为何mpmath与numpy的Chebyshev拟合系数存在差异？

你看到的系数差异，本质是两个函数返回的系数对应不同的多项式基底：

1. mpmath.chebyfit 返回幂级数系数 #

mpmath.chebyfit会先基于Chebyshev节点构建近似，然后直接将结果转换为标准幂级数形式（即 $p(x) = a_0 + a_1x + a_2x^2 + a_3x^3 + a_4x^4$），返回的数组是从低次到高次的系数：

• 你的输出[0.0399612, 2.11758e-23, -0.499576, -2.64698e-23, 1.0]对应：
  $0.0399612 + 0x -0.499576x^2 +0x^3 +1.0x^4$
  （极小的非零值是数值计算误差导致的）

2. numpy.chebinterpolate 返回Chebyshev基系数 #

numpy.polynomial.chebyshev.chebinterpolate返回的是Chebyshev多项式基的系数，即近似多项式表示为 $p(x) = c_0T_0(x) + c_1T_1(x) + c_2T_2(x) + c_3T_3(x) + c_4T_4(x)$，其中$T_n(x)$是第一类Chebyshev多项式：

• $T_0(x)=1$，$T_1(x)=x$，$T_2(x)=2x^{2-1$，$T_4(x)=8x}4-8x^2+1$
• 你的输出[7.65197687e-01, -6.51999524e-18, -2.29807158e-01, -3.40959333e-18, 4.99515460e-03]对应各Chebyshev项的系数

验证：两种形式是同一多项式 #

把numpy的Chebyshev基多项式展开为幂级数，就能得到和mpmath一致的结果：

# 基于numpy的系数展开为幂级数
c = [7.65197687e-01, 0, -2.29807158e-01, 0, 4.99515460e-03]
a0 = c[0] + c[2]*(-1) + c[4]*1
a2 = c[2]*2 + c[4]*(-8)
a4 = c[4]*8
print(f"幂级数系数：[{a0:.6f}, 0, {a2:.6f}, 0, {a4:.6f}]")

输出结果：

幂级数系数：[1.000000, 0, -0.499576, 0, 0.039961]

完全匹配mpmath返回的系数（误差是数值精度导致的）。

额外说明 #

• mpmath的chebyfit参数n=5对应4次多项式（共5项，0到4次），numpy的chebinterpolate参数4也对应4次多项式（最高次为$T_4(x)$），两者的近似阶数一致，所以代入x计算的结果完全相同。

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