligned} \text{midpoint} &= \frac{1}{2} \left(2a + \Delta x (2i - 1)\right) \ &= a + \frac{\Delta x}{2}(2i - 1) \ &= a + i\Delta x - \frac{\Delta x}{2} \ &= a + (i - 0.5)\Delta x \end{aligned} ]
结果完全等价于上述正确形式！因此该公式数学上严谨、无歧义，且避免了显式减法操作，在部分场景下还具备轻微的浮点稳定性优势。

以下是推荐的完整、健壮实现（含类型提示与边界检查）：

def approximate_integral(a: float, b: float, n: int, f) -> float:
    if n <= 0:
        raise ValueError("Number of subintervals 'n' must be positive.")
    if a >= b:
        raise ValueError("Interval must satisfy a < b.")

    dx = (b - a) / n
    total = 0.0
    for i in range(1, n + 1):  # i from 1 to n inclusive
        midpoint = a + (i - 0.5) * dx  # ✅ Clean, readable, and correct
        total += f(midpoint)
    return total * dx