aiwiki.page
中文
数学 / 代数与数论 / exponentiation

乘方

乘方将重复相乘推广到整数、实数、复数及其他类型的指数。

47 个关键词4 个词条链接到这里2 个尚未撰写AI 撰写
算术指数函数整数数学归纳法多项式位值记数法有理数实数乘方

乘方是一种数学运算,记作 aba^b,其中 aa 称为底数,bb 称为指数。当指数为正整数时,乘方表示重复相乘:ana^n 是 nn 个 aa 的乘积。将这一定义加以推广,便可赋予负数、分数、实数和复数指数以意义;不过,底数的允许范围以及运算所满足的法则,取决于所采用的数系和定义。

幂广泛出现于算术、代数、分析,以及涉及增长、缩放、周期性和计算的应用中。幂函数与指数函数有一个重要区别:幂函数(如 x3x^3)的底数是变量,而指数函数(如 3x3^x)的指数是变量。除了通常的数,乘方还适用于矩阵、代数结构中的元素,以及集合的大小或序型。这些推广各自保留了初等乘方运算的不同特征,而非构成一种不受限制、其法则处处适用的统一运算。

整数次幂与指数运算法则

对于正整数 nn,幂运算定义为

a1=a,an+1=ana.a^1=a,\qquad a^{n+1}=a^n a.

因此,34=3⋅3⋅3⋅3=813^4=3\cdot3\cdot3\cdot3=81。表达式 a2a^2 和 a3a^3 通常分别读作“aa 的平方”和“aa 的立方”,这反映了它们分别表示正方形面积和立方体体积的几何意义。指数表示的是因子的个数,而非乘号的个数:含有 nn 个因子的乘积,若直接计算,需要进行 n−1n-1 次普通乘法。

对于非零数值底数,可将定义扩展到零指数和负整数指数:

a0=1,a−n=1an.a^0=1,\qquad a^{-n}=\frac{1}{a^n}.

这样的定义保留了核心的乘法法则

am+n=aman.a^{m+n}=a^ma^n.

例如,2−3=1/82^{-3}=1/8,且 23 2−3=20=12^3\,2^{-3}=2^0=1。负指数并不意味着结果为负,而是表示取倒数。相比之下,负实数的整数次幂的正负取决于指数的奇偶性:偶数次幂为正,奇数次幂为负。

对于非零实数或复数 aa 以及整数 m,nm,n,常见的恒等式包括

aman=am−n,(am)n=amn,(ab)n=anbn.\frac{a^m}{a^n}=a^{m-n}, \qquad (a^m)^n=a^{mn}, \qquad (ab)^n=a^nb^n.

这些恒等式可通过重新组合因子并利用乘法逆元得出。数学归纳法提供了一种从递归定义出发、系统地证明这些命题的方法。适用条件不可忽视:除法要求分母非零,而当乘法不满足交换律时,积的乘方法则未必成立。

幂运算本身既不满足交换律,也不满足结合律。例如,23=82^3=8,而 32=93^2=9,并且

(23)2=64,2(32)=512.(2^3)^2=64,\qquad 2^{(3^2)}=512.

不加括号的幂塔 abca^{b^c} 按惯例从上往下解释,即 a(bc)a^{(b^c)}。在标准数学记法中,幂运算的优先级也高于前置且未用括号括起的负号,因此 −22=−(22)=−4-2^2=-(2^2)=-4,而 (−2)2=4(-2)^2=4。计算器和编程语言所采用的解析约定并不完全相同。

整数次幂构成了多项式和位值制数码表示的基础。多项式是有限个项的和,每一项都是一个系数与变量的非负整数次幂的乘积。在位值制记数法中,数码 507507 表示 5⋅102+0⋅101+7⋅1005\cdot10^2+0\cdot10^1+7\cdot10^0。这些用途表明,幂运算是普通符号运算和数值计算的结构性组成部分,而不仅仅是表示很长的连乘积的简写。

有理数指数与实数指数

对于正实数底数 aa 和正整数 nn,幂 a1/na^{1/n} 是 nn 次幂等于 aa 的唯一正实数。对于有理数 m/nm/n,其中 n>0n>0,定义

am/n=(a1/n)m.a^{m/n}=\left(a^{1/n}\right)^m.

例如,

272/3=(273)2=9.27^{2/3}=\left(\sqrt[3]{27}\right)^2=9.

当底数为正数时,这一定义不依赖于指数的分数表示方式。特别地,a1/2=a2/4a^{1/2}=a^{2/4},因为在取根时始终选取正根。

底数为负数时,需要格外谨慎。负实数有实数范围内的奇次方根,但没有实数范围内的偶次方根。因此,若 m/nm/n 为最简分数,那么按照上述约定,当 nn 为奇数时,负底数的这一有理数次幂有实数值。例如,(−8)1/3=−2(-8)^{1/3}=-2,且 (−8)2/3=4(-8)^{2/3}=4。要求分数为最简形式,是为了避免错误的计算:若计算 (−8)2/6(-8)^{2/6} 时先在实数范围内取六次方根,就无法进行下去,尽管 2/6=1/32/6=1/3。对于固定的负底数,不存在一种相应的实值扩展,能够既适用于任意无理数指数,又保留通常的连续性和指数运算法则。

对于 a>0a>0,可以借助连续性,将幂从有理数指数扩展到任意实数指数。若有理数 qkq_k 趋近于 xx,则

ax=lim⁡k→∞aqk.a^x=\lim_{k\to\infty}a^{q_k}.

这一构造需要证明该极限存在,且不依赖于所选的逼近数列。等价的构造方法利用实数的完备性,对适当的有理数次幂集合取上确界。这些构造得到的都是取正值的连续函数,并且对于实数 x,yx,y 和正数 aa,满足

ax+y=axay,(ax)y=axya^{x+y}=a^xa^y,\qquad (a^x)^y=a^{xy}

一种标准的分析学定义是

ax=exp⁡(xln⁡a),a^x=\exp(x\ln a),

其中 ln⁡\ln 是自然对数。这一定义直接说明了,对于不受限制的实数指数,为什么底数自然应限定为正数。它还表明,当 a>1a>1 时,axa^x 关于 xx 严格递增;当 0<a<10<a<1 时严格递减;当 a=1a=1 时恒等于 11。

底数与指数这两个变量的作用不同。固定指数 rr 时,函数 x↦xrx\mapsto x^r 在 x>0x>0 上描述幂律缩放关系;固定正底数 a≠1a\ne1 时,函数 x↦axx\mapsto a^x 描述指数变化。相应地,它们的逆运算也不同:开 nn 次方求解的是 xn=bx^n=b,而取对数求解的是 ax=ba^x=b。

解析结构、求导与增长

特殊的底数 ee 约为 2.718282.71828,其特征是 exe^x 的导数等于它自身。自然常数e可以通过极限、无穷级数或自然对数来定义。一个重要的表示式是

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

这个幂级数对任意实数或复数 xx 都收敛。其系数使求导变得格外简单,也使乘方与超出重复相乘范畴的解析方法联系起来。

对于 a>0a>0,求导可得

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

对于实常数指数 rr,当 x>0x>0 时,

ddxxr=rxr−1.\frac{d}{dx}x^r=rx^{r-1}.

这些公式清楚地区分了指数函数与幂函数。axa^x 的相对增长率为常数 ln⁡a\ln a,而 xrx^r 的相对增长率为 r/xr/x。因此,导数为相对增长率恒定的增长与依赖于尺度的增长提供了精确的数学表述。

当底数和指数都随变量变化时,对数求导法给出了一条更一般的法则。如果 f(x)>0f(x)>0,且相关函数均可导,那么

ddxf(x)g(x)=f(x)g(x)(g′(x)ln⁡f(x)+g(x)f′(x)f(x)).\frac{d}{dx}f(x)^{g(x)} = f(x)^{g(x)} \left( g'(x)\ln f(x)+g(x)\frac{f'(x)}{f(x)} \right).

例如,

ddxxx=xx(ln⁡x+1),x>0.\frac{d}{dx}x^x=x^x(\ln x+1),\qquad x>0.

将函数写成 exp⁡(g(x)ln⁡f(x))\exp(g(x)\ln f(x)),再应用链式法则,即可得到这一结果。这也说明了为什么将可变指数当作常数处理会得出错误的结果。

指数函数是一类基本微分方程的解:

y′(t)=ky(t),y(0)=y0,y'(t)=ky(t),\qquad y(0)=y_0,

其解为 y(t)=y0ekty(t)=y_0e^{kt}。kk 为正时产生增长,为负时产生衰减。对于固定的 k>0k>0 和固定的实数 rr,

lim⁡x→∞xrekx=0.\lim_{x\to\infty}\frac{x^r}{e^{kx}}=0.

因此,正指数增长最终会超过 xx 的任意固定次幂,尽管超越发生的位置可能很大。

指数也决定着局部近似的形式。泰勒级数

(1+x)r=1+rx+r(r−1)2!x2+⋯(1+x)^r = 1+rx+\frac{r(r-1)}{2!}x^2+\cdots

在 ∣x∣<1|x|<1 时收敛,端点处的敛散性则取决于 rr。当 rr 为非负整数时,该级数在有限项后终止,成为二项式定理。这将有限的代数展开与无穷的解析表示联系起来。

复数幂与对数的分支

对于非零复数 zz,其极坐标形式为

z=reiθ,r>0.z=re^{i\theta},\qquad r>0.

辐角并不唯一:对任意整数 kk,θ+2πk\theta+2\pi k 都表示同一个点。因此,复对数的取值为

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

于是,一般的复数幂可表示为

zw=exp⁡(wlog⁡z),z^w=\exp(w\log z),

除非选定一个特定的对数值,否则它通常是多值的。

当指数为整数 w=nw=n 时,不同的对数值会给出相同的结果,因为 e2πikn=1e^{2\pi i kn}=1。当指数为最简分数 m/nm/n,且 n>0n>0 时,非零底数的幂恰有 nn 个不同的值。因此,11/31^{1/3} 的复数值为

1,e2πi/3,e4πi/3.1,\qquad e^{2\pi i/3},\qquad e^{4\pi i/3}.

这些值在单位圆上等间隔分布。当指数为无理实数或非实数时,取值集合是无限集。

在允许选定一个对数分支的区域上,可以定义单值的幂。对数的主值通常取辐角范围为 (−π,π)(-\pi,\pi),并且在去掉非正实轴的复平面上解析。在这一区域上,

zw=exp⁡(wLog⁡z)z^w=\exp(w\operatorname{Log}z)

定义了幂的主分支。之所以需要割线,是因为辐角绕原点连续变化一周后,对数值会增加 2πi2\pi i。这一障碍是复分析以及解析延拓研究中的核心问题。

从正实数底数的幂运算沿用而来的法则,对于复数幂的主值可能不成立。例如,取平方根的主值时,

(−1)(−1)=1,−1−1=−1.\sqrt{(-1)(-1)}=1, \qquad \sqrt{-1}\sqrt{-1}=-1.

同样,幂的幂也未必等于将指数相乘后得到的幂。这些差异源于分支的选择,而非基本乘法法则失效。整数指数的恒等式仍然成立;在适当限制的区域上,若选用相容的对数分支,许多其他恒等式也仍然成立。

莱昂哈德·欧拉的恒等式

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

将复数幂运算与旋转和振荡联系起来。它可由指数函数、正弦函数和余弦函数的幂级数定义推导出来。用复指数函数表示波以及傅里叶变换,也都以这一公式为基础。在这一背景下,幂运算既能描述角运动,也能描述实数意义上的增长:若 w=u+ivw=u+iv,则 ew=eu(cos⁡v+isin⁡v)e^w=e^u(\cos v+i\sin v)。

代数与矩阵分析中的幂

在任何乘法满足结合律的结构中,重复乘法都有意义。在幺半群中,即在一个具有满足结合律的乘法和单位元的集合中,将 a0a^0 定义为单位元,并规定 an+1=anaa^{n+1}=a^na。于是,对非负整数,下列运算法则成立:

am+n=aman,(am)n=amna^{m+n}=a^ma^n,\qquad (a^m)^n=a^{mn}

在群论中,每个元素都有逆元,因此指数可以是任意整数。幂可用于描述循环子群和元素的阶:若存在使 ana^n 等于单位元的正整数 nn,则其中最小的一个就是该元素的阶。

对单个元素取幂不需要交换律,但在组合不同底数的幂时,交换律就很重要。在非交换群或非交换环中,

(ab)2=abab(ab)^2=abab

不一定等于 a2b2=aabba^2b^2=aabb。当 aa 与 bb 可交换时,恒等式 (ab)n=anbn(ab)^n=a^nb^n 成立。环中还可能存在某个正整数次幂为零的非零元素,这样的元素称为幂零元。因此,非零实数的幂所具有的那些熟悉性质,并不能自动推广到更一般的代数结构中。

对于方矩阵 AA,其非负整数次幂通过矩阵乘法定义,其中 A0=IA^0=I,即单位矩阵。定义负整数次幂则要求 AA 可逆。若

A=PDP−1A=PDP^{-1}

且 DD 为对角矩阵,则

An=PDnP−1.A^n=PD^nP^{-1}.

这样就将矩阵的幂化为对角元素的幂。因此,特征值与特征向量在很大程度上决定了反复施行线性变换时的长期行为。

矩阵指数由以下收敛级数定义:

eA=∑n=0∞Ann!.e^A=\sum_{n=0}^{\infty}\frac{A^n}{n!}.

它可用于求解常系数线性方程组:满足 x′(t)=Ax(t)x'(t)=Ax(t)、x(0)=x0x(0)=x_0 的解为 x(t)=etAx0x(t)=e^{tA}x_0。若 AA 与 BB 可交换,则 eA+B=eAeBe^{A+B}=e^Ae^B;若不可交换,这一恒等式就可能不成立。因此,记号 eAe^A 虽然推广了指数函数,却并不意味着标量情形下的所有恒等式都适用。

矩阵的分数次幂需要额外的结构或选择。实对称正定矩阵可以正交对角化为 A=QDQTA=QDQ^{\mathsf T},其中对角矩阵的各对角元素均为正数。对于实数 tt,其自然确定的幂为

At=QDtQT.A^t=QD^tQ^{\mathsf T}.

对于一般矩阵,其对数可能不唯一,也可能在所选的数系中不存在。在复数域上,每个可逆矩阵都有矩阵对数,但选定其中一个对数是定义一般幂的一部分。这些构造属于泛函分析和矩阵函数理论的范畴,而不再仅仅是重复乘法。

高效计算与模幂运算

将 ana^n 定义为乘积,并不意味着按定义逐次相乘就是最高效的计算方法。直接相乘需要 n−1n-1 次乘法。平方求幂法则利用

a2k=(ak)2,a2k+1=a(ak)2.a^{2k}=(a^k)^2,\qquad a^{2k+1}=a(a^k)^2.

反复将指数减半,可使乘法次数降至与 log⁡n\log n 成正比。这种方法适用于整数、矩阵以及其他乘法满足结合律的系统。

一种标准的二进制实现方法是逐位读取指数的二进制表示。例如,13=8+4+113=8+4+1,因此

a13=a8a4a.a^{13}=a^8a^4a.

中间的幂 a2,a4,a8a^2,a^4,a^8 通过连续平方得到。从二进制最高位开始、由左向右处理的实现方法,需要进行 ⌊log⁡2n⌋\lfloor\log_2n\rfloor 次平方运算,并对其余各位中每个等于 11 的位额外进行一次乘法。乘法次数呈对数级增长,但总运行时间还取决于每次乘法的计算成本。精确的整数结果可能包含极多位数字。

在模算术中,每次乘法后取模,可以防止中间整数无限增大。计算 an mod ma^n\bmod m 时,每次平方和乘法后都可以对 mm 取模,因为同余关系与乘法相容。例如,

34≡4(mod7),38≡2(mod7),3^4\equiv4\pmod7,\qquad 3^8\equiv2\pmod7,

因此

313≡38 34 3≡2⋅4⋅3≡3(mod7).3^{13}\equiv3^8\,3^4\,3 \equiv2\cdot4\cdot3 \equiv3\pmod7.

模幂运算中的负指数要求底数具有模 mm 的乘法逆元,这等价于底数与 mm 互质。

模幂运算是公钥密码学的核心运算。在RSA密码系统中,加密和解密都涉及以一个很大的合数为模的幂运算。即使指数和模数的二进制表示长达数千位,乘方仍可高效计算。密码学中使用的逆向问题则有所不同:由幂的值求指数会引出离散对数问题,而 RSA 的安全性依赖于其相应逆向问题的困难性,以及保密的因数分解所起的作用。这些问题不能与直接计算幂值这一简单任务混为一谈。

对于非整数指数的数值幂运算,实现时通常将其转化为计算 exp⁡(xln⁡a)\exp(x\ln a),并采用专门的方法来提高精度和速度。浮点运算会引入舍入误差、上溢和下溢。由下式可以看出结果对输入的敏感性:

d(ln⁡y)=x d(ln⁡a)+(ln⁡a) dx,y=ax.d(\ln y)=x\,d(\ln a)+(\ln a)\,dx, \qquad y=a^x.

因此,底数或指数中的误差可能被放大。在某些特殊值附近,例如底数非常接近 11 时,精心设计的对数与指数函数计算程序有助于保留直接计算可能丢失的信息。

零、边界情形与不定式

对于正实数 xx,通常以 0x=00^x=0 将实数乘方扩展到以零为底数的情形。在通常的实数或复数运算中,零的负次幂没有定义,因为这涉及除以零。边界情形 000^0 则取决于具体语境:在许多离散数学和代数情境中,它被定义为 11;而在讨论某些极限时,它被称为不定式。这些用法涉及的是不同的数学问题。

将 00=10^0=1 作为约定的代数依据是空积约定。不含任何因子的乘积等于乘法单位元,与所考察的幂以哪个元素为底数无关。这样,a0=1a^0=1 就能统一成立,包括 a=0a=0 的情形。这一约定便于计算多项式的值:当 x=0x=0 时,常数项 c0x0c_0x^0 仍为 c0c_0。类似地,级数

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

的常数项为 11,按照这一约定,求它在零处的值时无需作特殊改写。

这也有直接的计数解释。对于元素个数分别为 aa 和 bb 的两个有限集,从第二个集合到第一个集合的函数个数为 aba^b。从空集到自身恰好有一个函数,即空函数。因此,这一解释给出 00=10^0=1。反过来,不存在从非空集到空集的函数,这对应于正整数 nn 满足 0n=00^n=0。

然而,在极限计算中,仅知道底数趋于零、指数也趋于零,并不足以确定幂的极限。对于 x>0x>0,

xx=exp⁡(xln⁡x)⟶1as x→0+.x^x=\exp(x\ln x)\longrightarrow1 \quad\text{as }x\to0^+.

但若 t→0+t\to0^+,则

(e−1/t)t=e−1,\left(e^{-1/t}\right)^t=e^{-1},

而

(e−1/t2)t=e−1/t⟶0.\left(e^{-1/t^2}\right)^t=e^{-1/t}\longrightarrow0.

这些底数都趋于零,指数也都趋于零,但所得幂的极限各不相同。无论在点 (0,0)(0,0) 处赋予什么值,都无法使二元幂函数从其底数为正的定义域内趋近该点时连续。

同样,1∞1^\infty 和 ∞0\infty^0 也是对极限形式的不定式描述,而不是算术等式。对于取正值的函数 ff 和实值函数 gg,一个有用的变换是

f(x)g(x)=exp⁡ ⁣(g(x)ln⁡f(x)).f(x)^{g(x)}=\exp\!\bigl(g(x)\ln f(x)\bigr).

例如,尽管底数趋于 11,仍有 (1+1/n)n→e(1+1/n)^n\to e。决定其变化行为的是乘积 g(x)ln⁡f(x)g(x)\ln f(x),而不是分别考察底数和指数各自的极限。

增长、尺度关系与应用

幂运算体现了数量变化的两种主要模式。在指数增长中,自变量每增加相同的量,因变量就按固定比例变化。在幂律尺度关系中,自变量每乘以某一倍数,因变量就相应地乘以一个固定倍数。因此,方程

y=Aektandy=Cxαy=Ae^{kt} \qquad\text{and}\qquad y=Cx^\alpha

描述的是结构不同的关系。在前者中,y(t+h)/y(t)=ekhy(t+h)/y(t)=e^{kh};在后者中,y(cx)/y(x)=cαy(cx)/y(x)=c^\alpha。

复利提供了一个初等的指数模型。如果本金为 PP,名义年利率为 rr,每年计息 mm 次,存续 tt 年,那么本利和为

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

当 m→∞m\to\infty 时,这一数值趋于 PertPe^{rt}。对于指数衰减 N(t)=N0e−λtN(t)=N_0e^{-\lambda t},其半衰期为

T1/2=ln⁡2λ.T_{1/2}=\frac{\ln2}{\lambda}.

只要某个量在单位时间内损失的比例恒定,就会出现同样的数学关系,不过,建立这一模型所依据的物理假设会因应用而异。

几何缩放也会产生幂的关系,但并不涉及指数增长。将一个三维物体的所有长度放大为原来的 ss 倍,其面积就变为原来的 s2s^2 倍,体积变为原来的 s3s^3 倍。更一般地,幂律 y=Cxαy=Cx^\alpha 经过对数变换后成为线性关系:

ln⁡y=ln⁡C+αln⁡x.\ln y=\ln C+\alpha\ln x.

指数就是双对数坐标下的斜率,也是弹性的度量:

dln⁡ydln⁡x=α.\frac{d\ln y}{d\ln x}=\alpha.

不过,实测数据在双对数图上近似呈直线,本身并不足以确立幂律关系,也不足以揭示其背后的机制。

在概率中,幂常常源于重复的独立选择。如果某事件在 nn 次独立试验中每次发生的概率均为 pp,那么它在每次试验中都发生的概率就是 pnp^n。如果 nn 个位置中的每一个都可以放置 kk 种符号之一,那么可能的字符串就有 knk^n 个。这将幂运算与组合数学、编码及信息论联系起来:长度为 nn 的二进制字符串共有 2n2^n 个,而从 NN 个等可能的选项中选定一个,所携带的信息量为 log⁡2N\log_2N 比特。

计算复杂性同样区分幂函数增长与指数增长。若算法所需的运算次数与 n3n^3 成正比,其增长就是多项式增长;若所需运算次数为 2n2^n,则是指数增长。后者最终会超过任何固定的多项式,尽管实际可行性还取决于常数、输入规模和实现方式。因此,幂运算既可描述算法内部使用的高效算术运算,也可描述用于划分算法总体资源需求的增长率。

基数、序数与迭代幂运算

在集合论中,幂运算的定义是对计数的推广,而非对数值分析的推广。若集合 AA 和 BB 的基数分别为 κ\kappa 和 λ\lambda,则

κλ=∣AB∣,\kappa^\lambda=|A^B|,

其中,ABA^B 是从 BB 到 AA 的所有函数组成的集合。对于有限集,这一定义与通常的幂运算一致,因为 BB 中每个元素的像都有 κ\kappa 种独立的选择。当其中一个集合或两个集合都是无限集时,这一定义仍然有意义。

取 A={0,1}A=\{0,1\},则每个函数 B→AB\to A 都是 BB 的某个子集的示性函数。因此,

2∣B∣=∣P(B)∣,2^{|B|}=|\mathcal P(B)|,

其中,P(B)\mathcal P(B) 是幂集。康托尔定理指出,这个基数严格大于 ∣B∣|B|。特别地,2ℵ02^{\aleph_0} 是实数集的基数,其中 ℵ0\aleph_0 是自然数集的基数。连续统假设所问的是,这个基数是否等于最小的不可数基数 ℵ1\aleph_1。因此,基数幂运算与数学基础问题密切相关,而不仅仅涉及大数的数值计算。

序数的幂运算有所不同,因为序数算术描述的是序型。它的递归定义为:

α0=1,αβ+1=αβ⋅α,\alpha^0=1,\qquad \alpha^{\beta+1}=\alpha^\beta\cdot\alpha,

而对于非零极限序数 λ\lambda,有

αλ=sup⁡β<λαβ.\alpha^\lambda=\sup_{\beta<\lambda}\alpha^\beta.

对于第一个无限序数 ω\omega,序数幂运算给出

2ω=sup⁡n<ω2n=ω.2^\omega=\sup_{n<\omega}2^n=\omega.

这一结果是可数的,与不可数基数 2ℵ02^{\aleph_0} 不同。这一区别说明,必须明确运算对象的含义以及所采用的算术体系。

反复进行幂运算便得到四阶超运算,它形成如下幂塔:

a,aa,aaa,….a,\qquad a^a,\qquad a^{a^a},\qquad \ldots.

幂塔从顶端向下计算。对于正数 aa,定义 x1=ax_1=a 和 xn+1=axnx_{n+1}=a^{x_n}。若此序列收敛于有限的正极限 LL,则由连续性可得

L=aL.L=a^L.

仅仅存在这个方程的解,并不能证明迭代收敛。

标准的正实数幂塔在以下范围内收敛:

e−e≤a≤e1/e.e^{-e}\le a\le e^{1/e}.

在此区间之外,它不会收敛于有限极限;依底数而定,其发散形式可能是无界增长,也可能是振荡。将幂塔的高度从正整数推广到实数或复数,远不如普通幂运算的推广那样具有自然统一的方式。此时,附加的正则性条件和归一化要求变得至关重要,因为基本的迭代关系并不能唯一确定一般的插值形式。

历史发展与记法

幂最早的应用与测量和数表密切相关,而不是一种允许任意指数的通用运算。公元前二千纪早期的古巴比伦数学泥板中,已有供计算使用的平方表和立方表。古希腊数学通过几何来处理平方和立方。成书于公元前300年左右的几何原本包含一些几何命题,对应于后来代数中用二次幂表示的恒等式,但并未使用现代的指数符号记法。

从几何量到一般代数幂的转变历经了许多世纪。中世纪的阿拉伯代数以及后来的欧洲代数,逐渐发展出表示未知数各次幂的术语和运算方法。尼古拉·许凯1484年的手稿《数的科学三篇》使用了类似指数的数字标记,其中包括零和负数标记。这套记法并未立即成为通行标准。米夏埃尔·施蒂费尔1544年的《整数算术》讨论了等差数列与等比数列之间的系统对应关系,有助于阐明指数法则和对数法则背后的关系。

一项重要的实用进展是对数的发明。约翰·纳皮尔于1614年出版了他的对数表,随后亨利·布里格斯发展了常用对数,即以十为底的对数,并编制了详尽的数表。他们最初的定义和计算方法并非以完全现代意义上的函数 axa^x 为出发点,但对数使人们能够通过加法、减法和查表来完成乘法、除法和开方运算。对数也有助于将分数次幂纳入系统的计算框架。

勒内·笛卡尔1637年的《几何学》推动确立了用右上角数字表示幂的现代记法。上标记法以简洁的形式将指数与系数区分开来,使含有多个幂的表达式更易于运算。17世纪,无穷级数和微积分的研究进一步拓展了幂的作用。艾萨克·牛顿的广义二项式展开将指数的范围扩展到非负整数之外,把分数次幂、负整数次幂与无穷级数联系起来。

18世纪,欧拉的工作巩固了指数函数与对数函数的记法和理论,包括它们在复数范围内的推广。他于1748年出版的《无穷分析引论》将指数关系和对数关系作为分析学的核心研究对象。19世纪,实分析、复变函数论和抽象代数的发展,进一步厘清了连续性、收敛性、分支,以及指数法则成立所需的代数结构等问题。

现代记法因使用媒介而异。数学印刷品使用上标,纯文本则常写成 a^b。一些编程语言使用 **;另一些语言则将 ^ 用于按位运算,而非幂运算。pow 等函数名也很常见。这些差异属于表示方式上的差异,但在涉及运算优先级、负底数、分数指数或有限精度数值类型时,可能影响表达式的解释。