提示 :此条目的主题不是
杨幂 。
此条目的主题是代数概念。关于几何定理,请见“
圆幂定理 ”。
幂运算 (英语:Exponentiation ),又称指数运算 ,是数学 运算 ,表达式 为
b
n
{\displaystyle b^n}
,读作“
b
{\displaystyle b}
的
n
{\displaystyle n}
次方”或“
b
{\displaystyle b}
的
n
{\displaystyle n}
次幂”。其中,
b
{\displaystyle b}
称为底数 ,而
n
{\displaystyle n}
称为指数 ,通常指数写成上标 ,放在底数的右边 。当不能用上标时,例如在编程语言 或电子邮件 中,
b
n
{\displaystyle b^n}
通常写成b^n 或b**n ;也可视为超运算 ,记为b[3]n ;亦可以用高德纳箭号表示法 ,写成b↑n 。
若n 为正整数 ,可以把
b
n
{\displaystyle b^n}
看作乘方的结果,等同于
b
{\displaystyle b}
自乘
n
{\displaystyle n}
次。
b
n
=
b
×
⋯
×
b
⏟
n
{\displaystyle b^n = \underbrace{b \times \cdots \times b}_n}
当指数为1时,通常不写出来,因为运算出的值和底数的数值 一样;指数为2时,可以读作“
b
{\displaystyle b}
的平方 ”;指数为 3 时,可以读作“
b
{\displaystyle b}
的立方 ”。
起始值1(乘法的单位元 )乘上底数(
b
{\displaystyle b}
)自乘指数(
n
{\displaystyle n}
)这么多次。这样定义 了后,很易想到如何一般化指数 0 和负数的情况:除 0 外所有数的零次方都是 1 ;指数是负数时就等于重复除以 底数(或底数的倒数 自乘指数这么多次),即:
b
0
=
1
{\displaystyle b^{0} = 1 \qquad }
b
−
n
=
1
b
×
⋯
×
b
⏟
n
=
1
b
n
=
(
1
b
)
n
(
b
≠
0
)
{\displaystyle b^{-n} = {1 \over \underbrace{b\times\cdots\times b}_n} = \frac{1}{b^n} = \left(\frac{1}{b}\right)^{n} \qquad (b \ne 0)}
。
以分数 为指数的幂定义为
b
m
n
=
b
m
n
{\displaystyle b^{\frac{m}{n}} = \sqrt[n]{b^{m}}}
,即
b
{\displaystyle b}
的
m
{\displaystyle m}
次方再开
n
{\displaystyle n}
次方根
0的0次方 目前没有数学家 给予正式的定义。在部分数学领域 中,如组合数学 ,常用的惯例是定义为 1 ,也有人主张定义为 1 。
因为在十进制 ,十的次方 很易计算,只需在后面加零即可,所以科学记数法 借此简化 记录 的数字;二的幂 在计算机科学 相当重要。
当n 是复数 及b 是正实数时,
b
n
=
exp
(
n
ln
(
b
)
)
{\displaystyle b^n = \exp(n \ln(b))}
exp是指数函数 而 ln是自然对数 。
运算法则
a
m
×
a
n
=
a
m
+
n
{\displaystyle a^m \times a^n = a^{m + n} }
a
m
÷
a
n
=
a
m
−
n
{\displaystyle a^m \div a^n = a^{m - n} }
a
n
b
n
=
(
a
b
)
n
{\displaystyle \frac{a^n}{b^n} = \left(\frac{a}{b}\right)^n}
其他等式
x
m
n
=
x
m
n
{\displaystyle x^\frac{m}{n} = \sqrt[n]{x^m}}
x
−
m
=
1
x
m
(
x
≠
0
)
{\displaystyle x^{-m} = \frac{1}{x^m} \qquad (x \ne 0)}
x
0
=
1
(
x
≠
0
)
{\displaystyle x^0 = 1 \qquad (x \ne 0)}
x
1
=
x
{\displaystyle x^1 = x\,\!}
x
−
1
=
1
x
(
x
≠
0
)
{\displaystyle x^{-1} = \frac{1}{x} \qquad (x \ne 0)}
运算律
加法和乘法存在交换律 ,比如:
2
+
3
=
5
=
3
+
2
{\displaystyle 2+3=5=3+2}
,
2
×
3
=
6
=
3
×
2
{\displaystyle 2 \times 3 =6 =3 \times 2}
,但是幂的运算不存在交换律,
2
3
=
8
{\displaystyle 2^3 = 8 }
,但是
3
2
=
9
{\displaystyle 3^2 = 9 }
。
同样,加法和乘法存在结合律 ,比如:
(
2
+
3
)
+
4
=
9
=
2
+
(
3
+
4
)
{\displaystyle (2+3)+4=9=2+(3+4)}
,
(
2
×
3
)
×
4
=
24
=
2
×
(
3
×
4
)
{\displaystyle (2 \times 3) \times 4=24=2 \times (3 \times 4)}
。不过,幂运算没有结合律:
(
2
3
)
4
=
8
4
=
4096
{\displaystyle (2^3)^4 = 8^4 = 4096 }
,而
2
(
3
4
)
=
2
81
=
2
,
417
,
851
,
639
,
229
,
258
,
349
,
412
,
352
{\displaystyle 2^{(3^4)} = 2^{81} = 2,417,851,639,229,258,349,412,352 }
,所以
(
2
3
)
4
≠
2
(
3
4
)
{\displaystyle (2^3)^4\neq 2^{(3^4)} }
。
但是幂运算仍然有其运算律,称为指数律 :
a
m
×
a
n
=
a
m
+
n
{\displaystyle a^m \times a^n = a^{m+n}}
a
m
÷
a
n
=
a
m
−
n
{\displaystyle a^m \div a^n = a^{m-n}}
(
a
m
)
n
=
a
m
×
n
{\displaystyle (a^m)^n = a^{m \times n}}
a
m
n
=
a
m
÷
n
{\displaystyle \sqrt[n]{a^m} = a^{m \div n}}
a
n
×
b
n
=
(
a
×
b
)
n
{\displaystyle a^n \times b^n = (a \times b)^n}
a
n
÷
b
n
=
(
a
÷
b
)
n
{\displaystyle a^n \div b^n = (a \div b)^n}
整数指数幂
整数指数幂的运算只需要初等代数 的知识。
正整数指数幂
表达式
a
2
=
a
⋅
a
{\displaystyle a^2 = a\cdot a}
被称作
a
{\displaystyle a}
的平方 ,因为边长为
a
{\displaystyle a}
的正方形面积是
a
2
{\displaystyle a^2}
。
表达式
a
3
=
a
⋅
a
⋅
a
{\displaystyle a^3 = a\cdot a\cdot a}
被称作
a
{\displaystyle a}
的立方 ,因为边长为
a
{\displaystyle a}
的正方体体积是
a
3
{\displaystyle a^3}
。
所以
3
2
{\displaystyle 3^2}
读作“3的平方”,
2
3
{\displaystyle 2^3}
读作“2的立方”。
指数表示的是底数反复相乘多少次。比如
3
5
=
3
×
3
×
3
×
3
×
3
=
243
{\displaystyle 3^5 = 3\times 3\times 3\times 3\times 3 = 243}
,指数是5,底数是3,表示3反复相乘5次。
或者,整数指数幂可以递归 地定义成:
a
n
=
{
1
(
n
=
0
)
a
⋅
a
n
−
1
(
n
>
0
)
(
1
a
)
−
n
(
n
<
0
)
{\displaystyle a^n=
\begin{cases}
1 & (n= 0) \\
a \cdot a^{n-1} & (n> 0) \\
\left(\frac{1}{a}\right)^{-n} & (n< 0)
\end{cases}
}
指数是1或者0
注意
3
1
{\displaystyle 3^1}
表示仅仅1个3的乘积,就等于3。
注意
3
5
=
3
×
3
4
{\displaystyle 3^5 = 3\times 3^4}
,
3
4
=
3
×
3
3
{\displaystyle 3^4 = 3\times 3^3}
,
3
3
=
3
×
3
2
{\displaystyle 3^3 = 3\times 3^2}
,
3
2
=
3
×
3
1
{\displaystyle 3^2=3\times 3^1}
,
继续,得到
3
1
=
3
×
3
0
=
3
{\displaystyle 3^1 = 3\times 3^0 = 3}
,所以
3
0
=
1
{\displaystyle 3^0 = 1}
另一个得到此结论的方法是:通过运算法则
x
n
x
m
=
x
n
−
m
{\displaystyle \frac{x^n}{x^m} = x^{n - m}}
当
m
=
n
{\displaystyle m=n}
时,
1
=
x
n
x
n
=
x
n
−
n
=
x
0
{\displaystyle 1 = \frac{x^n}{x^n} = x^{n - n} = x^0 }
零的零次方
0
0
{\displaystyle 0^0 }
0
0
{\displaystyle 0^0 }
其实还并未被数学家完整的定义,但部分看法是
0
0
=
1
{\displaystyle 0^0 = 1 }
,在程式语言中(python)
0
∗
∗
0
=
1
{\displaystyle 0**0 = 1 }
在这里给出这一种极限的看法
lim
x
→
0
+
x
x
=
0
0
{\displaystyle \lim _{x \to 0^+} x ^ x= 0^0}
于是,可以求出 x 取值从 1 到 0.0000001 计算得到的值,如图
负数指数
我们定义任何不为 0 的数 a 的 -1 次方等于它的倒数。
a
−
1
=
1
a
{\displaystyle a^{-1} = \frac{1}{a}}
对于非零
a
{\displaystyle a}
定义
a
−
n
=
1
a
n
{\displaystyle a^{-n} = \frac{1}{a^n}}
,
而
a
=
0
{\displaystyle a=0}
时分母为 0 没有意义。
证法一:
根据定义
a
m
⋅
a
n
=
a
m
+
n
{\displaystyle a^m\cdot a^n = a^{m+n}}
,当
m
=
−
n
{\displaystyle m=-n}
时
a
−
n
a
n
=
a
−
n
+
n
=
a
0
=
1
,
{\displaystyle a^{-n} \, a^{n} = a^{-n\,+\,n} = a^0 = 1,}
得
a
−
n
a
n
=
1
{\displaystyle a^{-n} \, a^{n} = 1 }
, 所以
a
−
n
=
1
a
n
{\displaystyle a^{-n} = \frac{1}{a^{n}}}
。
证法二:
通过运算法则
a
m
a
n
=
a
m
−
n
{\displaystyle \frac{a^m}{a^n} = a^{m - n}}
当
m
=
0
{\displaystyle m=0}
时,可得
a
−
n
=
a
0
−
n
=
a
0
a
n
=
1
a
n
{\displaystyle a^{-n} = a^{0-n} = \frac{a^0}{a^n} = \frac{1}{a^{n}}}
负数指数
a
−
n
{\displaystyle a^{-n}}
还可以表示成1 连续除以
n
{\displaystyle n}
个
a
{\displaystyle a}
。比如:
3
−
4
=
1
3
3
3
3
=
1
81
=
1
3
4
{\displaystyle 3^{-4} = \frac{\frac{\frac{\frac{1}{3}}{3}}{3}}{3} = \frac{1}{81} = \frac{1}{3^{4}}}
.
特殊数的幂
10的幂
在十进制 的计数系统中,10的幂写成1后面跟着很多个0。例如:
10
3
=
1000
,
10
−
3
=
0.001
{\displaystyle 10^3 = 1000,\ 10^{-3} = 0.001}
因此10的幂用来表示非常大或者非常小的数字。如:299,792,458(真空中光速 ,单位是米每秒 ),可以写成
2.99792458
×
10
8
{\displaystyle 2.99792458\times 10^8}
,近似值
2.998
×
10
8
{\displaystyle 2.998\times 10^8}
或
3
×
10
8
{\displaystyle 3\times 10^8}
.
国际单位制词头 也使用10的幂来描述特别大或者特别小的数字,比如:词头“千”就是
10
3
{\displaystyle 10^3}
,词头“毫”就是
10
−
3
{\displaystyle 10^{-3}}
2的幂
1的幂
1的任何次幂都为1
0的幂
0的正数幂都等于0。
0的负数幂没有定义。
任何非0之数的0次方都是1;而0的0次方 是悬而未决的,某些领域下常用的惯例是约定为1。[1] 但某些教科书表示0的0次方为无意义。[2] 也有人主张定义为1。
负1的幂
-1的奇数幂等于-1
-1的偶数幂等于1
指数非常大时的幂
一个大于1的数的幂趋于无穷大 ,一个小于-1的数的幂趋于负无穷大
当
a
>
1
{\displaystyle a > 1}
,
n
→
∞
{\displaystyle n \to \infty}
,
a
n
→
∞
{\displaystyle a^n \to \infty}
当
a
<
−
1
{\displaystyle a < -1}
,
n
→
∞
{\displaystyle n \to \infty}
,
a
n
→
−
∞
{\displaystyle a^n \to -\infty }
或
∞
{\displaystyle \infty}
, (视乎n 是奇数或偶数)
一个绝对值小于1的数的幂趋于0
当
|
a
|
<
1
{\displaystyle |a| < 1}
,
n
→
∞
{\displaystyle n \to \infty}
,
a
n
→
0
{\displaystyle a^n \to 0}
1的幂永远都是1
当
a
=
1
{\displaystyle a = 1}
,
n
→
∞
{\displaystyle n \to \infty}
,
a
n
→
1
{\displaystyle a^n \to 1}
如果数a 趋于1而它的幂趋于无穷,那么极限并不一定是上面几个。一个很重要的例子是:
当
n
→
∞
,
(
1
+
1
n
)
n
→
e
{\displaystyle n \to \infty, \left(1+\frac{1}{n}\right)^n \to e}
参见e的幂
其他指数的极限参见幂的极限
正实数的实数幂
一个正实数的实数 幂可以通过两种方法实现。
有理数 幂可以通过N次方根 定义,任何非0实数次幂都可以这样定义
自然对数 可以被用来通过指数函数定义实数幂
N次方根
从上到下:
x
1
8
,
x
1
4
,
x
1
2
,
x
1
,
x
2
,
x
4
,
x
8
{\displaystyle x^{\frac{1}{8}},\ x^{\frac{1}{4}},\ x^{\frac{1}{2}},\ x^{1},\ x^{2},\ x^{4},\ x^{8}}
一个数
a
{\displaystyle a}
的
n
{\displaystyle n}
次方根是
x
{\displaystyle x}
,
x
{\displaystyle x}
使
x
n
=
a
{\displaystyle x^n=a}
。
如果
a
{\displaystyle a}
是一个正实数,
n
{\displaystyle n}
是正整数,那么方程
x
n
=
a
{\displaystyle x^n=a}
只有一个正实数根 。
这个根被称为
a
{\displaystyle a}
的
n
{\displaystyle n}
次方根,记作:
a
n
{\displaystyle \sqrt[n]{a}}
,其中
{\displaystyle \sqrt{\ }}
叫做根号。或者,
a
{\displaystyle a}
的
n
{\displaystyle n}
次方根也可以写成
a
1
n
{\displaystyle a^{\frac{1}{n}}}
.
例如
4
1
2
=
2
,
8
1
3
=
2
{\displaystyle 4^{\frac{1}{2}} = 2,\ 8^{\frac{1}{3}} = 2}
当指数是
1
2
{\displaystyle \frac{1}{2}}
时根号上的2可以省略,如:
4
=
4
1
2
=
4
2
=
2
{\displaystyle \sqrt{4}=4^{\frac{1}{2}}= \sqrt[2]{4} = 2}
有理数幂
有理数指数幂定义为
a
m
n
=
(
a
m
)
1
n
=
a
m
n
{\displaystyle a^{\frac{m}{n}} = (a^m)^{\frac{1}{n}} = \sqrt[n]{a^m}}
e的幂
这个重要的数学常数e ,有时叫做欧拉数 ,近似2.718,是自然对数 的底。它提供了定义非整数指数幂的一个方法。
它是从以下极限定义的:
e
=
lim
n
→
∞
(
1
+
1
n
)
n
{\displaystyle e =\lim_{n \to \infty} \left(1+\frac{1}{n} \right)^n }
指数函数 的定义是:
e
x
=
lim
n
→
∞
(
1
+
x
n
)
n
{\displaystyle e^x =\lim_{n \to \infty} \left(1+\frac{x}{n} \right)^n }
可以很简单地证明e 的正整数k 次方
e
k
{\displaystyle e^k}
是:
e
k
=
[
lim
n
→
∞
(
1
+
1
n
)
n
]
k
{\displaystyle e^k = \left[\lim_{n \to \infty} \left(1+\frac{1}{n} \right) ^n\right]^k }
=
lim
n
→
∞
[
(
1
+
1
n
)
n
]
k
{\displaystyle = \lim_{n \to \infty} \left[\left(1+\frac{1}{n} \right) ^n\right]^k }
=
lim
n
→
∞
(
1
+
k
n
⋅
k
)
n
⋅
k
{\displaystyle = \lim_{n \to \infty} \left(1+\frac k {n\cdot k} \right)^{n \cdot k} }
=
lim
n
⋅
k
→
∞
(
1
+
k
n
⋅
k
)
n
⋅
k
{\displaystyle = \lim_{n \cdot k \to \infty} \left(1+\frac k {n\cdot k} \right)^{n \cdot k} }
=
lim
m
→
∞
(
1
+
k
m
)
m
{\displaystyle = \lim_{m \to \infty} \left(1+\frac k m \right)^m }
实数指数幂
y = bx 对各种底数b的图像,分别为绿色的10、红色的e、蓝色的2和青色的1/2。
因为所有实数 可以近似地表示为有理数,任意实数指数x 可以定义成[3] :
b
x
=
lim
r
→
x
b
r
,
{\displaystyle b^x = \lim_{r \to x} b^r,}
例如:
x
≈
1.732
{\displaystyle x \approx 1.732 }
于是
5
x
≈
5
1.732
=
5
433
250
=
5
433
250
≈
16.241
{\displaystyle 5^x \approx 5^{1.732} =5^{\frac{433}{250}}=\sqrt[250]{5^{433}} \approx 16.241}
实数指数幂通常使用对数来定义,而不是近似有理数。
自然对数
ln
x
{\displaystyle \ln{x} }
是指数函数
e
x
{\displaystyle e^x}
的反函数 。
它的定义是:对于任意
b
>
0
{\displaystyle b>0}
,满足
b
=
e
ln
b
{\displaystyle b = e^{\ln b}}
根据对数和指数运算的规则:
b
x
=
(
e
ln
b
)
x
=
e
x
⋅
ln
b
{\displaystyle b^x = (e^{\ln b})^x = e^{x \cdot\ln b}}
这就是实数指数幂的定义:
b
x
=
e
x
⋅
ln
b
{\displaystyle b^x = e^{x\cdot\ln b}\,}
实数指数幂
b
x
{\displaystyle b^x}
的这个定义和上面使用有理数指数和连续性的定义相吻合。对于复数,这种定义更加常用。
负实数的实数幂
如果
a
{\displaystyle a}
是负数且
n
{\displaystyle n}
是偶数 ,那么
x
=
a
n
{\displaystyle x = a^n}
是正数。如果
a
{\displaystyle a}
是负数且
n
{\displaystyle n}
是奇数 ,那么
x
=
a
n
{\displaystyle x = a^n}
是负数。
使用对数和有理数指数都不能将
a
k
{\displaystyle a^k}
(其中
a
{\displaystyle a}
是负实数,
k
{\displaystyle k}
实数)定义成实数。在一些特殊情况下,给出一个定义是可行的:负指数的整数指数幂是实数,有理数指数幂对于
a
m
n
{\displaystyle a^\frac{m}{n}}
(
n
{\displaystyle n}
是奇数)可以使用
n
{\displaystyle n}
次方根来计算,但是因为没有实数
x
{\displaystyle x}
使
x
2
=
−
1
{\displaystyle x^2 = -1}
,对于
a
m
n
{\displaystyle a^\frac{m}{n}}
(
n
{\displaystyle n}
是偶数)时必须使用虚数单位
i
{\displaystyle i}
。
使用对数的方法不能定义
a
≤
0
{\displaystyle a\leq 0}
时的
a
k
{\displaystyle a^k}
为实数。实际上,
e
x
{\displaystyle e^x}
对于任何实数
x
{\displaystyle x}
都是正的,所以
ln
(
a
)
{\displaystyle \ln(a)}
对于负数没有意义。
使用有理数指数幂来逼近的方法也不能用于负数
a
{\displaystyle a}
因为它依赖于连续性 。函数
f
(
r
)
=
a
r
{\displaystyle f(r) = a^r}
对于任何正的有理数
a
{\displaystyle a}
是连续的,但是对于负数
a
{\displaystyle a}
,函数
f
{\displaystyle f}
在有些有理数
r
{\displaystyle r}
上甚至不是连续的。
例如:当
a
=
−
1
{\displaystyle a=-1}
,它的奇数次根等于-1。所以如果
n
{\displaystyle n}
是正奇数整数,
−
1
m
n
=
−
1
{\displaystyle -1^{\frac m n}=-1}
当
m
{\displaystyle m}
是奇数,
−
1
m
n
=
1
{\displaystyle -1^{\frac m n}=1}
当
m
{\displaystyle m}
是偶数。虽然有理数
q
{\displaystyle q}
使
−
1
q
=
1
{\displaystyle -1^q=1}
的集合 是稠密集 ,但是有理数
q
{\displaystyle q}
使
−
1
q
=
−
1
{\displaystyle -1^q=-1}
的集合 也是。所以函数
−
1
q
{\displaystyle -1^q}
在有理数域不是连续的。
因此,如果要求负实数的任意实数幂,必须将底数和指数看成复数 ,按复数的正实数幂或复数的复数幂方法计算。
正实数的复数幂
e的虚数次幂
指数函数 e z 可以通过(1 + z /N )N 当N 趋于无穷大时的极限 来定义,那么e iπ 就是(1 + iπ /N )N 的极限。在这个动画中n 从1取到100。(1 + iπ /N )N 的值通过N 重复增加在复数平面上展示,最终结果就是(1 + iπ /N )N 的准确值。可以看出,随着N 的增大,(1 + iπ /N )N 逐渐逼近极限-1。这就是欧拉公式 。
复数 运算的几何意义和e 的幂 可以帮助我们理解
e
i
x
{\displaystyle e^{ix}}
(
x
{\displaystyle x}
是实数),即纯虚数指数函数 。想象一个直角三角形
(
0
,
1
,
1
+
i
x
n
)
{\displaystyle (0,1,1+\frac{ix}{n})}
(括号内是复数平面内三角形的三个顶点 ),对于足够大的
n
{\displaystyle n}
,这个三角形可以看作一个扇形 ,这个扇形的中心角就等于
x
n
{\displaystyle \frac{x}{n}}
弧度 。对于所有
k
{\displaystyle k}
,三角形
(
0
,
(
1
+
i
x
n
)
k
,
(
1
+
i
x
n
)
k
+
1
)
{\displaystyle (0,(1+\frac{ix}{n})^k, (1+\frac{ix}{n})^{k+1})}
互为相似三角形 。所以当
n
{\displaystyle n}
足够大时
(
1
+
i
x
n
)
n
{\displaystyle (1+\frac{ix}{n})^n}
的极限是复数平面上的单位圆 上
x
{\displaystyle x}
弧度的点。这个点的极坐标 是
(
r
,
θ
)
=
(
1
,
x
)
{\displaystyle (r,\theta)=(1,x)}
,直角坐标 是
(
cos
x
,
sin
x
)
{\displaystyle (\cos x,\sin x)}
。所以
e
i
x
=
cos
x
+
i
sin
x
{\displaystyle e^{ix} = \cos x + i \sin x}
,而这个函数可以称为纯虚数指数函数 。这就是欧拉公式 ,它通过复数 的意义将代数学 和三角学 联系起来了。
等式
e
z
=
1
{\displaystyle e^z = 1}
的解是一个整数乘以
2
i
π
{\displaystyle 2i\pi}
[4] :
{
z
:
e
z
=
1
}
=
{
2
k
π
i
:
k
∈
Z
}
.
{\displaystyle \{ z : e^z = 1 \} = \{ 2k\pi i : k \in \mathbb{Z} \}.}
更一般地,如果
e
b
=
a
{\displaystyle e^b = a}
,那么
e
z
=
a
{\displaystyle e^z = a}
的每一个解都可以通过将
2
i
π
{\displaystyle 2i\pi}
的整数倍加上
b
{\displaystyle b}
得到:
{
z
:
e
z
=
a
}
=
{
b
+
2
k
π
i
:
k
∈
Z
}
.
{\displaystyle \{ z : e^z = a \} = \{ b + 2k\pi i : k \in \mathbb{Z} \}. }
这个复指数函数是一个有周期
2
i
π
{\displaystyle 2i\pi}
的周期函数 。
更简单的:
e
i
π
=
−
1
;
e
x
+
i
y
=
e
x
(
cos
y
+
i
sin
y
)
{\displaystyle e^{i\pi} = -1;\ e^{x + iy}= e^x(\cos y + i \sin y )}
。
三角函数
根据欧拉公式 ,三角函数 余弦和正弦是:
cos
z
=
e
i
⋅
z
+
e
−
i
⋅
z
2
sin
z
=
e
i
⋅
z
−
e
−
i
⋅
z
2
⋅
i
{\displaystyle \cos z = \frac{ e^{i\cdot z} + e^{-i\cdot z}} {2} \qquad \sin z = \frac{e^{i\cdot z} - e^{-i\cdot z}}{2\cdot i}}
历史上,在复数发明之前,余弦和正弦是用几何的方法定义的。上面的公式将复杂的三角函数的求和公式转换成了简单的指数方程
e
i
⋅
(
x
+
y
)
=
e
i
⋅
x
⋅
e
i
⋅
y
.
{\displaystyle e^{i\cdot (x+y)}=e^{i\cdot x}\cdot e^{i\cdot y}.\,}
使用了复数指数幂之后,很多三角学问题都能够使用代数方法解决。
e的复数指数幂
e
x
+
i
y
{\displaystyle e^{x+iy}}
可以分解成
e
x
⋅
e
i
y
{\displaystyle e^x\cdot e^{iy}}
。其中
e
x
{\displaystyle e^x}
是
e
x
+
i
y
{\displaystyle e^{x+iy}}
的模 ,
e
i
y
{\displaystyle e^{iy}}
决定了
e
x
+
i
y
{\displaystyle e^{x+iy}}
的方向
正实数的复数幂
如果
a
{\displaystyle a}
是一个正实数,
z
{\displaystyle z}
是任何复数,
a
z
{\displaystyle a^z}
定义成
e
z
⋅
ln
(
a
)
{\displaystyle e^{z\cdot \ln(a)}}
,其中
x
=
ln
(
a
)
{\displaystyle x=\ln (a)}
是方程
e
x
=
a
{\displaystyle e^x = a}
的唯一解。所以处理实数的方法同样可以用来处理复数。
例如:
2
i
=
e
i
⋅
ln
(
2
)
=
cos
ln
2
+
i
⋅
sin
ln
2
=
0.7692
+
0.63896
i
{\displaystyle 2^i = e^{i\cdot \ln(2)} = \cos{\ln 2}+i\cdot \sin{\ln 2 } = 0.7692+0.63896i}
e
i
=
0.54030
+
0.84147
i
{\displaystyle e^i = 0.54030+0.84147i}
10
i
=
−
0.66820
+
0.74398
i
{\displaystyle 10^i = -0.66820+0.74398i}
(
e
2
π
)
i
=
535.49
i
=
1
{\displaystyle (e^{2\pi})^i = 535.49^i = 1}
复数的复数幂
复数的虚数幂
让我们从一个简单的例子开始:计算
(
1
+
i
)
i
{\displaystyle \left( 1+i \right)^i }
。
(
1
+
i
)
i
=
[
2
(
2
2
+
2
2
i
)
]
i
=
(
2
e
π
4
i
)
i
=
e
−
π
4
2
i
=
e
−
π
4
cos
ln
2
2
+
i
e
−
π
4
sin
ln
2
2
{\displaystyle \begin{align}
\left( 1+i \right)^i & = \left[\sqrt{2}\left(\frac{\sqrt{2}}{2}+\frac{\sqrt{2}}{2} i\right)\right]^i \\
& = \left(\sqrt{2}e^{\tfrac{\pi}{4}i}\right)^i \\
& = e^{-\tfrac{\pi}{4}}\sqrt{2}^i \\
& = e^{-\tfrac{\pi}{4}}\cos\frac{\ln 2}{2} + ie^{-\tfrac{\pi}{4}}\sin\frac{\ln 2}{2} \\
\end{align}}
其中
2
i
{\displaystyle \sqrt{2}^i }
的得法参见上文正实数的复数幂
复数的复数幂
类似地,在计算复数的复数幂时,我们可以将指数的实部与虚部分开以进行幂计算。例如计算
(
1
+
i
)
2
+
i
{\displaystyle \left( 1+i \right)^{2+i} }
:
(
1
+
i
)
2
+
i
=
(
1
+
i
)
2
(
1
+
i
)
i
=
2
i
e
−
π
4
(
cos
ln
2
2
+
i
sin
ln
2
2
)
=
−
2
e
−
π
4
sin
ln
2
2
+
2
i
e
−
π
4
cos
ln
2
2
{\displaystyle \begin{align}
\left( 1+i \right)^{2+i} & = \left( 1+i \right)^2 \left( 1+i \right)^i \\
& = 2ie^{-\tfrac{\pi}{4}}\left(\cos\frac{\ln 2}{2} + i\sin\frac{\ln 2}{2}\right) \\
& = -2e^{-\tfrac{\pi}{4}}\sin\frac{\ln 2}{2} + 2ie^{-\tfrac{\pi}{4}}\cos\frac{\ln 2}{2} \\
\end{align}}
一般情况
复数的复数幂必须首先化为底数为
e
{\displaystyle e}
的形式:
w
z
=
e
z
ln
w
{\displaystyle w^z = e^{z \ln w}}
又,由复数的极坐标表示法:
w
=
r
e
i
θ
{\displaystyle w = r e^{i\theta}}
故
w
z
=
e
z
ln
(
w
)
=
e
z
(
ln
(
r
)
+
i
θ
)
{\displaystyle w^z = e^{z \ln(w)} = e^{z(\ln(r) + i\theta)}}
。
然后,使用欧拉公式 处理即可。
由于复数的极坐标表示法中,辐角
θ
{\displaystyle \theta}
的取值是具有周期性的,因此复数的复数幂在大多数情况下是多值函数 。不过实际应用中,为了简便起见,辐角都只取主值,从而使幂值唯一。
当函数名后有上标的数(即函数的指数),一般指要重复它的运算。例如
f
3
(
x
)
{\displaystyle f^3 (x )}
即
f
(
f
(
f
(
x
)
)
)
{\displaystyle f ( f ( f ( x ) ) )}
。特别地,
f
−
1
(
x
)
{\displaystyle f^{-1} (x )}
指
f
(
x
)
{\displaystyle f (x )}
的反函数 。
但三角函数 的情况有所不同,一个正指数应用于函数的名字时,指答案要进行乘方运算,而指数为-1时则表示其反函数。例如:
(
sin
x
)
−
1
{\displaystyle (\sin x)^{-1}}
表示
csc
x
{\displaystyle \csc x}
。因此在三角函数时,使用
sin
−
1
x
{\displaystyle \sin^{-1} x}
来表示
sin
x
{\displaystyle \sin x}
的反函数
arcsin
x
{\displaystyle \arcsin x}
。
计算自然数(正整数)
n
{\displaystyle n}
的
a
n
{\displaystyle a^n}
的算法
最快的方式计算
a
n
{\displaystyle a^n}
,当
n
{\displaystyle n}
是正整数的时候。它利用了测试一个数是奇数在计算机上是非常容易的,和通过简单的移所有位向右来除以2 的事实。
伪代码 :
1. 1 → y, n → k, a → f
2.若k不为0,执行3至6
3.若k为奇数, y * f → y
4. k [[位操作#移位|右移]]1位(即k / 2 → k ,小数点无条件舍去)
5. f * f → f
6.回到2
7.传回y
在C /C++语言 中,你可以写如下算法:
double power ( double a , unsigned int n )
{
double y = 1 ;
double f = a ;
while ( n > 0 ) {
if ( n % 2 == 1 ) y *= f ;
n >>= 1 ;
f *= f ;
}
return y ;
}
此算法的时间复杂度 为
O
(
log
n
)
{\displaystyle \Omicron(\log n)\!}
,比普通算法快(a自乘100次,时间复杂度 为
O
(
n
)
{\displaystyle \Omicron(n)\!}
),在
n
{\displaystyle n}
较大的时候更为显著。
例如计算
a
100
{\displaystyle a^{100}}
,普通算法需要算100次,上述算法则只需要算7次。若要计算
a
n
(
n
<
0
)
{\displaystyle a^{n} (n < 0)}
可先以上述算法计算
a
|
n
|
{\displaystyle a^{|n|}}
,再作倒数。
注释
↑ Augustin-Louis Cauchy, Cours d'Analyse de l'École Royale Polytechnique (1821). In his Oeuvres Complètes , series 2, volume 3.
↑ 康轩国中1上《FUN学练功坊①》P.35:a的0次方=1(a≠0)(注:0的0次方为无意义)
↑ Denlinger, Charles G. Elements of Real Analysis. Jones and Bartlett. 2011: 278–283. ISBN 978-0-7637-7947-4 .
↑ This definition of a principal root of unity can be found in:
Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest, and Clifford Stein. Introduction to Algorithms second. MIT Press. 2001. ISBN 0-262-03293-7 . Online resource
Paul Cull, Mary Flahive, and Robby Robson. Difference Equations: From Rabbits to Chaos Undergraduate Texts in Mathematics. Springer. 2005. ISBN 0-387-23234-6 . Defined on page 351, available on Google books.
"Principal root of unity ", MathWorld.
另见
外部链接