数字 e e e 在数学中具有重要的地位,与 0、1、π \pi π 和 i i i 并列。这五个数都出现在欧拉恒等式 e i π + 1 = 0 e^{i\pi} + 1 = 0 e iπ + 1 = 0 这一个公式中。但 e e e 不像其他数学常数具有清晰几何意义,它的发现源于对增长和变化的研究,其值约为 2.718281828459045…
,是一个无理数和超越数,无法用分数表示,也不满足任何代数方程。
它有多个指代名称:
自然常数(Natural constant)/自然底数(Natural base)
欧拉数(Euler's number)
纳皮尔常数(Napier's constant)
使用欧拉数称呼它时要注意上下文,也需要和欧拉常数γ区分。
历史
e e e 的发现通常归功于 17 世纪后期的雅各布·伯努利(Jacob Bernoulli),他在研究复利(compound interest)问题时偶然发现了它。
1614年 : 约翰·纳皮尔(John Napier)发明了对数 ,间接推动了 e e e 的发现。
1683年 : 雅各布·伯努利(Jacob Bernoulli)在研究复利时首次接触到自然常数 e e e 。
1690年代 : 莱布尼茨(Leibniz)在微积分中为后来发现 e x e^x e x 的导数性质奠定了基础。
1731年 : 莱昂哈德·欧拉(Leonhard Euler)首次使用符号 e e e 表示该常数。
1737年 : 欧拉系统化了 e e e 的定义,并推广了其在数学中的应用。
1748年 : 欧拉推导出著名的欧拉公式 e i x = cos ( x ) + i sin ( x ) e^{ix} = \cos(x) + i \sin(x) e i x = cos ( x ) + i sin ( x ) 。
1873年 :夏尔·埃尔米特(Charles Hermite)证明 e e e 为超越数(transcendental number),这是数学史上的里程碑式成就。
超越数(transcendental number):指的是不满足任何有理系数的多项式方程的实数或复数。换句话说,超越数不是代数数(algebraic number),不能是任何整系数多项式的根。
定义
e e e 一般使用复利增长的概念进行定义,也可以使用级数展开方式。
通过极限
这是源自复利增长 的一个定义。当复利的计算频率趋向无穷时,复利的极限值就是自然常数 e e e 。
假设初始金额 $P = ¥1$,年利率 $r = 100%$
复利频率
每年复利次数
公式
1年后的金额
每年
1
1 ( 1 + 1 1 ) 1 = 2 1 \left(1 + \frac{1}{1}\right)^{1} = 2 1 ( 1 + 1 1 ) 1 = 2
¥2.00000000
每半年
2
1 ( 1 + 1 2 ) 2 = ( 3 2 ) 2 = 2.25 1 \left(1 + \frac{1}{2}\right)^{2} = \left(\frac{3}{2}\right)^2 = 2.25 1 ( 1 + 2 1 ) 2 = ( 2 3 ) 2 = 2.25
¥2.25000000
每季度
4
1 ( 1 + 1 4 ) 4 = ( 5 4 ) 4 ≈ 2.44140625 1 \left(1 + \frac{1}{4}\right)^{4} = \left(\frac{5}{4}\right)^4 \approx 2.44140625 1 ( 1 + 4 1 ) 4 = ( 4 5 ) 4 ≈ 2.44140625
¥2.44140625
每月
12
1 ( 1 + 1 12 ) 12 ≈ 2.61303529 1 \left(1 + \frac{1}{12}\right)^{12} \approx 2.61303529 1 ( 1 + 12 1 ) 12 ≈ 2.61303529
¥2.61303529
每周
52
1 ( 1 + 1 52 ) 52 ≈ 2.692596954 1 \left(1 + \frac{1}{52}\right)^{52} \approx 2.692596954 1 ( 1 + 52 1 ) 52 ≈ 2.692596954
¥2.692596954
每天
365
1 ( 1 + 1 365 ) 365 ≈ 2.714567482 1 \left(1 + \frac{1}{365}\right)^{365} \approx 2.714567482 1 ( 1 + 365 1 ) 365 ≈ 2.714567482
¥2.714567482
每小时
8760
1 ( 1 + 1 8760 ) 8760 ≈ 2.718126693 1 \left(1 + \frac{1}{8760}\right)^{8760} \approx 2.718126693 1 ( 1 + 8760 1 ) 8760 ≈ 2.718126693
¥2.718126693
每分钟
525600
1 ( 1 + 1 525600 ) 525600 ≈ 2.718279243 1 \left(1 + \frac{1}{525600}\right)^{525600} \approx 2.718279243 1 ( 1 + 525600 1 ) 525600 ≈ 2.718279243
¥2.718279243
随着复利频率的增加,金额逐渐逼近自然常数,可以通过以下极限定义:
e = lim n → ∞ ( 1 + 1 n ) n
e = \lim_{n \to \infty} \left( 1 + \frac{1}{n} \right)^n
e = n → ∞ lim ( 1 + n 1 ) n
通过级数展开
也可以通过其泰勒级数 展开来定义:
e x = ∑ n = 0 ∞ x n n !
e^x = \sum_{n=0}^{\infty} \frac{x^n}{n!}
e x = n = 0 ∑ ∞ n ! x n
当 x = 1 x = 1 x = 1 时,我们可以得到 e e e 的级数展开:
e = 1 + 1 + 1 2 ! + 1 3 ! + 1 4 ! + ⋯
e = 1 + 1 + \frac{1}{2!} + \frac{1}{3!} + \frac{1}{4!} + \cdots
e = 1 + 1 + 2 ! 1 + 3 ! 1 + 4 ! 1 + ⋯
这个无穷级数可以用于计算 e e e 的精确值,并且它收敛得非常快。
微分性质
e e e 是唯一一个 满足其导数等于自身的函数。即对于函数 f ( x ) = e x f(x) = e^x f ( x ) = e x ,有:
d d x e x = e x
\frac{d}{dx} e^x = e^x
d x d e x = e x
这一特性使得 e e e 在微积分中的应用非常广泛。
看两个例子:
齐次常系数微分方程
齐次常系数微分方程(homogeneous constant-coefficient differential equation)指的是所有项都与未知函数及其导数有关,且系数为常数,且方程右侧等于零的微分方程。
常系数微分方程有点像y的多项式,只不过它用的是y的导数,而不是幂。
一阶齐次常系数微分方程
d y d x + p y = 0
\frac{dy}{dx} + py = 0
d x d y + p y = 0
解的形式:
y ( x ) = C e − p x
y(x) = C e^{-px}
y ( x ) = C e − p x
二阶齐次常系数微分方程
y ′ ′ + p y ′ + q y = 0
y'' + p y' + q y = 0
y ′′ + p y ′ + q y = 0
根据其特征方程:
r 2 + p r + q = 0
r^2 + pr + q = 0
r 2 + p r + q = 0
分别讨论:
两个不同实根 r 1 r_1 r 1 和 r 2 r_2 r 2 :
y ( x ) = C 1 e r 1 x + C 2 e r 2 x
y(x) = C_1 e^{r_1 x} + C_2 e^{r_2 x}
y ( x ) = C 1 e r 1 x + C 2 e r 2 x
两个相同实根 r 1 = r 2 = r r_1 = r_2 = r r 1 = r 2 = r :
y ( x ) = ( C 1 + C 2 x ) e r x
y(x) = (C_1 + C_2 x) e^{r x}
y ( x ) = ( C 1 + C 2 x ) e r x
两个共轭复根 r 1 = α + i β r_1 = \alpha + i\beta r 1 = α + i β ,r 2 = α − i β r_2 = \alpha - i\beta r 2 = α − i β :
y ( x ) = e α x ( C 1 cos ( β x ) + C 2 sin ( β x ) )
y(x) = e^{\alpha x} (C_1 \cos(\beta x) + C_2 \sin(\beta x))
y ( x ) = e αx ( C 1 cos ( β x ) + C 2 sin ( β x ))
泰勒级数
e x e^x e x 这个微分特性配合泰勒级数/麦克劳林级数很容易展开。
泰勒级数 是将一个函数在某点附近通过无穷级数展开的方式来近似表示。给定函数 f ( x ) f(x) f ( x ) 在点 a a a 处,如果该函数在 a a a 附近具有足够的导数,那么它可以用以下形式的泰勒级数 表示:
f ( x ) = f ( a ) + f ′ ( a ) ( x − a ) + f ′ ′ ( a ) 2 ! ( x − a ) 2 + f ( 3 ) ( a ) 3 ! ( x − a ) 3 + ⋯
f(x) = f(a) + f'(a)(x - a) + \frac{f''(a)}{2!}(x - a)^2 + \frac{f^{(3)}(a)}{3!}(x - a)^3 + \cdots
f ( x ) = f ( a ) + f ′ ( a ) ( x − a ) + 2 ! f ′′ ( a ) ( x − a ) 2 + 3 ! f ( 3 ) ( a ) ( x − a ) 3 + ⋯
其中:
f ( n ) ( a ) f^{(n)}(a) f ( n ) ( a ) 表示函数 f ( x ) f(x) f ( x ) 在点 a a a 处的第 n n n 阶导数。
n ! n! n ! 表示 n n n 的阶乘,即 n ! = n ⋅ ( n − 1 ) ⋅ ⋯ ⋅ 1 n! = n \cdot (n-1) \cdot \dots \cdot 1 n ! = n ⋅ ( n − 1 ) ⋅ ⋯ ⋅ 1 。
当 a = 0 a = 0 a = 0 时,泰勒级数简化为麦克劳林级数 。
函数 e x e^x e x 在 a = 0 a = 0 a = 0 处的麦克劳林级数为:
e x = 1 + x + x 2 2 ! + x 3 3 ! + x 4 4 ! + ⋯
e^x = 1 + x + \frac{x^2}{2!} + \frac{x^3}{3!} + \frac{x^4}{4!} + \cdots
e x = 1 + x + 2 ! x 2 + 3 ! x 3 + 4 ! x 4 + ⋯
这个级数在整个实数范围内收敛,并且是 e x e^x e x 的精确表示。
自然对数
在16世纪末和17世纪初,科学、天文学和航海等领域需要进行大量的复杂计算,尤其是涉及到乘法、除法、乘方和开方的计算。这些计算在没有现代计算工具的情况下非常耗时且容易出错。为了简化这些繁琐的计算,纳皮尔提出对数,它可以将乘法运算转换为加法,将除法运算转换为减法,极大地减少计算的复杂性。
对数
对于任意正数 x x x 和底数 b b b (b > 0 b > 0 b > 0 且 b ≠ 1 b \neq 1 b = 1 ),b b b 的对数可以定义为:
log b ( x ) = y 当且仅当 b y = x
\log_b(x) = y \quad \text{当且仅当} \quad b^y = x
log b ( x ) = y 当且仅当 b y = x
常用的对数有以10为底数和以自然常数为底的。
自然对数的底
自然常数也是自然对数 (ln ( x ) \ln(x) ln ( x ) )的底数。自然对数是 e x e^x e x 的反函数:
ln ( e ) = 1
\ln(e) = 1
ln ( e ) = 1
涉及自然对数一些恒等式(注意大于0的条件),可放个全家福:
恒等式
解释
ln ( 1 ) = 0 \ln(1) = 0 ln ( 1 ) = 0
自然对数 1 的值为 0
ln ( e ) = 1 \ln(e) = 1 ln ( e ) = 1
自然对数e e e 的值为 1
ln ( a b ) = ln ( a ) + ln ( b ) \ln(ab) = \ln(a) + \ln(b) ln ( ab ) = ln ( a ) + ln ( b )
自然对数将乘法转化为加法
ln ( a b ) = ln ( a ) − ln ( b ) \ln\left(\frac{a}{b}\right) = \ln(a) - \ln(b) ln ( b a ) = ln ( a ) − ln ( b )
自然对数将除法转化为减法
ln ( a b ) = b ⋅ ln ( a ) \ln(a^b) = b \cdot \ln(a) ln ( a b ) = b ⋅ ln ( a )
对数的幂可以作为系数提到前面
ln ( e x ) = x \ln(e^x) = x ln ( e x ) = x
自然对数与指数函数互为反函数
e ln ( x ) = x e^{\ln(x)} = x e l n ( x ) = x
指数运算和自然对数互为反函数
log b ( a ) = ln ( a ) ln ( b ) \log_b(a) = \frac{\ln(a)}{\ln(b)} log b ( a ) = l n ( b ) l n ( a )
任意底数b b b 的对数通过自然对数转换【换底公式】
d d x ln ( x ) = 1 x \frac{d}{dx} \ln(x) = \frac{1}{x} d x d ln ( x ) = x 1
自然对数函数的导数【神奇】
∫ ln ( x ) d x = x ln ( x ) − x + C \int \ln(x) \, dx = x \ln(x) - x + C ∫ ln ( x ) d x = x ln ( x ) − x + C
自然对数函数的积分公式
1/x 的积分
难以想象,1 / x 1/x 1/ x 的积分会是自然对数 ln ( x ) \ln(x) ln ( x ) 。
在微积分中,幂函数 f ( x ) = x n f(x) = x^n f ( x ) = x n 的积分通常遵循一个简单的规则,称为幂函数积分法则 。对于 n ≠ − 1 n \neq -1 n = − 1 的幂函数,积分公式为:
∫ x n d x = x n + 1 n + 1 + C
\int x^n \, dx = \frac{x^{n+1}}{n+1} + C
∫ x n d x = n + 1 x n + 1 + C
当 n = − 1 n = -1 n = − 1 时,直接使用幂函数积分法则会导致分母为零(n + 1 = 0 n + 1 = 0 n + 1 = 0 ),因此该公式不适用。这就使得 1 x \frac{1}{x} x 1 (即 x − 1 x^{-1} x − 1 )变得特别,它的积分必须通过其他方法来处理。
∫ 1 x d x = ln ∣ x ∣ + C
\int \frac{1}{x} \, dx = \ln |x| + C
∫ x 1 d x = ln ∣ x ∣ + C
注意公式中的绝对值,这可以写成一个分段函数,而且两段的 C C C 的值还不一样。
这一性质源自对数函数的定义。自然对数函数 ln ( x ) \ln(x) ln ( x ) 是 e x e^x e x 的反函数,并且它的导数恰好是 1 x \frac{1}{x} x 1 :
d d x ln ( x ) = 1 x
\frac{d}{dx} \ln(x) = \frac{1}{x}
d x d ln ( x ) = x 1
该公式的证明直接使用导数定义(并配合对数法则)进行。
与复数(三角函数)的关系
在欧拉公式 中:
e i θ = cos ( θ ) + i sin ( θ )
e^{i\theta} = \cos(\theta) + i\sin(\theta)
e i θ = cos ( θ ) + i sin ( θ )
当 θ = π \theta = \pi θ = π 时,欧拉公式推导出一个非常美丽的结果,称为欧拉恒等式 :
e i π + 1 = 0
e^{i\pi} + 1 = 0
e iπ + 1 = 0
这个公式将数学中五个最重要的常数 e e e 、π \pi π 、i i i 、1 和 0 联系在了一起。
复平面点坐标
在复平面极坐标系内,坐标点用( r , θ ) (r, \theta) ( r , θ ) 表示,可以通过如下公式转到笛卡尔坐标系:
x = r cos ( θ ) y = r sin ( θ )
x = r\cos(\theta)
\\
y = r\sin(\theta)
x = r cos ( θ ) y = r sin ( θ )
所以,复数
z = x + i y = r cos ( θ ) + r sin ( θ )
z = x + iy= r\cos(\theta) + r\sin(\theta)
z = x + i y = r cos ( θ ) + r sin ( θ )
前面欧拉公式右侧是复平面单位圆上点的坐标。
如果 ( r , θ ) (r, \theta) ( r , θ ) 和 ( x , y ) (x,y) ( x , y ) 是同一个点,有
x + i y = r e i θ
x + iy = r e^{i\theta}
x + i y = r e i θ
欧拉公式证明
将e i x e^{ix} e i x 的幂级数展开:
e i x = ∑ n = 0 ∞ ( i x ) n n !
e^{ix} = \sum_{n=0}^{\infty} \frac{(ix)^n}{n!}
e i x = n = 0 ∑ ∞ n ! ( i x ) n
当 n n n 为偶数时,( i x ) n = i n ⋅ x n = ( − 1 ) n / 2 ⋅ x n (ix)^n = i^n \cdot x^n = (-1)^{n/2} \cdot x^n ( i x ) n = i n ⋅ x n = ( − 1 ) n /2 ⋅ x n ,因为 i 2 = − 1 i^2 = -1 i 2 = − 1 。
当 n n n 为奇数时,( i x ) n = i n ⋅ x n = ( − 1 ) ( n − 1 ) / 2 ⋅ i ⋅ x n (ix)^n = i^n \cdot x^n = (-1)^{(n-1)/2} \cdot i \cdot x^n ( i x ) n = i n ⋅ x n = ( − 1 ) ( n − 1 ) /2 ⋅ i ⋅ x n 。
将 e i x e^{ix} e i x 的幂级数展开为偶数项和奇数项:
e i x = ∑ n = 0 ∞ ( i x ) n n ! = ∑ n = 0 ∞ ( − 1 ) n x 2 n ( 2 n ) ! + i ∑ n = 0 ∞ ( − 1 ) n x 2 n + 1 ( 2 n + 1 ) !
e^{ix} = \sum_{n=0}^{\infty} \frac{(ix)^n}{n!} = \sum_{n=0}^{\infty} \frac{(-1)^{n} x^{2n}}{(2n)!} + i \sum_{n=0}^{\infty} \frac{(-1)^n x^{2n+1}}{(2n+1)!}
e i x = n = 0 ∑ ∞ n ! ( i x ) n = n = 0 ∑ ∞ ( 2 n )! ( − 1 ) n x 2 n + i n = 0 ∑ ∞ ( 2 n + 1 )! ( − 1 ) n x 2 n + 1
其中:
实部,是所有偶数幂项的和。它正是 cos ( x ) \cos(x) cos ( x ) 的泰勒展开式。
虚部,是所有奇数幂项的和。它正是 sin ( x ) \sin(x) sin ( x ) 的泰勒展开式。
双曲函数
双曲函数(hyperbolic functions )与三角函数类似,但定义在指数函数的基础上。最常用的双曲函数是双曲正弦 sinh ( x ) \sinh(x) sinh ( x ) 和双曲余弦 cosh ( x ) \cosh(x) cosh ( x ) 。
三角函数
cos ( θ ) = e i θ + e − i θ 2 \cos(\theta) = \frac{e^{i\theta} + e^{-i\theta}}{2} cos ( θ ) = 2 e i θ + e − i θ
sin ( θ ) = e i θ − e − i θ 2 i \sin(\theta) = \frac{e^{i\theta} - e^{-i\theta}}{2i} sin ( θ ) = 2 i e i θ − e − i θ
双曲函数
sinh ( x ) = e x − e − x 2 \sinh(x) = \frac{e^x - e^{-x}}{2} sinh ( x ) = 2 e x − e − x
cosh ( x ) = e x + e − x 2 \cosh(x) = \frac{e^x + e^{-x}}{2} cosh ( x ) = 2 e x + e − x
应用
放几个微分相关例子
电路中的电容放电
电容器的放电过程遵循一阶齐次微分方程。考虑一个电容通过电阻放电的电路,根据电流连续性,可列电压 V ( t ) V(t) V ( t ) 随时间的变化方程:
C d V d t + V R = 0
C\frac{dV}{dt} + \frac{V}{R} = 0
C d t d V + R V = 0
即:
d V d t + 1 R C V = 0
\frac{dV}{dt} + \frac{1}{RC} V = 0
d t d V + RC 1 V = 0
解的形式为:
V ( t ) = V 0 e − t R C
V(t) = V_0 e^{-\frac{t}{RC}}
V ( t ) = V 0 e − RC t
其中:
V 0 V_0 V 0 是初始电压,
R R R 是电阻,
C C C 是电容。
牛顿冷却定律
牛顿冷却定律 描述了物体的温度变化速率与其温度 T ( t ) T(t) T ( t ) 和环境温度 T env T_{\text{env}} T env 之间的差异成正比:
d T d t = − k ( T ( t ) − T env )
\frac{dT}{dt} = -k \left( T(t) - T_{\text{env}} \right)
d t d T = − k ( T ( t ) − T env )
其中:
T ( t ) T(t) T ( t ) 是物体在时刻 t t t 的温度。
T env T_{\text{env}} T env 是环境温度(常数)。
k k k 是冷却常数,代表冷却的速度。
其解:
T ( t ) = T env + ( T 0 − T env ) e − k t
T(t) = T_{\text{env}} + (T_0 - T_{\text{env}}) e^{-kt}
T ( t ) = T env + ( T 0 − T env ) e − k t
RLC电路中的振荡
RLC电路的响应可以用二阶齐次常系数微分方程来描述。根据回路电压和为零,RLC串联电路的电流 I ( t ) I(t) I ( t ) 满足以下方程:
L d I d t + R I + 1 C ∫ I ( t ) d t = 0
L \frac{dI}{dt} + R I + \frac{1}{C} \int I(t) dt = 0
L d t d I + R I + C 1 ∫ I ( t ) d t = 0
执行一次微分操作消除积分,可以得到方程:
L d 2 I d t 2 + R d I d t + 1 C I = 0
L \frac{d^2I}{dt^2} + R \frac{dI}{dt} + \frac{1}{C} I = 0
L d t 2 d 2 I + R d t d I + C 1 I = 0
其中:
L L L 是电感,
R R R 是电阻,
C C C 是电容。
特征方程为:
L r 2 + R r + 1 C = 0
Lr^2 + Rr + \frac{1}{C} = 0
L r 2 + R r + C 1 = 0
根据判别式 Δ = R 2 − 4 L / C \Delta = R^2 - 4L/C Δ = R 2 − 4 L / C 的值,电路可以表现出:
欠阻尼振荡 (振荡电流随时间逐渐衰减);
过阻尼 (电流缓慢趋于零);
临界阻尼 (最快的无振荡衰减)。
机械系统中的振动
在机械工程中,简单的阻尼振子 (如弹簧-阻尼系统)可以用二阶齐次常系数微分方程来描述。方程形式为:
m d 2 x d t 2 + c d x d t + k x = 0
m\frac{d^2x}{dt^2} + c\frac{dx}{dt} + kx = 0
m d t 2 d 2 x + c d t d x + k x = 0
其中:
m m m 是质量,
c c c 是阻尼系数,阻尼力和速度成正比,方向相反。
k k k 是弹簧常数。弹力和位移成正比,方向相反。
这就是阻尼振动方程 ,其特征方程为:
m r 2 + c r + k = 0
mr^2 + cr + k = 0
m r 2 + cr + k = 0
根据判别式的不同,解可以是欠阻尼 、临界阻尼 或过阻尼 的形式:
欠阻尼 :x ( t ) = e − α t ( C 1 cos ( ω t ) + C 2 sin ( ω t ) ) x(t) = e^{-\alpha t} (C_1 \cos(\omega t) + C_2 \sin(\omega t)) x ( t ) = e − α t ( C 1 cos ( ω t ) + C 2 sin ( ω t ))
临界阻尼 :x ( t ) = ( C 1 + C 2 t ) e − α t x(t) = (C_1 + C_2 t) e^{-\alpha t} x ( t ) = ( C 1 + C 2 t ) e − α t
过阻尼 :x ( t ) = C 1 e r 1 t + C 2 e r 2 t x(t) = C_1 e^{r_1 t} + C_2 e^{r_2 t} x ( t ) = C 1 e r 1 t + C 2 e r 2 t
参考
https://en.wikipedia.org/wiki/E_(mathematical_constant)
https://en.wikipedia.org/wiki/Linear_differential_equation