{
  "id": "e-mathematical-constant",
  "title": "欧拉数",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "欧拉数 e 是自然对数的底数，是描述连续指数增长的超越常数。",
  "category": "mathematics",
  "subcategory": "analysis",
  "type": "concept",
  "aliases": [
    "自然常数",
    "自然对数的底数",
    "纳皮尔常数"
  ],
  "generated_at": "2026-11-02",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/e-mathematical-constant/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/e-mathematical-constant/",
      "json": "https://aiwiki.page/en/e-mathematical-constant.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "欧拉数记作 \\(e\\)，是一个正实数，其值为\n\n\\[e=2.7182818284590452353602874713527\\ldots\\]\n\n它是自然对数的底数。它最重要的性质是：指数函数 \\(e^x\\) 的变化率等于函数自身的值。这一性质使 \\(e\\) 成为微积分、连续增长与衰减，以及瞬时变化率与当前状态成正比的过程的数学描述中的基本常数。\n\n这个常数可以通过描述反复复利计息的极限、含有阶乘的无穷级数，或曲线 \\(y=1/x\\) 下方的面积来定义。这些定义将一些乍看之下互不相关的主题联系起来：利息累积、微分方程、复平面上的旋转、随机事件以及排列计数。\\(e\\) 以莱昂哈德·欧拉的名字命名；他确立了与之相关的许多记号和理论。\\(e\\) 既是无理数，也是超越数。它不同于通常记作 \\(\\gamma\\) 的欧拉–马歇罗尼常数，也不同于称为欧拉数的整数数列。"
    },
    {
      "heading": "等价定义与基本性质",
      "text": "\\(e\\) 的一种标准定义采用极限：\n\n\\[e=\\lim_{n\\to\\infty}\\left(1+\\frac1n\\right)^n,\\]\n\n其中 \\(n\\) 遍取正整数。式中的每一项都表示连续 \\(n\\) 次乘以一个略大于一的因子。虽然随着 \\(n\\) 增大，每次相乘带来的相对增量越来越小，但其累积效果趋于一个确定的数，而不是无限增大。例如，当 \\(n=1,2,\\) 和 \\(10\\) 时，表达式的值分别为 \\(2\\)、\\(2.25\\) 和约 \\(2.59374246\\)。\n\n这一定义中的数列单调递增，趋于 \\(e\\)。与之相配的另一个数列则单调递减，趋于同一极限，由此可得一组实用的界：\n\n\\[\\left(1+\\frac1n\\right)^n <e< \\left(1+\\frac1n\\right)^{n+1} \\qquad(n\\geq1).\\]\n\n这些不等式提供了一种直接的方法，可以将这个常数限定在上下界之间。它们也体现了极限定义与数值近似的区别：无论进行多少次有限的复利计算，都无法精确得到 \\(e\\)。\n\n另一种等价定义采用无穷级数：\n\n\\[e=\\sum_{k=0}^{\\infty}\\frac1{k!} =1+1+\\frac12+\\frac16+\\frac1{24}+\\cdots,\\]\n\n其中 \\(k!\\) 表示 \\(k\\) 的阶乘，并规定 \\(0!=1\\)。分母中的阶乘增长很快，因此这个级数的收敛速度远快于上述复利数列。利用二项式定理展开 \\((1+1/n)^n\\)，即可说明这两种定义的等价性。对于每个固定的 \\(k\\)，展开式的第 \\(k\\) 项趋于 \\(1/k!\\)；对其余各项作适当的估计，便可证明过渡到无穷求和是合理的。\n\n第三种定义从积分出发：\n\n\\[\\ln x=\\int_1^x\\frac{dt}{t},\\qquad x>0.\\]\n\n函数 \\(\\ln x\\) 连续、严格递增，且值域为全体实数。因此，恰好存在一个正数 \\(e\\)，使得\n\n\\[\\int_1^e\\frac{dt}{t}=1.\\]\n\n从几何上看，在等轴双曲线 \\(y=1/x\\) 下方、横轴上方，且介于 \\(x=1\\) 与 \\(x=e\\) 之间的区域，其面积为一。\n\n这些定义为建立相关理论提供了不同的出发点。复利极限强调乘法的累积效应；级数将 \\(e\\) 与阶乘及近似计算联系起来；积分则解释了自然对数的特殊地位。这些定义都不需要以小数展开为基础。小数位只不过是这个数的一种表示，而上述任意一种构造都能精确地刻画它。"
    },
    {
      "heading": "历史发展与记号",
      "text": "\\(e\\) 的出现与十七世纪对数的发展密切相关。约翰·纳皮尔于 1614 年发表了他的对数方法，为天文和航海计算提供了有力工具。他最初定义的对数采用了不同于现代函数 \\(\\ln x\\) 的尺度和运动学构造。因此，将 \\(e\\) 称为“纳皮尔常数”，反映的是它与对数在历史上的联系，而不是说纳皮尔曾明确使用这一常数的现代形式及其记号。\n\n另一条发展脉络来自双曲线求积。1647 年，格雷瓜尔·德·圣樊尚发表了关于 \\(y=1/x\\) 所围面积的研究。阿方斯·安东尼奥·德·萨拉萨进一步阐明了这些面积与对数关系之间的联系。用现代语言来说，横坐标每次按相同的倍数变化，双曲线下的面积就会增加相同的量。这正是恒等式 \\(\\ln(ab)=\\ln a+\\ln b\\) 的几何基础。\n\n雅各布·伯努利于 1683 年在研究复利时遇到了这一常数。问题在于：在名义年利率固定的情况下，如果计息越来越频繁，最终金额是否会无限增大？当初始本金为一个单位、名义年利率为 100% 时，最终金额的极限实际上是 \\(e\\)。这一问题无须借助对数表或双曲线的几何性质，就揭示了这个常数，表明同一个数也会自然地出现在反复进行的微小比例变化之中。\n\n艾萨克·牛顿和戈特弗里德·威廉·莱布尼茨创立的微积分，提供了一个能够统一研究对数、无穷级数、导数和指数函数的框架。随后，欧拉使这一常数成为数学分析的核心对象。他在十八世纪二十年代末的研究中已使用字母 \\(e\\)，这一记号于 1736 年出现在他出版的《力学》中。他于 1748 年出版的《无穷分析引论》系统论述了指数函数、对数函数及其与三角学的联系。\n\n欧拉为何选择字母 \\(e\\)，并没有他本人给出的确切解释；不应想当然地将这一记号理解为他姓氏的缩写。这个记号得到广泛采用，体现了他的数学著述所具有的影响力，以及其表述的清晰性。欧拉还研究了这一常数的连分数展开及其无理性，而夏尔·埃尔米特于 1873 年证明了它的超越性，将其置于更深层次的数的分类体系之中。因此，现代意义上的这一概念，是多条研究传统相互作用的产物，而非某一次孤立发现的结果。"
    },
    {
      "heading": "为什么自然底数在微积分中具有特殊地位",
      "text": "对于正底数 \\(a\\)，函数 \\(a^x\\) 满足\n\n\\[\\frac{d}{dx}a^x=(\\ln a)a^x.\\]\n\n因子 \\(\\ln a\\) 衡量所选底数如何改变指数的尺度。当且仅当 \\(a=e\\) 时，这个因子等于一。因此，\n\n\\[\\frac{d}{dx}e^x=e^x.\\]\n\n这正是 \\(e\\) 作为指数函数自然底数的确切数学含义：求导不会引入额外的常数因子。\n\n同一性质也可以用作定义。考虑初值问题\n\n\\[f'(x)=f(x),\\qquad f(0)=1.\\]\n\n它的唯一解是 \\(f(x)=e^x\\)，且 \\(e=f(1)\\)。解的唯一性也解释了乘法法则\n\n\\[e^{x+y}=e^xe^y:\\]\n\n对于固定的 \\(y\\)，将等式两边视为 \\(x\\) 的函数时，它们满足同一个微分方程，并且在 \\(x=0\\) 处取值相同。因此，关于瞬时变化的局部条件，决定了合并增量的全局法则。\n\n从对数出发，也能得到同样的结果。根据微积分基本定理，\n\n\\[\\frac{d}{dx}\\ln x=\\frac1x.\\]\n\n因此，\\(\\ln x\\) 的反函数（记作 \\(\\exp x\\)）的导数等于它自身。记法 \\(\\exp x=e^x\\) 将通常的整数次幂先推广到有理数指数，再通过连续性推广到所有实数指数。其他任意正底数的幂都可以通过下式表示：\n\n\\[a^x=e^{x\\ln a}.\\]\n\n这一恒等式将通用的指数函数与对数尺度的具体选择区分开来。\n\n泰勒级数\n\n\\[e^x=\\sum_{n=0}^{\\infty}\\frac{x^n}{n!}\\]\n\n使这一求导性质显得格外直观。逐项求导会得到原来的级数，而且该级数对每一个实数或复数自变量都收敛。由此还能得到\n\n\\[\\int e^x\\,dx=e^x+C, \\qquad \\frac{d}{dx}e^{g(x)}=g'(x)e^{g(x)},\\]\n\n其中第二个恒等式是链式法则的应用。\n\n在数学优化中，相关性质解释了 \\(e\\) 为何频繁出现。通过 \\(x^{1/x}\\) 的对数 \\((\\ln x)/x\\) 来分析其导数，可以看出该函数在正实数轴上于 \\(x=e\\) 处取得最大值。同时，\\(e^x\\) 的二阶导数为正，因此它是严格凸函数。切线不等式\n\n\\[e^x\\geq1+x\\]\n\n对每一个实数 \\(x\\) 都成立，且仅在零处取等号；它是分析学和概率论中许多估计的基础。"
    },
    {
      "heading": "连续增长、衰减与动力学模型",
      "text": "\\(e\\) 最典型的应用是描述按比例变化。若某个量 \\(Q(t)\\) 相对于其当前值以恒定速率变化，则它满足微分方程\n\n\\[\\frac{dQ}{dt}=kQ.\\]\n\n当初始值为 \\(Q(0)=Q_0\\) 时，其解为\n\n\\[Q(t)=Q_0e^{kt}.\\]\n\n\\(k\\) 为正时，该量增长；\\(k\\) 为负时，该量衰减；\\(k=0\\) 时，该量保持不变。如果 \\(t\\) 带有物理单位，那么 \\(k\\) 的单位必须是其倒数，使指数 \\(kt\\) 无量纲。\n\n复利是这一规律的离散近似。若名义年利率为 \\(r\\)，每年计息 \\(m\\) 次，则初始本金 \\(P\\) 在 \\(t\\) 年后变为\n\n\\[P\\left(1+\\frac rm\\right)^{mt}\\]\n\n其中计息期数须为整数。在连续复利的极限下，这一表达式变为 \\(Pe^{rt}\\)。因此，名义年利率为 100% 并按连续复利计息时，一年后本息合计为本金的 \\(e\\) 倍，而不是两倍。反过来，在一个时间单位内翻倍，对应的连续增长率为 \\(\\ln2\\)。\n\n增长与衰减的特征时间以更实用的形式表达了同样的关系。当 \\(k>0\\) 时，倍增时间为\n\n\\[T_d=\\frac{\\ln2}{k}.\\]\n\n对于写成 \\(Q(t)=Q_0e^{-\\lambda t}\\) 的衰减过程，半衰期为 \\((\\ln2)/\\lambda\\)，而时间常数 \\(1/\\lambda\\) 是该量降至初始值的 \\(1/e\\) 所需的时间。放射性衰变和理想电阻—电容电路的放电是典型例子，二者分别以衰变概率恒定和电路元件理想化为前提。\n\n许多系统只在有限范围内呈指数变化。例如，受固定环境容纳量 \\(K\\) 限制的种群，可用以下模型描述：\n\n\\[\\frac{dN}{dt}=rN\\left(1-\\frac NK\\right).\\]\n\n其解中含有 \\(e^{-rt}\\)，但种群数量本身会趋近于 \\(K\\)，而不会永远按指数增长。在平衡点附近对非线性系统作近似时，也会在局部出现指数规律。\n\n对于耦合线性系统，标量指数函数可推广为矩阵指数函数：\n\n\\[e^{tA}=\\sum_{n=0}^{\\infty}\\frac{t^nA^n}{n!}.\\]\n\n若 \\(A\\) 是常矩阵，则 \\(\\mathbf{x}'=A\\mathbf{x}\\) 的解为 \\(e^{tA}\\mathbf{x}(0)\\)。\\(A\\) 的特征值决定了系统的增长、衰减与振荡。因此，这个熟悉的标量常数自然地拓展到了力学、电网络及其他线性动力学模型中相互作用的各个量的演化。"
    },
    {
      "heading": "复指数与圆的几何",
      "text": "指数级数对每个复数 \\(z\\) 都收敛，因此有\n\n\\[e^z=\\sum_{n=0}^{\\infty}\\frac{z^n}{n!}.\\]\n\n这一定义的推广保留了恒等式 \\(e^{z+w}=e^ze^w\\)，并使指数函数成为整个复平面上的解析函数。代入 \\(z=i\\theta\\)，其中 \\(i^2=-1\\)，便可将偶数次幂项和奇数次幂项分别归入余弦级数和正弦级数，得到：\n\n\\[e^{i\\theta}=\\cos\\theta+i\\sin\\theta.\\]\n\n这一关系称为欧拉公式。\n\n当 \\(\\theta\\) 为实数时，\\(e^{i\\theta}\\) 位于单位圆上。一个复数乘以它，就会旋转 \\(\\theta\\) 弧度，而模长保持不变。因此，同一个指数运算，沿实轴描述增长，沿虚轴则描述旋转。更一般地，\n\n\\[e^{x+iy}=e^x(\\cos y+i\\sin y),\\]\n\n所以实部 \\(x\\) 决定模长，虚部 \\(y\\) 决定角度。\n\n取 \\(\\theta=\\pi\\)，其中 \\pi 表示圆周率，便得到欧拉恒等式：\n\n\\[e^{i\\pi}+1=0.\\]\n\n这一恒等式将指数函数的底数、圆的几何、虚数单位以及加法和乘法的单位元联系起来。它的重要性在于揭示了结构上的联系，而不仅仅是数值上的巧合：它表达了旋转半周等价于乘以 \\(-1\\) 这一事实。\n\n复指数函数具有周期性：\n\n\\[e^{z+2\\pi i}=e^z.\\]\n\n它的值永不为零，并将复平面映满所有非零复数，但并非一一对应。因此，在整个去掉原点的复平面上，无法将复对数定义为单值连续的反函数。一个模为 \\(r\\)、辐角为 \\(\\theta\\) 的非零复数，其对数的所有取值为\n\n\\[\\ln r+i(\\theta+2\\pi k),\\qquad k\\in\\mathbb Z.\\]\n\n要得到单值分支，必须对定义域作适当限制。\n\n复指数函数也是分析振荡现象的基本工具。正弦型信号可以通过 \\(e^{i\\omega t}\\) 来表示，此时求导就对应于乘以 \\(i\\omega\\)。这使许多微分方程能够转化为各频率分量之间的代数关系。傅里叶级数和傅里叶变换都以这些指数函数作为基本的振荡函数。因此，微分、旋转与频率之间的联系并非一个孤立的恒等关系，而是贯穿数学物理与信号分析的核心原理。"
    },
    {
      "heading": "无理性、超越性与尚未解决的算术问题",
      "text": "\\(e\\) 的十进制展开既不终止，也不会从某一位起循环，因为 \\(e\\) 是一个无理数。一个简短的证明可以从它的阶乘级数出发。假设 \\(e=p/q\\)，其中 \\(p,q\\) 为正整数。选取整数 \\(n\\geq\\max(q,2)\\)。于是，\\(n!e\\) 是整数，而\n\n\\[n!\\sum_{k=0}^{n}\\frac1{k!}.\\]\n\n也是整数。因此，两者之差必定是整数。\n\n这个差就是正的余项\n\n\\[R_n=\\sum_{j=1}^{\\infty} \\frac1{(n+1)(n+2)\\cdots(n+j)}.\\]\n\n将每个分母与 \\((n+1)^j\\) 比较，可得\n\n\\[0<R_n< \\sum_{j=1}^{\\infty}\\frac1{(n+1)^j} =\\frac1n<1.\\]\n\n正整数不可能小于一，因此，\\(e\\) 是有理数的假设不成立。阶乘增长迅速，使这一证明格外简洁直接。\n\n欧拉还给出了如下简单连分数展开：\n\n\\[e=[2;1,2,1,1,4,1,1,6,1,1,8,1,\\ldots].\\]\n\n在开头的 \\(2\\) 之后，部分商以 \\(1,2k,1\\) 为一组依次出现，其中 \\(k=1,2,\\ldots\\)。由此得到的渐近分数提供了良好的有理数近似，包括 \\(19/7\\)、\\(87/32\\) 和 \\(106/39\\)。连分数中的简单规律与十进制展开中看似毫无规律的数字并不矛盾，因为这两种表示法以不同方式编码数值。\n\n一个更强的结论是，\\(e\\) 是超越数：它不是任何整系数非零多项式的根。夏尔·埃尔米特于 1873 年利用精心构造的近似式和积分证明了这一点。这一成果是超越数论中的里程碑。随后，费迪南德·冯·林德曼于 1882 年通过相关方法证明了 \\(\\pi\\) 的超越性。超越性还意味着，仅用无刻度直尺和圆规，无法从单位线段出发作出长度为 \\(e\\) 的线段。\n\n尽管已有这些成果，一些看似初等的问题仍未得到解答。目前尚不清楚 \\(e+\\pi\\) 或 \\(e\\pi\\) 是否为无理数。它们不可能同时为有理数，否则 \\(e\\) 和 \\(\\pi\\) 就会成为某个有理系数二次多项式的根。同样，人们尚不知道 \\(e\\) 在十进制下是否为正规数，也就是说，每一种有限长度的数字串是否都以其应有的极限频率出现。已计算出的数字并不能确立这一性质。因此，即使一个熟悉常数的解析性质已被极其深入地理解，其算术性质仍可能难以捉摸。"
    },
    {
      "heading": "概率分布与信息度量",
      "text": "欧拉数广泛出现在概率论中，因为独立的微小效应往往以乘法方式叠加。假设 \\(n\\) 次独立试验中，每次成功的概率均为 \\(\\lambda/n\\)。一次也不成功的概率为\n\n\\[\\left(1-\\frac{\\lambda}{n}\\right)^n,\\]\n\n当 \\(n\\) 增大时，这个概率趋近于 \\(e^{-\\lambda}\\)。更一般地，成功次数的分布趋近于泊松分布：\n\n\\[\\Pr(X=k)=e^{-\\lambda}\\frac{\\lambda^k}{k!}, \\qquad k=0,1,2,\\ldots.\\]\n\n因子 \\(e^{-\\lambda}\\) 使所有概率之和等于一，因为其余部分构成的级数之和为 \\(e^\\lambda\\)。\n\n在速率恒为 \\(\\lambda\\) 的泊松过程中，等待下一次事件发生的时间 \\(T\\) 服从指数分布。它的生存概率和概率密度为\n\n\\[\\Pr(T>t)=e^{-\\lambda t}, \\qquad f_T(t)=\\lambda e^{-\\lambda t} \\quad(t\\geq0).\\]\n\n其标志性的无记忆性为\n\n\\[\\Pr(T>s+t\\mid T>s)=\\Pr(T>t),\\]\n\n这一性质可由指数函数的乘法法则直接得出。在非负、非退化的连续等待时间分布中，无记忆性唯一确定了指数分布。\n\n正态分布是欧拉数出现的另一个重要例子：\n\n\\[f(x)=\\frac1{\\sigma\\sqrt{2\\pi}} \\exp\\left(-\\frac{(x-\\mu)^2}{2\\sigma^2}\\right).\\]\n\n这里，指数函数作用于一个负的二次式，而非线性表达式。归一化常数可由高斯积分得出：\n\n\\[\\int_{-\\infty}^{\\infty}e^{-x^2/2}\\,dx=\\sqrt{2\\pi}.\\]\n\n中心极限定理解释了为什么许多满足适当条件的随机因素相加时，会出现这样的概率密度。因此，指数分布的等待时间与高斯涨落虽然使用同一个函数，其背后的概率机制却大不相同。\n\n自然对数也为信息论提供了一种标准尺度。离散分布的信息熵可写为\n\n\\[H=-\\sum_i p_i\\ln p_i.\\]\n\n选用这个底数时，信息以奈特为单位；使用以二为底的对数时，单位则是比特。由于 \\(\\log_2x=\\ln x/\\ln2\\)，底数的选择只改变单位，不改变内在的大小次序或比较结果。在求导以及涉及概率的指数表达式中，使用自然对数尤其方便。\n\n常数本身在概率论中的一个精确体现，来自一列在 \\([0,1]\\) 上均匀分布的独立随机变量 \\(U_1,U_2,\\ldots\\)。令 \\(N\\) 为它们的累加和首次超过一时的下标。满足 \\(U_1+\\cdots+U_n\\leq1\\) 的区域体积为 \\(1/n!\\)，因此\n\n\\[\\Pr(N>n)=\\frac1{n!}.\\]\n\n再由期望值的尾和公式可得\n\n\\[\\mathbb E[N]=\\sum_{n=0}^{\\infty}\\Pr(N>n)=e.\\]"
    },
    {
      "heading": "计数、阶乘增长与渐近公式",
      "text": "在组合数学中，\\(e\\) 经常通过以阶乘为分母的表达式出现。一个经典例子是错排，即没有不动点的排列。若用 \\(D_n\\) 表示 \\(n\\) 个带标号对象的错排数，则由容斥原理可得\n\n\\[D_n=n!\\sum_{k=0}^{n}\\frac{(-1)^k}{k!}.\\]\n\n排列总共有 \\(n!\\) 个，因此，在所有排列中等概率地选取一个排列，它没有不动点的概率为 \\(D_n/n!\\)。当 \\(n\\) 趋于无穷大时，这个概率趋于\n\n\\[\\sum_{k=0}^{\\infty}\\frac{(-1)^k}{k!}=e^{-1}.\\]\n\n这个极限有一个简单的配对解释：如果将信件随机放入写好地址的信封中，没有一封信放入对应信封的概率趋于 \\(1/e\\)，约为 \\(0.367879\\)。即使 \\(n\\) 较小，这一近似也已经相当准确。事实上，由交错级数的余项估计可得\n\n\\[\\left|D_n-\\frac{n!}{e}\\right|<\\frac1{n+1},\\]\n\n因此，当 \\(n\\geq1\\) 时，\\(D_n\\) 就是最接近 \\(n!/e\\) 的整数。\n\n指数函数也是指数型生成函数最简单的例子。数列 \\(a_n\\) 可以用如下形式表示：\n\n\\[A(x)=\\sum_{n=0}^{\\infty}a_n\\frac{x^n}{n!}.\\]\n\n对于数列 \\(a_n=1\\)，这一生成函数就是 \\(e^x\\)。以阶乘为分母的形式特别适合对带标号的结构进行计数，因为这类级数相乘时，会自动产生将标号分配给各个组成部分所需的二项式系数。例如，集合划分的指数型生成函数为\n\n\\[\\exp(e^x-1).\\]\n\n内层级数表示一个非空的带标号块，外层指数函数则将这些块组织成一个无序的集合。\n\n\\(e\\) 的另一个重要应用是斯特林近似公式：\n\n\\[n!\\sim\\sqrt{2\\pi n}\\left(\\frac ne\\right)^n.\\]\n\n这里的符号表示，随着 \\(n\\) 增大，两边的比值趋于 1。因子 \\(e^{-n}\\) 源于下列积分近似所给出的主导行为：\n\n\\[\\ln(n!)=\\sum_{k=1}^{n}\\ln k \\approx\\int_1^n\\ln x\\,dx =n\\ln n-n+1.\\]\n\n要进一步得到因子 \\(\\sqrt{2\\pi n}\\)，则需要更精细的论证。\n\n这些近似将计数与统计信息联系起来。若 \\(k/n\\) 趋于 \\(p\\)，其中 \\(0<p<1\\)，则由斯特林公式可得\n\n\\[\\binom nk\\sim \\frac{\\exp\\!\\left(nh(k/n)\\right)} {\\sqrt{2\\pi n(k/n)(1-k/n)}},\\]\n\n其中 \\(h(u)=-u\\ln u-(1-u)\\ln(1-u)\\)。因此，熵函数决定了二项式系数的指数增长规律。常数 \\(e\\) 将精确的计数公式与平滑的近似表达式联系起来，而这些近似表达式描述了大规模组合对象族的增长速度。"
    },
    {
      "heading": "数值计算与可靠求值",
      "text": "用于定义自然常数的复利极限在概念上很重要，但用来计算其各位数字却效率低下。将其对数展开，得到\n\n\\[n\\ln\\left(1+\\frac1n\\right) =1-\\frac1{2n}+\\frac1{3n^2}-\\cdots,\\]\n\n因此\n\n\\[\\left(1+\\frac1n\\right)^n =e\\left(1-\\frac1{2n}+O(n^{-2})\\right).\\]\n\n其相对误差的主项仅按 \\(1/n\\) 的比例减小。因此，将复利计息期数增加到原来的十倍，大致只能多得到一位十进制有效数字，这样的收敛速度不利于高精度计算。\n\n阶乘级数则有效得多。令\n\n\\[S_N=\\sum_{k=0}^{N}\\frac1{k!}.\\]\n\n当 \\(N\\geq1\\) 时，余项满足\n\n\\[0<e-S_N<\\frac1{N\\,N!}.\\]\n\n将尾和表示为 \\(1/N!\\) 乘以一个级数，再将各项分母中后续的因子均以 \\(N+1\\) 为下界，即可得到这一结果。这个界给出了严格的停止准则：一旦余项所确定的区间完全落在同一个舍入区间内，就能保证所需位数的结果正确。\n\n各项可以递推生成：从 \\(t_0=1\\) 开始，使用 \\(t_{k+1}=t_k/(k+1)\\)。这样就不必反复计算阶乘。由于 \\(N!\\) 增长极快，采用任意精度运算时，只需不太多的项就能算出很多位数字。在精度要求高得多时，二分拆分技术会将这些有理数项按平衡结构分组合并，从而降低反复进行大整数运算的成本。\n\n计算 \\(e\\) 本身，比对所有可能的输入可靠地计算 \\(e^x\\) 要简单。通用的指数函数计算程序通常采用区间缩减，将表达式写为\n\n\\[x=k\\ln2+r, \\qquad e^x=2^ke^r,\\]\n\n其中选取整数 \\(k\\)，使 \\(r\\) 足够小。随后用多项式或有理函数近似计算 \\(e^r\\)，再乘以 \\(2^k\\)，完成适当的二进制尺度调整。算法设计必须考虑舍入误差、上溢、下溢，以及所存储的 \\(\\ln2\\) 值的精度。\n\n在浮点运算中，当 \\(x\\) 接近零时，直接计算 \\(e^x-1\\) 会因两个几乎相等的数相减而损失相对精度。因此，数值计算库通常会为这一表达式提供专用函数 expm1。类似地，log1p 可以在 \\(x\\) 很小时准确计算 \\(\\ln(1+x)\\)。这些函数体现了数学上正确的公式与数值稳定的实现之间的区别。\n\n最后，数字计算与数的算术性质分类回答的是不同的问题。有限次计算可以核实指定的数位，并检验各数字在已计算部分中的出现频率，却无法证明一个数是正规数，也不能排除在计算范围之外才开始出现某种规律的可能性。经过严格验证的数值区间能够给出 \\(e\\) 的近似值；而其无理性、超越性以及所满足的恒等式，则依赖于针对这个精确数值的论证。"
    }
  ],
  "links": [
    "real-number",
    "logarithm",
    "exponential-function",
    "calculus",
    "leonhard-euler",
    "limit",
    "infinite-series",
    "factorial",
    "binomial-theorem",
    "integral",
    "gottfried-wilhelm-leibniz",
    "fundamental-theorem-of-calculus",
    "inverse-function",
    "taylor-series",
    "chain-rule",
    "mathematical-optimization",
    "differential-equation",
    "matrix",
    "eigenvalues-and-eigenvectors",
    "complex-number",
    "analytic-function",
    "eulers-formula",
    "circle",
    "pi",
    "fourier-series",
    "fourier-transform",
    "irrational-number",
    "continued-fraction",
    "rational-number",
    "transcendental-number",
    "polynomial",
    "probability",
    "poisson-distribution",
    "poisson-process",
    "exponential-distribution",
    "normal-distribution",
    "central-limit-theorem",
    "information-theory",
    "information-entropy",
    "expected-value",
    "combinatorics",
    "generating-function",
    "stirlings-approximation",
    "floating-point-arithmetic"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}