无理数e是怎么被发现的
答案:2 悬赏:30 手机版
解决时间 2021-03-25 00:23
- 提问者网友：临风不自傲
- 2021-03-24 20:21
无理数e是怎么被发现的
最佳答案
- 五星知识达人网友：不如潦草
- 2021-03-24 21:21
1. e的定义
e=lim (n趋于无穷大) (1 +1/n)^n.
即当n趋于无穷大时, (1 +1/n)^n 的极限为e.
等你学了极限就知道什么意思了.
2. e的计算
由麦克劳林公式
e^x =1 +x +(x^2) /2! +(x^3) /3! +...
特别地, 当 x=1 时,
e =1 +1 +1/2! +1/3! +...
其中n! 表示n的阶乘.
这也是用计算机（计算器）计算e^x时的主要方法.
3. ln x 的几何意义
作出 y=1/x 的图象和直线x=a, x=b, (b>a>0).它们与x轴所围成图形面积为
S =ln b -ln a.
特别地, 当 a=1, b>1 时,
S =ln b.
4. 指数函数的计算.
计算机在算 a^b 时, 通常化为 e^(b ln a).
因为对计算机而言, ln x 和e^x 比较好算.
e=lim (n趋于无穷大) (1 +1/n)^n.
即当n趋于无穷大时, (1 +1/n)^n 的极限为e.
等你学了极限就知道什么意思了.
2. e的计算
由麦克劳林公式
e^x =1 +x +(x^2) /2! +(x^3) /3! +...
特别地, 当 x=1 时,
e =1 +1 +1/2! +1/3! +...
其中n! 表示n的阶乘.
这也是用计算机（计算器）计算e^x时的主要方法.
3. ln x 的几何意义
作出 y=1/x 的图象和直线x=a, x=b, (b>a>0).它们与x轴所围成图形面积为
S =ln b -ln a.
特别地, 当 a=1, b>1 时,
S =ln b.
4. 指数函数的计算.
计算机在算 a^b 时, 通常化为 e^(b ln a).
因为对计算机而言, ln x 和e^x 比较好算.
全部回答
- 1楼网友：大漠
- 2021-03-24 21:44
e
e的发现始於微分,当 h 逐渐接近零时,计算 之值,其结果无限接近一定值 2.71828...,这个定值就是 e,最早发现此值的人是瑞士著名数学家欧拉,他以自己姓名的字头小写 e 来命名此无理数.
计算对数函数 的导数,得 ,当 a=e 时, 的导数为 ,因而有理由使用以 e 为底的对数,这叫作自然对数.
若将指数函数 ex 作泰勒展开,则得
以 x=1 代入上式得
此级数收敛迅速,e 近似到小数点后 40 位的数值是
将指数函数 ex 扩大它的定义域到复数 z=x+yi 时,由
透过这个级数的计算,可得
由此,De Moivre 定理,三角函数的和差角公式等等都可以轻易地导出.譬如说,z1=x1+y1i, z2=x2+y2i,
另方面,
所以,
我们不仅可以证明 e 是无理数,而且它还是个超越数,即它不是任何一个整系数多项式的根,这个结果是 Hermite 在1873年得到的.
甲)差分.
考虑一个离散函数(即数列) R,它在 n 所取的值 u(n) 记成 un,通常我们就把这个函数书成 或 (un).数列 u 的差分 还是一个数列,它在 n 所取的值以定义为
以后我们乾脆就把 简记为
(例):数列 1, 4, 8, 7, 6, -2, ... 的差分数列为 3, 4, -1, -1, -8 ...
注:我们说「数列」是「定义在离散点上的函数」如果在高中,这样的说法就很恶劣.但在此地,却很恰当,因为这样才跟连续型的函数具有完全平行的类推.
差分算子的性质
(i) [合称线性]
(ii) (常数) [差分方程根本定理]
(iii)
其中 ,而 (n(k) 叫做排列数列.
(iv) 叫做自然等比数列.
(iv)' 一般的指数数列(几何数列)rn 之差分数列(即「导函数」)为 rn(r-1)
(乙).和分
给一个数列 (un).和分的问题就是要算和 . 怎麼算呢 我们有下面重要的结果:
定理1 (差和分根本定理) 如果我们能够找到一个数列 (vn),使得 ,则
和分也具有线性的性质:
甲)微分
给一个函数 f,若牛顿商(或差分商) 的极限 存在,则我们就称此极限值为 f 为点 x0 的导数,记为 f'(x0) 或 Df(x),亦即
若 f 在定义区域上每一点导数都存在,则称 f 为可导微函数.我们称 为 f 的导函数,而 叫做微分算子.
微分算子的性质:
(i) [合称线性]
(ii) (常数) [差分方程根本定理]
(iii) Dxn=nxn-1
(iv) Dex=ex
(iv)' 一般的指数数列 ax 之导函数为
(乙)积分.
设 f 为定义在 [a,b] 上的函数,积分的问题就是要算图甲阴影的面积.我们的办法是对 [a,b] 作分割:
;其次对每一小段 [xi-1,xi] 取一个样本点 ;再求近似和 (见图乙);最后再取极限 (让每一小段的长度都趋近於 0).
若这个极限值存在,我们就记为 的几何意义就是图甲阴影的面积.
(事实上,连续性也「差不多」是积分存在的必要条件.)
图甲
图乙
积分算子也具有线性的性质:
定理2 若 f 为一连续函数,则 存在.(事实上,连续性也「差不多」是积分存在的必要条件.)
定理3 (微积分根本定理) 设 f 为定义在闭区间 [a,b] 上的连续函数,我们欲求积分 如果我们可以找到另一个函数 g,使得 g'=f,则
注:(1)(2)两式虽是类推,但有一点点差异,即和分的上限要很小心!
上面定理1及定理3基本上都表述著差分与和分,微分与积分,是两个互逆的操作,就好像加法与减法,乘法与除法是互逆的操作一样.
我们都知道差分与微分的操作比和分与积分简单多了,而上面定理1及定理3告诉我们,要计算 (un) 的和分及 f 的积分,只要去找另一个 (vn) 及 g 满足 , g'=f (这是差分及微分的问题),那麼对 vn 及 g 代入上下限就得到答案了.换句话说,我们可以用较简单的差分及微分操作来掌握较难的和分及积分操作,这就是"以简御繁"的精神.牛顿与莱布尼慈对微积分最大的贡献就在此.
甲)Taylor展开公式
这分别有离散与连续的类推.它是数学中「逼近」这个重要想法的一个特例.逼近想法的意思是这样的:给一个函数 f,我们要研究 f 的行为,但 f 本身可能很复杂而不易对付,於是我们就想法子去找一个较「简单」的函数 g,使其跟 f 很「靠近」,那麼我们就用 g 来取代 f.这又是以简御繁的精神表现.由上述我们看出,要使用逼近想法,我们还需要澄清
两个问题:即如何选取简单函数及逼近的尺度.
(一) 对於连续世界的情形,Taylor 展式的逼近想法是选取多项函数作为简单函数,并且用局部的「切近」作为逼近尺度.说得更明白一点,给一个直到到 n 阶都可导微的函数 f,我们要找一个 n 次多项函数 g,使其跟 f 在点 x0 具有 n 阶的「切近」,即 ,答案就是
此式就叫做 f 在点 x0 的 n 阶 Taylor 展式.
g 在 x0 点附近跟 f 很靠近,於是我们就用 g 局部地来取代 f.从而用 g 来求得 f 的一些局部的定性行为.因此 Taylor 展式只是局部的逼近.当f是足够好的一个函数,即是所谓解析的函数时,则 f可展成 Taylor 级数,而且这个 Taylor 级数就等於 f 自身.
值得注意的是,一阶 Taylor 展式的特殊情形,此时 g(x)=f(x0+f'(x0)(x-x0)) 的图形正好是一条通过点 (x0,f(x0)) 而且切於 f 的图形之直线.因此 f 在点 x0 的一阶 Taylor 展式的意义就是,我们用过点 (x0,f(x0)) 的切线局部地来取代原来 f 曲线.这种局部化「用平直取代弯曲」的精神,是微分学的精义所在.
利用 Talor 展式,可以帮忙我们做很多事情,比如判别函数的极大值与极小值,求积分的近似值,作函数表(如三角函数表,对数表等),这些都是意料中事.事实上,我们可以用逼近的想法将微积分「一以贯之」.
复次我们注意到,我们选取多项函数作为逼近的简单函数,理由很简单:在众多初等函数中,如三角函数,指数函数,对数函数,多项函数等,从算术的观点来看,以多项函数最为简单,因为要计算多项函数的值,只牵涉到加减乘除四则运算,其它函数就没有这麼简单.
当然,从别的解析观点来看,在某些情形下还另有更有用更重要的简单函数.例如,三角多项式,再配合上某种逼近尺度,我们就得到 Fourier 级数展开,这在应用数学上占有举足轻重的地位.(事实上,Fourier 级数展开是采用最小方差的逼近尺度,这在高等数学中经常出现,而且在统计学中也有应用.)
注:取 x0=0 的特例,此时 Taylor 展式又叫做 Maclaurin 展式.不过只要会做特例的展开,欲求一般的 Taylor 展式,作一下平移(或变数代换)就好了.因此我们大可从头就只对 x=0 点作 Taylor 展式.
(二) 对於离散的情形,Taylor 展开就是:
给一个数列 ,我们要找一个 n 次多项式数列 (gt),使得 gt 与 ft 在 t=0 点具有 n 阶的「差近」.所谓在 0 点具有 n 阶差近是指:
答案是 此式就是离散情形的 Maclaurin 公式.
乙)分部积分公式与Abel分部和分公式的类推
(一) 分部积分公式:
设 u(x),v(x) 在 [a,b] 上连续,则
(二) Abel分部和分公式:
设(un),(v)为两个数列,令 sn=u1+......+un,则
上面两个公式分别是莱布尼慈导微公式 D(uv)=(Du)v+u(Dv),及莱布尼慈差分公式 的结论.注意到,这两个莱布尼慈公式,一个很对称,另一个则不然.
(丁)复利与连续复利 (这也分别是离散与连续之间的类推)
(一) 复利的问题是这样的:有本金 y0,年利率 r,每年复利一次,要问 n 年后的本利和 yn= 显然这个数列满足差分方程 yn+1=yn(1+r)
根据(丙)之(二)得知 yn=y0(1+r)n 这就是复利的公式.
(二) 若考虑每年复利 m 次,则 t 年后的本利和应为
令 ,就得到连续复利的概念,此时本利和为y(t)=y0ert
换句话说,连续复利时,t 时刻的本利和 y(t)=y0ert 就是微分方程 y'=ry 的解答.
由上述我们看出离散复利问题由差分方程来描述,而连续复利的问题由微分方程来描述.对於常系数线性的差分方程及微分方程,解方程式的整个要点就是叠合原理,因此求解的办法具有完全平行的类推.
(戊)Fubini 重和分定理与 Fubini 重积分定理(也是离散与连续之间的类推)
(一) Fubini 重和分定理:给一个两重指标的数列 (ars),我们要从 r=1 到 m,s=1到 n, 对 (ars) 作和 ,则这个和可以这样求得:光对 r 作和再对 s 作和(反过来亦然).亦即我们有
(二)Fubini 重积分定理:设 f(x,y) 为定义在 上之可积分函数,则
当然,变数再多几个也都一样.
(己)Lebesgue 积分的概念
(一) 离散的情形:给一个数列 (an),我们要估计和 ,Lebesgue 的想法是,不管这堆数据指标的顺序,我们只按数值的大小来分堆,相同的分在一堆,再从每一堆中取一个数值,乘以该堆的个数,整个作和起来,这就得到总和.
(二)连续的情形:给一个函数 f,我们要定义曲线 y=f(x) 跟 X 轴从 a 到 b 所围出来的面积.(见下图)
Lebesgue 的想法是对 f 的影域 作分割:
函数值介 yi-1 到 yi 之间的 x 收集在一齐,令其为 , 於是 [a,b] 就相应分割成 ,取样本点 ,作近似和
让影域的分割加细,上述近似和的极限若存在的话,就叫做 f 在 [a,b] 上的 Lebesgue 积分.
在数学中，e是极为常用的超越数之一
它通常用作自然对数的底数，即：In(x)=以e为底x的对数。 （1）数列或函数f(n)=(1+1/n)^n当n→∞时=e或g(n)=(1+n)^(1/n)当n→0=e即(1+1/n)的n次方的极限值 数列：1+1，（1+0.5）的平方，（1+0.33…）的立方，1.25^4，1.2^5，… 函数：实际上，这里n的绝对值(即“模”)需要并只需要趋向无穷大。 （1-1）sum(1/n!)，n取0至无穷大自然数。即1+1/1！+1/2！+1/3！+… （1-2）e^x=sum((1/n!)x^n) (1-3) [n^n/(n-1)^(n-1)]-[(n-1)^(n-1)/(n-2)^(n-2)]当n→∞时=e （2）欧拉(Euler)公式：e^ix=cosx+i(sinx)，cosx=(e^ix+e^(-ix))/2=Re(e^ix)，isinx==(e^ix-e^(-ix))/2=iIm(e^ix)，由此可以结合三角函数或双曲三角函数的简单性质推算出相对复杂的公式，如和角差角公式，等等，希望对朋友们学习和灵活应用它们有些帮助。 （2-1）e^x=coshx+sinhx即hypcosx+hypsinx，亦记作chx,shx.2chx=e^x+e^(-x),2shx=e^x-e^(-x) （3）用Windows自带的计算器计算：菜单“查看／科学型“，再依次点击 1 hyp sin + ( 1 hyp cos 1 ) 或用键盘输入1hs+(1ho)=或(1hs+(1ho))也可以从这里用ctrl+C复制，再切换到计算器，按ctrl+V（菜单“编辑/粘贴”）， 得到如下32 位数值，以上是为了验证(2-1)。 简单地，可以点击 1 inv Ln，或输入 1in，实际就是计算e^1，也可得到： e=2.71828 18284 59045 23536 02874 71352 6（第31位小数四舍五入为7） （4）这是小数点后面两千位： e=2.71828 18284 59045 23536 02874 71352 66249 77572 47093 69995 95749 66967 62772 40766 30353 54759 45713 82178 52516 64274 27466 39193 20030 59921 81741 35966 29043 57290 03342 95260 59563 07381 32328 62794 34907 63233 82988 07531 95251 01901 15738 34187 93070 21540 89149 93488 41675 09244 76146 06680 82264 80016 84774 11853 74234 54424 37107 53907 77449 92069 55170 27618 38606 26133 13845 83000 75204 49338 26560 29760 67371 13200 70932 87091 27443 74704 72306 96977 20931 01416 92836 81902 55151 08657 46377 2
e的发现始於微分,当 h 逐渐接近零时,计算 之值,其结果无限接近一定值 2.71828...,这个定值就是 e,最早发现此值的人是瑞士著名数学家欧拉,他以自己姓名的字头小写 e 来命名此无理数.
计算对数函数 的导数,得 ,当 a=e 时, 的导数为 ,因而有理由使用以 e 为底的对数,这叫作自然对数.
若将指数函数 ex 作泰勒展开,则得
以 x=1 代入上式得
此级数收敛迅速,e 近似到小数点后 40 位的数值是
将指数函数 ex 扩大它的定义域到复数 z=x+yi 时,由
透过这个级数的计算,可得
由此,De Moivre 定理,三角函数的和差角公式等等都可以轻易地导出.譬如说,z1=x1+y1i, z2=x2+y2i,
另方面,
所以,
我们不仅可以证明 e 是无理数,而且它还是个超越数,即它不是任何一个整系数多项式的根,这个结果是 Hermite 在1873年得到的.
甲)差分.
考虑一个离散函数(即数列) R,它在 n 所取的值 u(n) 记成 un,通常我们就把这个函数书成 或 (un).数列 u 的差分 还是一个数列,它在 n 所取的值以定义为
以后我们乾脆就把 简记为
(例):数列 1, 4, 8, 7, 6, -2, ... 的差分数列为 3, 4, -1, -1, -8 ...
注:我们说「数列」是「定义在离散点上的函数」如果在高中,这样的说法就很恶劣.但在此地,却很恰当,因为这样才跟连续型的函数具有完全平行的类推.
差分算子的性质
(i) [合称线性]
(ii) (常数) [差分方程根本定理]
(iii)
其中 ,而 (n(k) 叫做排列数列.
(iv) 叫做自然等比数列.
(iv)' 一般的指数数列(几何数列)rn 之差分数列(即「导函数」)为 rn(r-1)
(乙).和分
给一个数列 (un).和分的问题就是要算和 . 怎麼算呢 我们有下面重要的结果:
定理1 (差和分根本定理) 如果我们能够找到一个数列 (vn),使得 ,则
和分也具有线性的性质:
甲)微分
给一个函数 f,若牛顿商(或差分商) 的极限 存在,则我们就称此极限值为 f 为点 x0 的导数,记为 f'(x0) 或 Df(x),亦即
若 f 在定义区域上每一点导数都存在,则称 f 为可导微函数.我们称 为 f 的导函数,而 叫做微分算子.
微分算子的性质:
(i) [合称线性]
(ii) (常数) [差分方程根本定理]
(iii) Dxn=nxn-1
(iv) Dex=ex
(iv)' 一般的指数数列 ax 之导函数为
(乙)积分.
设 f 为定义在 [a,b] 上的函数,积分的问题就是要算图甲阴影的面积.我们的办法是对 [a,b] 作分割:
;其次对每一小段 [xi-1,xi] 取一个样本点 ;再求近似和 (见图乙);最后再取极限 (让每一小段的长度都趋近於 0).
若这个极限值存在,我们就记为 的几何意义就是图甲阴影的面积.
(事实上,连续性也「差不多」是积分存在的必要条件.)
图甲
图乙
积分算子也具有线性的性质:
定理2 若 f 为一连续函数,则 存在.(事实上,连续性也「差不多」是积分存在的必要条件.)
定理3 (微积分根本定理) 设 f 为定义在闭区间 [a,b] 上的连续函数,我们欲求积分 如果我们可以找到另一个函数 g,使得 g'=f,则
注:(1)(2)两式虽是类推,但有一点点差异,即和分的上限要很小心!
上面定理1及定理3基本上都表述著差分与和分,微分与积分,是两个互逆的操作,就好像加法与减法,乘法与除法是互逆的操作一样.
我们都知道差分与微分的操作比和分与积分简单多了,而上面定理1及定理3告诉我们,要计算 (un) 的和分及 f 的积分,只要去找另一个 (vn) 及 g 满足 , g'=f (这是差分及微分的问题),那麼对 vn 及 g 代入上下限就得到答案了.换句话说,我们可以用较简单的差分及微分操作来掌握较难的和分及积分操作,这就是"以简御繁"的精神.牛顿与莱布尼慈对微积分最大的贡献就在此.
甲)Taylor展开公式
这分别有离散与连续的类推.它是数学中「逼近」这个重要想法的一个特例.逼近想法的意思是这样的:给一个函数 f,我们要研究 f 的行为,但 f 本身可能很复杂而不易对付,於是我们就想法子去找一个较「简单」的函数 g,使其跟 f 很「靠近」,那麼我们就用 g 来取代 f.这又是以简御繁的精神表现.由上述我们看出,要使用逼近想法,我们还需要澄清
两个问题:即如何选取简单函数及逼近的尺度.
(一) 对於连续世界的情形,Taylor 展式的逼近想法是选取多项函数作为简单函数,并且用局部的「切近」作为逼近尺度.说得更明白一点,给一个直到到 n 阶都可导微的函数 f,我们要找一个 n 次多项函数 g,使其跟 f 在点 x0 具有 n 阶的「切近」,即 ,答案就是
此式就叫做 f 在点 x0 的 n 阶 Taylor 展式.
g 在 x0 点附近跟 f 很靠近,於是我们就用 g 局部地来取代 f.从而用 g 来求得 f 的一些局部的定性行为.因此 Taylor 展式只是局部的逼近.当f是足够好的一个函数,即是所谓解析的函数时,则 f可展成 Taylor 级数,而且这个 Taylor 级数就等於 f 自身.
值得注意的是,一阶 Taylor 展式的特殊情形,此时 g(x)=f(x0+f'(x0)(x-x0)) 的图形正好是一条通过点 (x0,f(x0)) 而且切於 f 的图形之直线.因此 f 在点 x0 的一阶 Taylor 展式的意义就是,我们用过点 (x0,f(x0)) 的切线局部地来取代原来 f 曲线.这种局部化「用平直取代弯曲」的精神,是微分学的精义所在.
利用 Talor 展式,可以帮忙我们做很多事情,比如判别函数的极大值与极小值,求积分的近似值,作函数表(如三角函数表,对数表等),这些都是意料中事.事实上,我们可以用逼近的想法将微积分「一以贯之」.
复次我们注意到,我们选取多项函数作为逼近的简单函数,理由很简单:在众多初等函数中,如三角函数,指数函数,对数函数,多项函数等,从算术的观点来看,以多项函数最为简单,因为要计算多项函数的值,只牵涉到加减乘除四则运算,其它函数就没有这麼简单.
当然,从别的解析观点来看,在某些情形下还另有更有用更重要的简单函数.例如,三角多项式,再配合上某种逼近尺度,我们就得到 Fourier 级数展开,这在应用数学上占有举足轻重的地位.(事实上,Fourier 级数展开是采用最小方差的逼近尺度,这在高等数学中经常出现,而且在统计学中也有应用.)
注:取 x0=0 的特例,此时 Taylor 展式又叫做 Maclaurin 展式.不过只要会做特例的展开,欲求一般的 Taylor 展式,作一下平移(或变数代换)就好了.因此我们大可从头就只对 x=0 点作 Taylor 展式.
(二) 对於离散的情形,Taylor 展开就是:
给一个数列 ,我们要找一个 n 次多项式数列 (gt),使得 gt 与 ft 在 t=0 点具有 n 阶的「差近」.所谓在 0 点具有 n 阶差近是指:
答案是 此式就是离散情形的 Maclaurin 公式.
乙)分部积分公式与Abel分部和分公式的类推
(一) 分部积分公式:
设 u(x),v(x) 在 [a,b] 上连续,则
(二) Abel分部和分公式:
设(un),(v)为两个数列,令 sn=u1+......+un,则
上面两个公式分别是莱布尼慈导微公式 D(uv)=(Du)v+u(Dv),及莱布尼慈差分公式 的结论.注意到,这两个莱布尼慈公式,一个很对称,另一个则不然.
(丁)复利与连续复利 (这也分别是离散与连续之间的类推)
(一) 复利的问题是这样的:有本金 y0,年利率 r,每年复利一次,要问 n 年后的本利和 yn= 显然这个数列满足差分方程 yn+1=yn(1+r)
根据(丙)之(二)得知 yn=y0(1+r)n 这就是复利的公式.
(二) 若考虑每年复利 m 次,则 t 年后的本利和应为
令 ,就得到连续复利的概念,此时本利和为y(t)=y0ert
换句话说,连续复利时,t 时刻的本利和 y(t)=y0ert 就是微分方程 y'=ry 的解答.
由上述我们看出离散复利问题由差分方程来描述,而连续复利的问题由微分方程来描述.对於常系数线性的差分方程及微分方程,解方程式的整个要点就是叠合原理,因此求解的办法具有完全平行的类推.
(戊)Fubini 重和分定理与 Fubini 重积分定理(也是离散与连续之间的类推)
(一) Fubini 重和分定理:给一个两重指标的数列 (ars),我们要从 r=1 到 m,s=1到 n, 对 (ars) 作和 ,则这个和可以这样求得:光对 r 作和再对 s 作和(反过来亦然).亦即我们有
(二)Fubini 重积分定理:设 f(x,y) 为定义在 上之可积分函数,则
当然,变数再多几个也都一样.
(己)Lebesgue 积分的概念
(一) 离散的情形:给一个数列 (an),我们要估计和 ,Lebesgue 的想法是,不管这堆数据指标的顺序,我们只按数值的大小来分堆,相同的分在一堆,再从每一堆中取一个数值,乘以该堆的个数,整个作和起来,这就得到总和.
(二)连续的情形:给一个函数 f,我们要定义曲线 y=f(x) 跟 X 轴从 a 到 b 所围出来的面积.(见下图)
Lebesgue 的想法是对 f 的影域 作分割:
函数值介 yi-1 到 yi 之间的 x 收集在一齐,令其为 , 於是 [a,b] 就相应分割成 ,取样本点 ,作近似和
让影域的分割加细,上述近似和的极限若存在的话,就叫做 f 在 [a,b] 上的 Lebesgue 积分.
在数学中，e是极为常用的超越数之一
它通常用作自然对数的底数，即：In(x)=以e为底x的对数。 （1）数列或函数f(n)=(1+1/n)^n当n→∞时=e或g(n)=(1+n)^(1/n)当n→0=e即(1+1/n)的n次方的极限值 数列：1+1，（1+0.5）的平方，（1+0.33…）的立方，1.25^4，1.2^5，… 函数：实际上，这里n的绝对值(即“模”)需要并只需要趋向无穷大。 （1-1）sum(1/n!)，n取0至无穷大自然数。即1+1/1！+1/2！+1/3！+… （1-2）e^x=sum((1/n!)x^n) (1-3) [n^n/(n-1)^(n-1)]-[(n-1)^(n-1)/(n-2)^(n-2)]当n→∞时=e （2）欧拉(Euler)公式：e^ix=cosx+i(sinx)，cosx=(e^ix+e^(-ix))/2=Re(e^ix)，isinx==(e^ix-e^(-ix))/2=iIm(e^ix)，由此可以结合三角函数或双曲三角函数的简单性质推算出相对复杂的公式，如和角差角公式，等等，希望对朋友们学习和灵活应用它们有些帮助。 （2-1）e^x=coshx+sinhx即hypcosx+hypsinx，亦记作chx,shx.2chx=e^x+e^(-x),2shx=e^x-e^(-x) （3）用Windows自带的计算器计算：菜单“查看／科学型“，再依次点击 1 hyp sin + ( 1 hyp cos 1 ) 或用键盘输入1hs+(1ho)=或(1hs+(1ho))也可以从这里用ctrl+C复制，再切换到计算器，按ctrl+V（菜单“编辑/粘贴”）， 得到如下32 位数值，以上是为了验证(2-1)。 简单地，可以点击 1 inv Ln，或输入 1in，实际就是计算e^1，也可得到： e=2.71828 18284 59045 23536 02874 71352 6（第31位小数四舍五入为7） （4）这是小数点后面两千位： e=2.71828 18284 59045 23536 02874 71352 66249 77572 47093 69995 95749 66967 62772 40766 30353 54759 45713 82178 52516 64274 27466 39193 20030 59921 81741 35966 29043 57290 03342 95260 59563 07381 32328 62794 34907 63233 82988 07531 95251 01901 15738 34187 93070 21540 89149 93488 41675 09244 76146 06680 82264 80016 84774 11853 74234 54424 37107 53907 77449 92069 55170 27618 38606 26133 13845 83000 75204 49338 26560 29760 67371 13200 70932 87091 27443 74704 72306 96977 20931 01416 92836 81902 55151 08657 46377 2
我要举报
如以上回答内容为低俗、色情、不良、暴力、侵权、涉及违法等信息，可以点下面链接进行举报！
点此我要举报以上问答信息
大家都在看
推荐资讯