数值积分大作业：梯形法、辛普森法与龙贝格法的Matlab实现

数值积分是计算定积分的近似值的一种方法，广泛应用于科学计算和工程领域。在数值积分大作业中，我们将学习并实现三种常用的数值积分方法：梯形法、辛普森法和龙贝格法。这些方法在Matlab中都有现成的函数，但为了更好地理解其原理，我们将自己编写代码实现。
梯形法
梯形法是最简单的数值积分方法之一。其基本思想是将积分区间分成若干个小区间，每个小区间上用梯形面积近似代替曲线下的面积，然后将这些梯形面积相加得到积分的近似值。
以下是使用Matlab实现梯形法的代码：

function I = trapezoidal_method(f, a, b, n)
% f: 被积函数
% a, b: 积分区间的下限和上限
% n: 区间分割的份数
h = (b - a) / n;
x = a:h:b;
y = f(x);
I = h * (y(1) + y(end)) / 2 * length(x);
end

使用方法：I = trapezoidal_method(@sin, 0, 1, 100)
辛普森法
辛普森法是另一种简单的数值积分方法。它使用抛物线面积近似代替曲线下的面积，然后对所有小抛物线面积求和得到积分的近似值。
以下是使用Matlab实现辛普森法的代码：

function I = simpson_method(f, a, b, n)
% f: 被积函数
% a, b: 积分区间的下限和上限
% n: 区间分割的份数
h = (b - a) / n;
x = a:h:b;
y = f(x);
I = h * (y(1) + 2 * y(2:end-1) + y(end)) / 3 * length(x);
end

使用方法：I = simpson_method(@sin, 0, 1, 100)
龙贝格法
龙贝格法是一种高精度的数值积分方法，它结合了梯形法和辛普森法的思想。首先使用梯形法得到一个粗略的积分值，然后对这个粗略值进行修正，使其更加精确。修正的过程类似于辛普森法。
以下是使用Matlab实现龙贝格法的代码：
```matlab
function I =Romberg_method(f, a, b, n)
% f: 被积函数
% a, b: 积分区间的下限和上限
% n: 区间分割的份数
R = zeros(1, n); % 存储每一步的近似值
h = (b - a) / n;
x = ab; % 等距分割区间，初始区间长度为h
R(1) = (x(2) - x(1)) (f(x(1)) + f(x(2))); % 初始步使用梯形法近似计算积分值，用h乘以两点的函数值之和再除以2得到面积，累加所有面积得到初步的近似值。然后进入迭代过程。在每次迭代中，我们先用上一步的近似值除以2，然后加上新的梯形面积（即h乘以两点函数值的平均值），最后再除以2。这个过程一直持续到n次迭代结束。最后得到的R(n)就是我们要找的定积分的近似值。 % R为近似值向量，n为迭代次数向量，i为当前迭代次数，R(i)为第i步的近似值向量。R(i)=h(f(x(i))+f(x(i+1)))0.5+sum(R(i-1)(h/2)); % 用第i步的近似值向量乘以步长h的一半再乘以两点函数值的平均值再加上前一步所有近似值的和作为新的近似值。R(i)=R(i)*0.5+sum(R(i-1