无理数e是怎么被发现的

来源:学生作业帮助网 编辑:作业帮 时间:2024/11/14 14:34:49
无理数e是怎么被发现的
xZ[OcW+{%8+IđF*ae#EyFP&q" ɓۀmVPL>1kc'3RK|[k/Y;%{}ڪ[U+3i'߰s5{ͷ/9_ݷy@^Z٫! 7n5֭ܙpNp*veGUrnYGf#)+"_G?{D g6>v ĸa>*bҘF#yؑY\Den]]Xlo3'Q]ˋwA([Y=1.3ѥS_3AVqmP!{;B],]pha$׬B[ڛfoo^BqRik2j gl2'Z75V^oNҐ=G30'rlN-v6ց_rEc\9:A1r=''dvyD"+A^"]o63XN,XbdnR ]d,ֲ 2c6^<9;5.?jsES߮ɻ t+ .vyAmL$SS N5KDG梓Y,ld>=v=|[$7Ț%}Fu͑S!<_2fcqeS_QNvn!(0ںoڤ}IׁJM:`ir*)\FlBmP;G>*wbV`y靰wBaGY2ME΄aTjVz] 7/ Vʊ^M=42GQ{/<ݝ~s>O}&"mu{^U TDVR_*jZ>mE+C 77{zk,cY}Z>|mґ9prk9fK:Gv ǥ}p#QUPADH< U_O =^LOs"Vnk-UC\]j/~_'Rf*aibQxP+"kŋ#3x,?x"G  n_Ty L|?fAA5M8|ɞv ngo1eH"IpbXb[;:`pE\Z Bw'IugqV< 4sGUHΛ'8Jnl#cϸ:/J=;33qFa ܯ ONwɪ37Mj wCʃW_&II? !Q9{]ʥX@pYPK#S_'b0p^c̯hub :AӯQylx["Rz&X]f8ż\)!iT ݽS{Kq'Z$v!]$"!6uv \$#'"r,Uզ5$_(S|&Lq?jXڇ%vڼ$<<,>UU70oQDEu@aUә Ay:ﺅ$)j,yPC~>Jtd&3TdqrՐ_-閵Ǹ Drvo6-**%}o?TE%,]2!iO7de&%" +Z8:Emu ][t [nӿۜ*PPܕ+pO`J`, CMCa K )TT߆|y=ݎՉ:2f;pR $RB70O?,՛&T0ߠPA޳vD$;:ZB"ʿd-$S*-CtiTq$0`oK nՀ84MiZת1XPP<$x990*qN?EFlbS, riG9dS;1%92Wg˃t>4j_dߕ E/T1q4? S[ gop{u"YiEV|L"m>0qj4R TɎs=U1_P!@?i%-gª:FS"m÷%2`һ:oԖt;YmօFq۞@R(yiEfK7nB plzlCJmVP6#>kP.Gv^6^.†<5^F S0|C{"_12 އzbp lpL]U[*K>9sDTU BqSA'b*bG/ }$ڽN佚;yQĴb,##y&?ʓRC ո|AR|v@jn 0?jy@54 Af`S3?b/NgiM7 r M!4']A yTe=< jԜ4OL

无理数e是怎么被发现的
无理数e是怎么被发现的

无理数e是怎么被发现的
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.