{
  "id": "exponential-function",
  "title": "指数函数",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "以固定正数为底、变量为指数的函数，是微积分以及成比例增长与衰减模型的基础。",
  "category": "mathematics",
  "subcategory": "analysis",
  "type": "concept",
  "aliases": [],
  "generated_at": "2026-10-04",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/exponential-function/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/exponential-function/",
      "json": "https://aiwiki.page/en/exponential-function.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "指数函数是形如 \\(f(x)=a^x\\) 的函数，其中底数 \\(a\\) 是固定的正实数，通常要求 \\(a\\ne1\\)，而指数 \\(x\\) 是变量。这个术语也可特指自然指数函数 \\(\\exp(x)=e^x\\)，其底数为欧拉数，近似等于 \\(2.71828\\)。指数函数描述的是乘法式变化：输入增加相同的量，输出就按相同的比例变化。这一点使它区别于 \\(x^2\\) 等幂函数，后者的变量位于底数中。(openstax.org)"
    },
    {
      "heading": "定义与代数结构",
      "text": "对于正底数，乘方运算可以通过开方从整数指数推广到有理数指数，再利用连续性推广到任意实数指数。等价地，\n\n\\[a^x=\\exp(x\\ln a),\\]\n\n其中 \\(\\ln\\) 表示自然对数。底数为正，保证了函数对每一个实数输入都有实数值；负底数一般无法满足这一条件。当 \\(a=1\\) 时，得到常值函数 \\(1\\)，通常将其排除在非常值指数函数这一类之外。(openstax.org)\n\n基本的指数运算法则为\n\n\\[a^{x+y}=a^xa^y,\\qquad a^0=1,\\qquad a^{-x}=\\frac1{a^x}.\\]\n\n因此，乘方运算将输入的加法转化为输出的乘法。对于任意固定增量 \\(h\\)，\n\n\\[\\frac{a^{x+h}}{a^x}=a^h,\\]\n\n该比值与 \\(x\\) 无关。例如，\\(x\\) 每增加 \\(1\\)，\\(2^x\\) 就变为原来的两倍，而 \\(2^{-x}\\) 则减为原来的一半。更一般的表达式 \\(Ca^{kx}\\) 分别引入了输出和输入的尺度因子，但并未改变其基本的乘法结构。(openstax.org)"
    },
    {
      "heading": "图像与反函数",
      "text": "\\(a^x\\) 的函数的定义域是全体实数，值域是全体正实数。它的函数图像经过 \\((0,1)\\)，且从不与横轴相交。它是连续函数，也是严格的单调函数：当 \\(a>1\\) 时严格递增，当 \\(0<a<1\\) 时严格递减。对于 \\(a>1\\)，当 \\(x\\to-\\infty\\) 时，函数值趋于零；当 \\(x\\to+\\infty\\) 时，函数值无限增大。对于 \\(0<a<1\\)，情况则相反。(openstax.org)\n\n严格单调性使该函数成为单射函数。它的反函数是 \\(\\log_a x\\)，定义于正数输入：\n\n\\[\\log_a(a^x)=x,\\qquad a^{\\log_a x}=x.\\]\n\n指数函数与对数函数的图像关于直线 \\(y=x\\) 对称。对于 \\(C>0\\)，取对数还可以将指数关系 \\(y=Ca^x\\) 转化为线性关系 \\(\\ln y=\\ln C+x\\ln a\\)。(openstax.org)"
    },
    {
      "heading": "自然指数函数与微积分",
      "text": "自然指数函数的独特之处在于它的导数：\n\n\\[\\frac{d}{dx}e^x=e^x.\\]\n\n因此，它的瞬时变化率等于其当前函数值。它是以下微分方程及初始条件的唯一解：\n\n\\[y'=y,\\qquad y(0)=1.\\]\n\n对于一般的正底数，\n\n\\[\\frac{d}{dx}a^x=(\\ln a)a^x.\\]\n\n只要 \\(g\\) 可微，由链式法则可得\n\n\\[\\frac{d}{dx}e^{g(x)}=g'(x)e^{g(x)}.\\]\n\n这些恒等式说明了指数函数为何在微积分中占据核心地位。(openstax.org)\n\n由求导公式可直接得到积分公式\n\n\\[\\int e^{kx}\\,dx=\\frac{e^{kx}}k+C,\\qquad \\int a^x\\,dx=\\frac{a^x}{\\ln a}+C,\\]\n\n其中分别要求 \\(k\\ne0\\) 和 \\(a\\ne1\\)。再次求导得到 \\((a^x)''=(\\ln a)^2a^x>0\\)，因此每个非常值的实指数函数都是严格的凸函数，递减的指数函数也不例外。(openstax.org)\n\n另一种定义使用处处收敛的幂级数：\n\n\\[\\exp(x)=\\sum_{n=0}^{\\infty}\\frac{x^n}{n!} =1+x+\\frac{x^2}{2!}+\\cdots,\\]\n\n其中 \\(n!\\) 是阶乘。这也是该函数在零点展开的泰勒级数。特别地，在零点附近有 \\(\\exp(x)=1+x+O(x^2)\\)，由此可得到局部线性近似。(dlmf.nist.gov)"
    },
    {
      "heading": "增长与衰减模型",
      "text": "若某个量的变化率与其当前大小成正比，则它满足\n\n\\[\\frac{dN}{dt}=kN,\\qquad N(t)=N_0e^{kt}.\\]\n\n对于 \\(N_0>0\\)，\\(k\\) 为正时产生指数增长，\\(k\\) 为负时产生指数衰减。保持恒定的是比值 \\(N'(t)/N(t)=k\\)，而不是单位时间内的绝对增量。增长的倍增时间为 \\(\\ln2/k\\)；衰减的半衰期为 \\(\\ln2/|k|\\)。这两个时间间隔都与初始量无关。(openstax.org)\n\n应用包括理想化的种群增长、放射性衰变、连续复利和热弛豫。在冷却模型中，按指数规律变化的量是物体的温度与环境温度之差，而不一定是物体的绝对温度。这类模型依赖于比例变化率恒定等假设；环境条件的变化可能使这一假设不再成立。(openstax.org)"
    },
    {
      "heading": "复数推广与计算",
      "text": "同一个级数可为每个复数定义 \\(\\exp(z)\\)。它在整个复平面上都是解析函数，且没有零点。对于实数 \\(x,y\\)，\n\n\\[e^{x+iy}=e^x(\\cos y+i\\sin y).\\]\n\n因此，纯虚数输入描述的是旋转，而不是正实数范围内的增长。该函数以 \\(2\\pi i\\) 为周期，所以它在复数域上的推广不是单射，也不可能有一个全局反函数。(dlmf.nist.gov)\n\n在数值分析中，可以先对自变量进行约化，再对级数求和来计算函数值。例如，将 \\(x\\) 写成 \\(x=m\\ln10+r\\)，选择整数 \\(m\\)，使得 \\(|r|\\le\\frac12\\ln10\\)。于是\n\n\\[e^x=10^me^r.\\]\n\n较小的自变量使级数计算更为方便，而因子 \\(10^m\\) 则将结果还原到所需的尺度。复数情形的计算也可以类似地将实指数因子与正弦、余弦因子分开处理。(dlmf.nist.gov)"
    }
  ],
  "links": [
    "mathematical-function",
    "real-number",
    "e-mathematical-constant",
    "integer",
    "rational-number",
    "logarithm",
    "domain-of-a-function",
    "graph-of-a-function",
    "continuous-function",
    "monotonic-function",
    "injective-function",
    "inverse-function",
    "derivative",
    "differential-equation",
    "chain-rule",
    "calculus",
    "integral",
    "convex-function",
    "power-series",
    "factorial",
    "taylor-series",
    "half-life",
    "radioactivity",
    "temperature",
    "complex-number",
    "analytic-function",
    "numerical-analysis"
  ],
  "sources": [
    {
      "title": "openstax.org/books/calculus-volume-1/pages/1-5-exponential-and-logarithmic-func…",
      "url": "https://openstax.org/books/calculus-volume-1/pages/1-5-exponential-and-logarithmic-functions"
    },
    {
      "title": "openstax.org/books/precalculus-2e/pages/4-1-exponential-functions",
      "url": "https://openstax.org/books/precalculus-2e/pages/4-1-exponential-functions"
    },
    {
      "title": "openstax.org/books/calculus-volume-1/pages/3-9-derivatives-of-exponential-and-l…",
      "url": "https://openstax.org/books/calculus-volume-1/pages/3-9-derivatives-of-exponential-and-logarithmic-functions"
    },
    {
      "title": "dlmf.nist.gov/4.2",
      "url": "https://dlmf.nist.gov/4.2"
    },
    {
      "title": "openstax.org/books/calculus-volume-2/pages/2-8-exponential-growth-and-decay",
      "url": "https://openstax.org/books/calculus-volume-2/pages/2-8-exponential-growth-and-decay"
    },
    {
      "title": "dlmf.nist.gov/4.45",
      "url": "https://dlmf.nist.gov/4.45"
    }
  ],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}