aiwiki.page
中文
数学 / 分析与微积分 / e-mathematical-constant

欧拉数

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。

46 个关键词17 个词条链接到这里2 个尚未撰写AI 撰写
实数对数指数函数微积分莱昂哈德·欧拉极限无穷级数阶乘欧拉数

欧拉数记作 ee,是一个正实数,其值为

e=2.7182818284590452353602874713527…e=2.7182818284590452353602874713527\ldots

它是自然对数的底数。它最重要的性质是:指数函数 exe^x 的变化率等于函数自身的值。这一性质使 ee 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。

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/xy=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。ee 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。ee 既是无理数,也是超越数。它不同于通常记作 γ\gamma 的欧拉–马歇罗尼常数,也不同于称为欧拉数的整数数列。

等价定义与基本性质

ee 的一种标准定义采用极限:

e=lim⁡n→∞(1+1n)n,e=\lim_{n\to\infty}\left(1+\frac1n\right)^n,

其中 nn 遍取正整数。式中的每一项都表示连续 nn 次乘以一个略大于一的因子。虽然随着 nn 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,n=1,2, 和 1010 时,表达式的值分别为 22、2.252.25 和约 2.593742462.59374246。

这一定义中的数列单调递增,趋于 ee。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:

(1+1n)n<e<(1+1n)n+1(n≥1).\left(1+\frac1n\right)^n <e< \left(1+\frac1n\right)^{n+1} \qquad(n\geq1).

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 ee。

另一种等价定义采用无穷级数:

e=∑k=0∞1k!=1+1+12+16+124+⋯ ,e=\sum_{k=0}^{\infty}\frac1{k!} =1+1+\frac12+\frac16+\frac1{24}+\cdots,

其中 k!k! 表示 kk 的阶乘,并规定 0!=10!=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(1+1/n)^n,即可说明这两种定义的等价性。对于每个固定的 kk,展开式的第 kk 项趋于 1/k!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。

第三种定义从积分出发:

ln⁡x=∫1xdtt,x>0.\ln x=\int_1^x\frac{dt}{t},\qquad x>0.

函数 ln⁡x\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 ee,使得

∫1edtt=1.\int_1^e\frac{dt}{t}=1.

从几何上看,在等轴双曲线 y=1/xy=1/x 下方、横轴上方,且介于 x=1x=1 与 x=ex=e 之间的区域,其面积为一。

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 ee 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。

历史发展与记号

ee 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\ln x 的尺度和运动学构造。因此,将 ee 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。

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/xy=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\ln(ab)=\ln a+\ln b 的几何基础。

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 ee。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。

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 ee,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。

欧拉为何选择字母 ee,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。

为什么自然底数在微积分中具有特殊地位

对于正底数 aa,函数 axa^x 满足

ddxax=(ln⁡a)ax.\frac{d}{dx}a^x=(\ln a)a^x.

因子 ln⁡a\ln a 衡量所选底数如何改变指数的尺度。当且仅当 a=ea=e 时,这个因子等于一。因此,

ddxex=ex.\frac{d}{dx}e^x=e^x.

这正是 ee 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。

同一性质也可以用作定义。考虑初值问题

f′(x)=f(x),f(0)=1.f'(x)=f(x),\qquad f(0)=1.

它的唯一解是 f(x)=exf(x)=e^x,且 e=f(1)e=f(1)。解的唯一性也解释了乘法法则

ex+y=exey:e^{x+y}=e^xe^y:

对于固定的 yy,将等式两边视为 xx 的函数时,它们满足同一个微分方程,并且在 x=0x=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。

从对数出发,也能得到同样的结果。根据微积分基本定理,

ddxln⁡x=1x.\frac{d}{dx}\ln x=\frac1x.

因此,ln⁡x\ln x 的反函数(记作 exp⁡x\exp x)的导数等于它自身。记法 exp⁡x=ex\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:

ax=exln⁡a.a^x=e^{x\ln a}.

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。

泰勒级数

ex=∑n=0∞xnn!e^x=\sum_{n=0}^{\infty}\frac{x^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

∫ex dx=ex+C,ddxeg(x)=g′(x)eg(x),\int e^x\,dx=e^x+C, \qquad \frac{d}{dx}e^{g(x)}=g'(x)e^{g(x)},

其中第二个恒等式是链式法则的应用。

在数学优化中,相关性质解释了 ee 为何频繁出现。通过 x1/xx^{1/x} 的对数 (ln⁡x)/x(\ln x)/x 来分析其导数,可以看出该函数在正实数轴上于 x=ex=e 处取得最大值。同时,exe^x 的二阶导数为正,因此它是严格凸函数。切线不等式

ex≥1+xe^x\geq1+x

对每一个实数 xx 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。

连续增长、衰减与动力学模型

ee 最典型的应用是描述按比例变化。若某个量 Q(t)Q(t) 相对于其当前值以恒定速率变化,则它满足微分方程

dQdt=kQ.\frac{dQ}{dt}=kQ.

当初始值为 Q(0)=Q0Q(0)=Q_0 时,其解为

Q(t)=Q0ekt.Q(t)=Q_0e^{kt}.

kk 为正时,该量增长;kk 为负时,该量衰减;k=0k=0 时,该量保持不变。如果 tt 带有物理单位,那么 kk 的单位必须是其倒数,使指数 ktkt 无量纲。

复利是这一规律的离散近似。若名义年利率为 rr,每年计息 mm 次,则初始本金 PP 在 tt 年后变为

P(1+rm)mtP\left(1+\frac rm\right)^{mt}

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 PertPe^{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 ee 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 ln⁡2\ln2。

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>0k>0 时,倍增时间为

Td=ln⁡2k.T_d=\frac{\ln2}{k}.

对于写成 Q(t)=Q0e−λtQ(t)=Q_0e^{-\lambda t} 的衰减过程,半衰期为 (ln⁡2)/λ(\ln2)/\lambda,而时间常数 1/λ1/\lambda 是该量降至初始值的 1/e1/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。

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 KK 限制的种群,可用以下模型描述:

dNdt=rN(1−NK).\frac{dN}{dt}=rN\left(1-\frac NK\right).

其解中含有 e−rte^{-rt},但种群数量本身会趋近于 KK,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。

对于耦合线性系统,标量指数函数可推广为矩阵指数函数:

etA=∑n=0∞tnAnn!.e^{tA}=\sum_{n=0}^{\infty}\frac{t^nA^n}{n!}.

若 AA 是常矩阵,则 x′=Ax\mathbf{x}'=A\mathbf{x} 的解为 etAx(0)e^{tA}\mathbf{x}(0)。AA 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。

复指数与圆的几何

指数级数对每个复数 zz 都收敛,因此有

ez=∑n=0∞znn!.e^z=\sum_{n=0}^{\infty}\frac{z^n}{n!}.

这一定义的推广保留了恒等式 ez+w=ezewe^{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=iθz=i\theta,其中 i2=−1i^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:

eiθ=cos⁡θ+isin⁡θ.e^{i\theta}=\cos\theta+i\sin\theta.

这一关系称为欧拉公式。

当 θ\theta 为实数时,eiθe^{i\theta} 位于单位圆上。一个复数乘以它,就会旋转 θ\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,

ex+iy=ex(cos⁡y+isin⁡y),e^{x+iy}=e^x(\cos y+i\sin y),

所以实部 xx 决定模长,虚部 yy 决定角度。

取 θ=π\theta=\pi,其中 π\pi 表示圆周率,便得到欧拉恒等式:

eiπ+1=0.e^{i\pi}+1=0.

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 −1-1 这一事实。

复指数函数具有周期性:

ez+2πi=ez.e^{z+2\pi i}=e^z.

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 rr、辐角为 θ\theta 的非零复数,其对数的所有取值为

ln⁡r+i(θ+2πk),k∈Z.\ln r+i(\theta+2\pi k),\qquad k\in\mathbb Z.

要得到单值分支,必须对定义域作适当限制。

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 eiωte^{i\omega t} 来表示,此时求导就对应于乘以 iωi\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。

无理性、超越性与尚未解决的算术问题

ee 的十进制展开既不终止,也不会从某一位起循环,因为 ee 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/qe=p/q,其中 p,qp,q 为正整数。选取整数 n≥max⁡(q,2)n\geq\max(q,2)。于是,n!en!e 是整数,而

n!∑k=0n1k!.n!\sum_{k=0}^{n}\frac1{k!}.

也是整数。因此,两者之差必定是整数。

这个差就是正的余项

Rn=∑j=1∞1(n+1)(n+2)⋯(n+j).R_n=\sum_{j=1}^{\infty} \frac1{(n+1)(n+2)\cdots(n+j)}.

将每个分母与 (n+1)j(n+1)^j 比较,可得

0<Rn<∑j=1∞1(n+1)j=1n<1.0<R_n< \sum_{j=1}^{\infty}\frac1{(n+1)^j} =\frac1n<1.

正整数不可能小于一,因此,ee 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。

欧拉还给出了如下简单连分数展开:

e=[2;1,2,1,1,4,1,1,6,1,1,8,1,…].e=[2;1,2,1,1,4,1,1,6,1,1,8,1,\ldots].

在开头的 22 之后,部分商以 1,2k,11,2k,1 为一组依次出现,其中 k=1,2,…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 19/719/7、87/3287/32 和 106/39106/39。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。

一个更强的结论是,ee 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 π\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 ee 的线段。

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+πe+\pi 或 eπe\pi 是否为无理数。它们不可能同时为有理数,否则 ee 和 π\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 ee 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。

概率分布与信息度量

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 nn 次独立试验中,每次成功的概率均为 λ/n\lambda/n。一次也不成功的概率为

(1−λn)n,\left(1-\frac{\lambda}{n}\right)^n,

当 nn 增大时,这个概率趋近于 e−λe^{-\lambda}。更一般地,成功次数的分布趋近于泊松分布:

Pr⁡(X=k)=e−λλkk!,k=0,1,2,….\Pr(X=k)=e^{-\lambda}\frac{\lambda^k}{k!}, \qquad k=0,1,2,\ldots.

因子 e−λe^{-\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 eλe^\lambda。

在速率恒为 λ\lambda 的泊松过程中,等待下一次事件发生的时间 TT 服从指数分布。它的生存概率和概率密度为

Pr⁡(T>t)=e−λt,fT(t)=λe−λt(t≥0).\Pr(T>t)=e^{-\lambda t}, \qquad f_T(t)=\lambda e^{-\lambda t} \quad(t\geq0).

其标志性的无记忆性为

Pr⁡(T>s+t∣T>s)=Pr⁡(T>t),\Pr(T>s+t\mid T>s)=\Pr(T>t),

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。

正态分布是欧拉数出现的另一个重要例子:

f(x)=1σ2πexp⁡(−(x−μ)22σ2).f(x)=\frac1{\sigma\sqrt{2\pi}} \exp\left(-\frac{(x-\mu)^2}{2\sigma^2}\right).

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:

∫−∞∞e−x2/2 dx=2π.\int_{-\infty}^{\infty}e^{-x^2/2}\,dx=\sqrt{2\pi}.

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。

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

H=−∑ipiln⁡pi.H=-\sum_i p_i\ln p_i.

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/ln⁡2\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。

常数本身在概率论中的一个精确体现,来自一列在 [0,1][0,1] 上均匀分布的独立随机变量 U1,U2,…U_1,U_2,\ldots。令 NN 为它们的累加和首次超过一时的下标。满足 U1+⋯+Un≤1U_1+\cdots+U_n\leq1 的区域体积为 1/n!1/n!,因此

Pr⁡(N>n)=1n!.\Pr(N>n)=\frac1{n!}.

再由期望值的尾和公式可得

E[N]=∑n=0∞Pr⁡(N>n)=e.\mathbb E[N]=\sum_{n=0}^{\infty}\Pr(N>n)=e.

计数、阶乘增长与渐近公式

在组合数学中,ee 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 DnD_n 表示 nn 个带标号对象的错排数,则由容斥原理可得

Dn=n!∑k=0n(−1)kk!.D_n=n!\sum_{k=0}^{n}\frac{(-1)^k}{k!}.

排列总共有 n!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 Dn/n!D_n/n!。当 nn 趋于无穷大时,这个概率趋于

∑k=0∞(−1)kk!=e−1.\sum_{k=0}^{\infty}\frac{(-1)^k}{k!}=e^{-1}.

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/e1/e,约为 0.3678790.367879。即使 nn 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

∣Dn−n!e∣<1n+1,\left|D_n-\frac{n!}{e}\right|<\frac1{n+1},

因此,当 n≥1n\geq1 时,DnD_n 就是最接近 n!/en!/e 的整数。

指数函数也是指数型生成函数最简单的例子。数列 ana_n 可以用如下形式表示:

A(x)=∑n=0∞anxnn!.A(x)=\sum_{n=0}^{\infty}a_n\frac{x^n}{n!}.

对于数列 an=1a_n=1,这一生成函数就是 exe^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

exp⁡(ex−1).\exp(e^x-1).

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。

ee 的另一个重要应用是斯特林近似公式:

n!∼2πn(ne)n.n!\sim\sqrt{2\pi n}\left(\frac ne\right)^n.

这里的符号表示,随着 nn 增大,两边的比值趋于 1。因子 e−ne^{-n} 源于下列积分近似所给出的主导行为:

ln⁡(n!)=∑k=1nln⁡k≈∫1nln⁡x dx=nln⁡n−n+1.\ln(n!)=\sum_{k=1}^{n}\ln k \approx\int_1^n\ln x\,dx =n\ln n-n+1.

要进一步得到因子 2πn\sqrt{2\pi n},则需要更精细的论证。

这些近似将计数与统计信息联系起来。若 k/nk/n 趋于 pp,其中 0<p<10<p<1,则由斯特林公式可得

(nk)∼exp⁡ ⁣(nh(k/n))2πn(k/n)(1−k/n),\binom nk\sim \frac{\exp\!\left(nh(k/n)\right)} {\sqrt{2\pi n(k/n)(1-k/n)}},

其中 h(u)=−uln⁡u−(1−u)ln⁡(1−u)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 ee 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。

数值计算与可靠求值

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

nln⁡(1+1n)=1−12n+13n2−⋯ ,n\ln\left(1+\frac1n\right) =1-\frac1{2n}+\frac1{3n^2}-\cdots,

因此

(1+1n)n=e(1−12n+O(n−2)).\left(1+\frac1n\right)^n =e\left(1-\frac1{2n}+O(n^{-2})\right).

其相对误差的主项仅按 1/n1/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。

阶乘级数则有效得多。令

SN=∑k=0N1k!.S_N=\sum_{k=0}^{N}\frac1{k!}.

当 N≥1N\geq1 时,余项满足

0<e−SN<1N N!.0<e-S_N<\frac1{N\,N!}.

将尾和表示为 1/N!1/N! 乘以一个级数,再将各项分母中后续的因子均以 N+1N+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。

各项可以递推生成:从 t0=1t_0=1 开始,使用 tk+1=tk/(k+1)t_{k+1}=t_k/(k+1)。这样就不必反复计算阶乘。由于 N!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。

计算 ee 本身,比对所有可能的输入可靠地计算 exe^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

x=kln⁡2+r,ex=2ker,x=k\ln2+r, \qquad e^x=2^ke^r,

其中选取整数 kk,使 rr 足够小。随后用多项式或有理函数近似计算 ere^r,再乘以 2k2^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 ln⁡2\ln2 值的精度。

在浮点运算中,当 xx 接近零时,直接计算 ex−1e^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 xx 很小时准确计算 ln⁡(1+x)\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。

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 ee 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。