分数与多项式类计算幂和时出现非整数结果的问题排查

从你描述的现象来看，核心矛盾是幂和本身必为整数，但k≥17时Polynomial.compute返回非整数，结合你用Fraction类避免浮点误差的前提，可按以下步骤排查：

1. 优先排查Fraction类的运算是否全程精确 #

Fraction类的核心价值是用整数分子/分母存储有理数，全程避免浮点转换。如果k≥17时出现非整数结果，首先要确认：

• Fraction的所有算术方法（__add__、__mul__、__pow__等）是否完全基于整数运算实现，没有在任何步骤中偷偷转换为浮点数。比如计算大指数幂时，若__pow__方法内部用了浮点运算（比如float(self)**exp），会直接丢失精度——k=17时，整数的17次幂数值很大，浮点数的53位尾数无法精确表示所有大整数，必然引入舍入误差。
• 检查Fraction与整数的交互逻辑，比如整数转Fraction时是否正确处理，有没有出现隐式浮点转换。

2. 检查微扰理论算法的实现正确性 #

幂和的多项式表达式（如Faulhaber公式）依赖伯努利数、组合数等精确有理数，若算法实现有误，也会导致结果异常：

• 伯努利数计算错误：伯努利数是有理数，若计算时用了近似值而非精确分数（比如直接用浮点存储伯努利数），k≥17时误差会被放大，最终导致多项式系数非精确整数。
• 组合数计算问题：k≥17时，组合数C(k+1, m)数值会显著增大，若组合数的计算用了浮点除法（比如自己实现时用n!/(k!*(n-k)!)的浮点运算），会引入精度损失；即使是整数运算，也要确认是否存在逻辑错误。
• 多项式系数生成错误：展开多项式时，项的符号、系数的累加/乘法步骤出错，会导致系数不是预期的有理数，最终代入整数x后得到非整数结果。

3. 定位误差的具体环节 #

通过分步测试缩小问题范围：

• 直接用Fraction计算k=17时前10项的和：sum(Fraction(i, 1)**17 for i in range(1, 11))，若结果为整数，说明Fraction类本身没问题，问题出在Polynomial类的系数生成或compute方法；若结果非整数，直接定位到Fraction的幂运算实现。
• 查看Polynomial类存储的系数是否为精确Fraction：打印k=17时多项式的所有系数，确认每个系数的分子分母都是整数，且能约分为最简分数。
• 跟踪compute(x=10)的计算过程：分步计算每一项coeff * x**power的结果，看哪一步出现了非整数，定位到具体的系数或运算步骤。

4. 区分浮点精度与算法错误 #

如果上述测试发现某一步的Fraction被错误转换为浮点数，那就是浮点精度问题；如果所有中间结果都是精确Fraction，但最终累加后出现非整数，那大概率是算法逻辑错误（比如伯努利数符号错了、组合数计算错了）。

内容的提问来源于stack exchange，提问作者lightningcoder123