普林斯顿微积分读本 · 第九章

指数函数与对数函数

自然界最爱的函数

9.1

指数函数基础

指数函数是数学中最重要的函数类别之一。给定一个正实数底数 a(a > 0, a ≠ 1),指数函数 ax 将实数 x 映射到 a 的 x 次幂。

f(x) = ax     (a > 0, a ≠ 1)

当 a > 1 时,函数单调递增;当 0 < a < 1 时,函数单调递减。无论哪种情况,函数值始终为正:ax > 0 对所有实数 x 成立。

为什么 a 不能等于 1?

如果 a = 1,那么 1x = 1 对所有 x 成立,这是一个常数函数,没有研究价值。类似地,a ≤ 0 时,ax 对很多实数 x 没有定义(例如 (-2)1/2 不是实数),因此我们限制 a > 0 且 a ≠ 1。

指数运算法则

指数运算遵循三条核心法则,它们是化简和计算指数表达式的基石:

法则名称公式说明
同底数幂相乘am · an = am+n底数不变,指数相加
幂的幂(am)n = amn底数不变,指数相乘
同底数幂相除am / an = am-n底数不变,指数相减
指数法则的直觉

这三条法则的本质是"计数"。am 表示 a 自乘 m 次,an 表示 a 自乘 n 次。把它们相乘,总共自乘了 m+n 次,所以 am · an = am+n。幂的幂类似:(am)n 就是把 am 自乘 n 次,总共 a 被乘了 m×n 次。

其他有用的指数性质

a0 = 1      a-n = 1/an      a1/n = n√a
9.2

自然常数 e

在所有可能的底数中,有一个特殊的常数 e 占据着核心地位。它被称为自然常数欧拉数,是数学中最重要的常数之一,与 π 齐名。

e = lim(n→∞) (1 + 1/n)n ≈ 2.71828 18284 59045...

这个极限的直觉是:假设你有 1 元钱,年利率 100%,一年后你得到 2 元。但如果银行每半年复利一次,你得到 (1 + 1/2)2 ≈ 2.25 元。每月复利:(1 + 1/12)12 ≈ 2.613 元。当复利频率趋于无穷大时,最终金额趋近于 e ≈ 2.718 元。

e 的多种等价定义

e 可以通过多种方式定义,它们彼此等价:

1. 极限定义:e = lim(n→∞) (1 + 1/n)n

2. 无穷级数:e = Σ(n=0 to ∞) 1/n! = 1 + 1 + 1/2! + 1/3! + 1/4! + ...

3. 导数定义:e 是满足 f'(x) = f(x) 的指数函数的底数

4. 积分定义:e 是使 ∫(1 to e) (1/t) dt = 1 成立的数

为什么 e 如此特殊?

e 的独特之处在于:以 e 为底的指数函数,其导数等于自身。

d/dx(ex) = ex

这意味着 ex 是唯一满足"导数等于自身"的函数(忽略常数倍数)。这个性质使得 ex 在微分方程、物理学、概率论等领域无处不在。

e 与自然界的联系

放射性衰变、人口增长、复利计算、正态分布......这些看似无关的现象都由 ex 或其变形描述。这就是为什么 e 被称为"自然"常数——它不是人为选择的,而是自然界自己"偏爱"的底数。任何连续增长或衰减过程,其数学描述都离不开 e。

9.3

对数函数

对数函数是指数函数的反函数。如果 y = ax,那么 x = loga(y)。换句话说:

y = loga(x)   ⇔   ay = x     (a > 0, a ≠ 1, x > 0)

loga(x) 回答的问题是:"底数 a 的多少次幂等于 x?"例如 log2(8) = 3,因为 23 = 8。

对数函数的基本性质

loga(1) = 0(因为 a0 = 1)
loga(a) = 1(因为 a1 = a)
loga(ax) = x(对数"抵消"指数)
aloga(x) = x(指数"抵消"对数)

自然对数

以 e 为底的对数称为自然对数,记作 ln(x):

ln(x) = loge(x)   ⇔   eln(x) = x

自然对数在微积分中最为常用,因为它的导数形式特别简洁。

对数运算法则

法则名称公式说明
乘积的对数ln(ab) = ln(a) + ln(b)乘法变加法
幂的对数ln(an) = n · ln(a)指数可以提出来
商的对数ln(a/b) = ln(a) - ln(b)除法变减法
换底公式

当需要计算非自然底数的对数时,可以使用换底公式将其转化为自然对数:

loga(x) = ln(x) / ln(a)

例如:log2(10) = ln(10) / ln(2) ≈ 2.303 / 0.693 ≈ 3.322

对数为什么重要?

对数将乘法变为加法、幂运算变为乘法,这在计算尺时代是革命性的。即使在计算机时代,对数仍然是处理极大或极小数字的利器。在微积分中,对数能把复杂的乘积和幂运算转化为简单的加减运算,大大简化了求导和积分的过程。

实际应用:指数与对数在科学与工程中的应用

RC/RL 电路:RC 电路的充放电电压 V(t) = V₀(1 - e^(-t/RC)),RL 电路的电流 I(t) = I₀(1 - e^(-Rt/L))。时间常数 τ = RC 或 L/R 决定了系统响应速度,是电路设计的关键参数。

放射性碳定年:活体生物体内碳-14 与碳-12 的比例恒定。生物死亡后,碳-14 按指数规律衰变。通过测量剩余碳-14 的比例,利用 t = (t₁/₂/ln2) · ln(N₀/N) 可推算样本年代,是考古学的重要工具。

复利计算:连续复利公式 A = Pe^(rt) 中,e 的指数形式描述了资金随时间的连续增长。银行和投资机构利用此公式计算贷款利息和投资回报。

人口增长与药物代谢:人口在资源充足时呈指数增长 N(t) = N₀e^(rt)。药物在体内的浓度通常按指数规律衰减 C(t) = C₀e^(-kt),半衰期 t₁/₂ = ln(2)/k 指导给药间隔设计。

声音分贝尺度:声强级 L = 10 log₁₀(I/I₀)(分贝)。对数尺度将人耳可承受的极大范围声强(10⁻¹² 到 10² W/m²)压缩为 0~140 dB 的便于理解的数值。

地震里氏震级:地震震级 M = log₁₀(A/A₀),其中 A 为地震波振幅。里氏震级每增加 1 级,地震能量约增加 31.6 倍。对数尺度使不同强度的地震便于比较和记录。

9.4

指数和对数的导数

指数函数和对数函数的导数公式是微积分中最优雅的结果之一。它们简洁、对称,且应用极其广泛。

核心导数公式

函数导数备注
exex导数等于自身,最特殊的函数
axax · ln(a)利用 ax = ex ln(a) 推导
ln(x)1/xx > 0
loga(x)1 / (x · ln(a))利用换底公式推导
为什么 d/dx(ax) = ax · ln(a)?

利用换底公式:ax = ex · ln(a)。令 u = x · ln(a),由链式法则:
d/dx(eu) = eu · du/dx = ex ln(a) · ln(a) = ax · ln(a)。

为什么 d/dx(ln(x)) = 1/x?

令 y = ln(x),则 ey = x。两边对 x 求导(隐函数求导):
ey · dy/dx = 1 ⇒ x · dy/dx = 1 ⇒ dy/dx = 1/x。

对数求导法

对于形如 f(x) = xx 这类"底数和指数都含变量"的函数,常规的幂法则或指数法则都无法直接使用。对数求导法是解决这类问题的利器。

步骤:令 y = f(x) ⇒ ln(y) = ln(f(x)) ⇒ 两边对 x 求导 ⇒ y'/y = [ln(f(x))]' ⇒ y' = f(x) · [ln(f(x))]'
对数求导法的威力

对数求导法不仅适用于 xx,还适用于任何复杂的乘积、商和幂的混合表达式。例如求 [x2 · sin(x)] / (x+1)3 的导数时,先取对数将乘除变为加减,再求导,比直接用乘积法则和商法则简单得多。

9.5

指数和对数的极限

指数函数和对数函数在无穷远处的行为是微积分中的重要基础知识,它们决定了函数的增长速率和极限计算。

指数函数的极限

极限直觉
lim(x→∞) exex 增长得越来越快
lim(x→-∞) ex0ex 趋近于 0 但永远不为负
lim(x→∞) ax(a > 1)底数大于 1,指数增长
lim(x→∞) ax(0 < a < 1)0底数小于 1,指数衰减

对数函数的极限

极限直觉
lim(x→∞) ln(x)ln(x) 增长但比任何正幂次慢
lim(x→0+) ln(x)-∞越靠近 0,对数越小

重要极限

重要极限:lim(x→0+) x · ln(x) = 0

这个极限看似矛盾:x 趋近于 0(趋于 0),ln(x) 趋近于 -∞(趋于无穷),它们的乘积却趋近于 0。这说明 ln(x) 趋向 -∞ 的速度"不够快",被 x 趋向 0 的速度"压制"了。

增长速率排序

当 x → ∞ 时,以下函数的增长速率由慢到快:

ln(x) << x1/2 << x << x2 << ex << xx

对数是最慢的,指数是最快的。任何多项式函数的增长都"追不上"指数函数,而任何正幂次函数的增长都"超过"对数函数。

9.6

双曲函数

双曲函数是用指数函数定义的一类特殊函数,它们在形式上类似于三角函数,但具有不同的性质。双曲函数在物理学(悬链线、相对论)、工程学和微分方程中有广泛应用。

三个基本双曲函数

函数定义与三角函数的类比
sinh(x)(双曲正弦)(ex - e-x) / 2类比 sin(x)
cosh(x)(双曲余弦)(ex + e-x) / 2类比 cos(x)
tanh(x)(双曲正切)sinh(x) / cosh(x) = (ex - e-x) / (ex + e-x)类比 tan(x)

双曲函数的导数

函数导数与三角函数的对比
sinh(x)cosh(x)注意:没有负号!(sin(x)' = cos(x))
cosh(x)sinh(x)注意:没有负号!(cos(x)' = -sin(x))
tanh(x)1 - tanh2(x) = sech2(x)类比 sec2(x)
双曲函数与三角函数的关键区别

三角函数满足 sin2(x) + cos2(x) = 1(单位圆方程),而双曲函数满足 cosh2(x) - sinh2(x) = 1(单位双曲线方程)。注意符号的区别:三角函数是加,双曲函数是减。这个区别也反映在导数中——双曲余弦的导数没有负号。

悬链线——双曲余弦的经典应用

一根柔软、均匀的绳索悬挂在两个固定点之间,自然下垂形成的曲线就是悬链线,其方程为 y = a · cosh(x/a)。伽利略曾误以为这是抛物线,直到 1691 年才被正确识别为双曲余弦曲线。

图 9-3:双曲函数 sinh(x)、cosh(x)、tanh(x) 的图像
EX

例题精讲

例1:求 f(x) = e(3x²) 的导数

f'(x),其中 f(x) = e(3x²)

第一步:识别复合结构

外层函数 f(u) = eu,内层函数 g(x) = 3x²

第二步:分别求导

f'(u) = eu,g'(x) = 6x

第三步:应用链式法则

f'(x) = e(3x²) · 6x
f'(x) = 6x · e(3x²)
例2:求 f(x) = ln(x² + 1) 的导数

f'(x),其中 f(x) = ln(x² + 1)

第一步:识别复合结构

外层函数 f(u) = ln(u),内层函数 g(x) = x² + 1

第二步:分别求导

f'(u) = 1/u,g'(x) = 2x

第三步:应用链式法则

f'(x) = 1/(x² + 1) · 2x
f'(x) = 2x / (x² + 1)
例3:用对数求导法求 f(x) = xx 的导数

f'(x),其中 f(x) = xx(x > 0)

第一步:两边取自然对数

y = xx ⇒ ln(y) = x · ln(x)

第二步:两边对 x 求导(左边用链式法则,右边用乘积法则)

(1/y) · y' = 1 · ln(x) + x · (1/x) = ln(x) + 1

第三步:解出 y'

y' = y · (ln(x) + 1) = xx · (ln(x) + 1)
f'(x) = xx · (ln(x) + 1)
例4:求 lim(x→∞) (1 + 3/x)(2x)

lim(x→∞) (1 + 3/x)(2x)

第一步:变形,凑出 e 的定义形式

令 t = x/3,则 x = 3t,当 x→∞ 时 t→∞。

第二步:代入变形

(1 + 3/x)(2x) = (1 + 1/t)(6t) = [(1 + 1/t)t]6

第三步:取极限

= [lim(t→∞) (1 + 1/t)t]6 = e6
lim(x→∞) (1 + 3/x)(2x) = e6
ML

MATLAB 可视化代码

以下 MATLAB 代码帮助你可视化指数函数、对数函数和双曲函数的核心特征。

exponential_vs_polynomial.m — 指数增长 vs 多项式增长
% 指数增长 vs 多项式增长对比 % 展示 e^x 如何"碾压"任何多项式函数 x = linspace(0, 10, 500); y_exp = exp(x); y_poly2 = x.^2; y_poly3 = x.^3; figure('Position', [100 100 900 550]); plot(x, y_exp, 'LineWidth', 2.5, 'Color', [0.77 0.36 0.24]); hold on; plot(x, y_poly3, 'LineWidth', 2, 'Color', [0.18 0.49 0.43]); plot(x, y_poly2, 'LineWidth', 2, 'Color', [0.4 0.4 0.8]); xlabel('x'); ylabel('y'); title('指数增长 vs 多项式增长'); legend('e^x', 'x^3', 'x^2', 'Location', 'northwest'); grid on; ylim([0 5000]); saveas(gcf, 'ch9_exp_vs_poly.png');
exponential_decay.m — 指数衰减(不同速率)
% 指数衰减:不同底数的衰减对比 % e^(-x), 2^(-x), 0.5^x 的衰减行为 x = linspace(0, 8, 500); y1 = exp(-x); y2 = 2.^(-x); y3 = (0.5).^x; figure('Position', [100 100 900 550]); plot(x, y1, 'LineWidth', 2.5, 'Color', [0.77 0.36 0.24]); hold on; plot(x, y2, 'LineWidth', 2, 'Color', [0.18 0.49 0.43]); plot(x, y3, 'LineWidth', 2, 'Color', [0.4 0.4 0.8]); xlabel('x'); ylabel('y'); title('指数衰减对比:e^{-x}, 2^{-x}, 0.5^x'); legend('e^{-x}', '2^{-x}', '0.5^x', 'Location', 'best'); grid on; saveas(gcf, 'ch9_exp_decay.png');
hyperbolic_functions.m — 双曲函数图像
% 双曲函数图像:sinh(x), cosh(x), tanh(x) x = linspace(-3, 3, 500); y_sinh = sinh(x); y_cosh = cosh(x); y_tanh = tanh(x); figure('Position', [100 100 900 550]); plot(x, y_sinh, 'LineWidth', 2.5, 'Color', [0.77 0.36 0.24]); hold on; plot(x, y_cosh, 'LineWidth', 2.5, 'Color', [0.18 0.49 0.43]); plot(x, y_tanh, 'LineWidth', 2.5, 'Color', [0.4 0.4 0.8]); % 画渐近线 y=1 和 y=-1 plot([-3 3], [1 1], 'k--', 'LineWidth', 0.8); plot([-3 3], [-1 -1], 'k--', 'LineWidth', 0.8); xlabel('x'); ylabel('y'); title('双曲函数:sinh(x), cosh(x), tanh(x)'); legend('sinh(x)', 'cosh(x)', 'tanh(x)', 'Location', 'best'); grid on; saveas(gcf, 'ch9_hyperbolic.png');
CH

交互式图表

图 9-1:ex、2x、3x 的增长对比
图 9-2:ln(x)、log2(x)、log10(x) 的对比