微积分-反函数6.2（指数函数及其导数)

函数 $f(x)=2^x$ 被称为指数函数，因为变量 $x$ 是指数。它不应与幂函数 $g(x)=x^2$ 混淆，在幂函数中，变量是底数。

一般来说，指数函数是形如
$$f(x)=b^x$$
的函数，其中 $b$ 是一个正常数。让我们回顾一下这意味着什么。

如果 $x=n$，是一个正整数，那么
$$b^n=b\cdot b\cdot \cdots \cdot b$$

如果 $x=0$，那么 $b^0=1$，如果 $x=-n$，其中 $n$ 是一个正整数，那么
$$b^{-n}=\frac{1}{b^n}$$

如果 $x$ 是有理数，$x=\frac{p}{q}$，其中 $p$ 和 $q$ 是整数且 $q>0$，那么
$$b^x=b^{\frac{p}{q}}=\sqrt[q]{b^p}={\left(\sqrt[q]{b}\right)}^p$$

但如果 $x$ 是无理数，$b^x$ 的意义是什么呢？例如，$2^{\sqrt{3}}$ 或 $5^{\pi }$ 是什么意思？

为了帮助回答这个问题，我们首先来看函数 $y=2^x$ 的图像，其中 $x$ 是有理数。图1展示了该图像的表示。我们希望将 $y=2^x$ 的定义域扩大到包括有理数和无理数。

图1中对应于 $x$ 为无理数的点存在空缺。我们希望通过定义 $f(x)=2^x$，其中 $x\in \mathbb{R}$，来填补这些空缺，使得 $f$ 是一个递增的函数。特别地，因为无理数 $\sqrt{3}$ 满足
$$1.7<\sqrt{3}<1.8$$
我们必须有
$$2^{1.7}<2^{\sqrt{3}}<2^{1.8}$$
并且我们知道 $2^{1.7}# 和 $2^{1.8}$ 的含义，因为 $1.7$ 和 $1.8$ 是有理数。同样地，如果我们使用更好的 $\sqrt{3}$ 的近似值，可以得到 $2^{\sqrt{3}}$ 的更好的近似值：
$$\begin{array}{rl}1.73& <\sqrt{3}<1.74\Rightarrow 2^{1.73}<2^{\sqrt{3}}<2^{1.74}\\ 1.732& <\sqrt{3}<1.733\Rightarrow 2^{1.732}<2^{\sqrt{3}}<2^{1.733}\\ 1.7320& <\sqrt{3}<1.7321\Rightarrow 2^{1.7320}<2^{\sqrt{3}}<2^{1.7321}\\ 1.73205& <\sqrt{3}<1.73206\Rightarrow 2^{1.73205}<2^{\sqrt{3}}<2^{1.73206}\\ & ...\end{array}$$
可以证明，恰好存在一个数大于以下所有的数：
$$2^{1.7},2^{1.73},2^{1.732},2^{1.7320},2^{1.73205},\dots$$
并且小于以下所有的数：
$$2^{1.8},2^{1.74},2^{1.733},2^{1.7321},2^{1.73206},\dots$$

我们定义 $2^{\sqrt{3}}$ 为这个数。通过前述的逼近过程，我们可以将其计算到小数点后六位：
$$2^{\sqrt{3}}\approx 3.321997$$

类似地，我们可以定义 $2^x$（或 $b^x$，如果 $b>0$）其中 $x$ 为任意无理数。图2显示了如何通过填补图1中的所有空缺来完成函数 $f(x)=2^x$, $x\in \mathbb{R}$ 的图像。

一般来说，如果 $b$ 是任意正数，我们定义

$$b^x=\underset{r\to x}{\lim }{b}^{r}r\text{ rational}\text{\hspace{1em}(1)}$$

这个定义是有意义的，因为任何无理数都可以被我们想要的有理数逼近。例如，因为 $\sqrt{3}$ 的小数表示为 $\sqrt{3}=1.7320508\cdots$，定义1表明 $2^{\sqrt{3}}$ 是序列中的极限值
$$2^{1.7},2^{1.73},2^{1.732},2^{1.7320},2^{1.73205},2^{1.7320508},\dots$$

类似地，$5^{\pi }$ 是以下序列的极限值
$$5^{3.1},5^{3.14},5^{3.141},5^{3.1415},5^{3.14159},5^{3.141592},5^{3.1415926},\dots$$

可以证明定义1唯一地指定了 $b^x$，并使得函数 $f(x)=b^x$ 连续。

函数族 $y=b^x$ 的图像如图3所示，表示不同底数 $b$ 的情况。注意，所有这些图像都经过相同的点 $(0,1)$，因为 $b^0=1$ （当 $b\ne 0$ 时）。还要注意，随着底数 $b$ 变大，指数函数（对于 $x>0$）增长得更快。

图4显示了指数函数 $y=2^x$ 和幂函数 $y=x^2$ 的对比。两个图像交于三个点，但最终 $y=2^x$ 的指数曲线比抛物线 $y=x^2$ 增长得更快（参见图5）。

从图3可以看出，指数函数 $y=b^x$ 基本上有三种情况。如果 $0<b<1$，指数函数递减；如果 $b=1$，它是常数；如果 $b>1$，它递增。这三种情况在图6中展示。

因为 $(1/b{)}^x=\frac{1}{b^x}=b^{-x}$，函数 $y=(1/b{)}^x$ 的图像是函数 $y=b^x$ 围绕 $y$ 轴的镜像。

指数函数的性质总结在以下定理中。

2 如果 $b>0$ 且 $b\ne 1$，则 $f(x)=b^x$ 是一个定义域为 $\mathbb{R}$ 且值域为 $(0,\infty )$ 的连续函数。特别地，$b^x>0$ 对于所有 $x$ 成立。如果 $0<b<1$, $f(x)=b^x$ 是递减函数；如果 $b>1$, $f$ 是递增函数。如果 $a,b>0$ 且 $x,y\in \mathbb{R}$，那么：

1. $b^{x+y}=b^x{b}^y$
2. $b^{x-y}=\frac{b^x}{b^y}$
3. $(b^x{)}^y=b^{xy}$
4. $(ab{)}^x=a^x{b}^x$

指数函数之所以重要是因为其性质1-4，这些被称为指数定律。如果 $x$ 和 $y$ 是有理数，那么这些定律在初等代数中是众所周知的。对于任意实数 $x$ 和 $y$，这些定律可以通过使用方程1从指数为有理数的特殊情况中推导出来。

以下极限可以从图6中的图像中读出，或通过无穷大处的极限定义来证明。

如果 $b>1$，则 ${\lim }_{x\to \infty }{b}^x=\infty$ 且 ${\lim }_{x\to -\infty }{b}^x=0$
如果 $0<b<1$, 则 ${\lim }_{x\to \infty }{b}^x=0$ 且 ${\lim }_{x\to -\infty }{b}^x=\infty$

特别地，如果 $b\ne 1$，那么 $x$ 轴是指数函数 $y=b^x$ 图像的水平渐近线。

例1
(a) 求 ${\lim }_{x\to \infty }\left(2^{-x}-1\right)$。
(b) 描绘函数 $y=2^{-x}-1$ 的图像。

解
(a)
$$\begin{array}{rl}\underset{x\to \infty }{\lim }\left(2^{-x}-1\right)& =\underset{x\to \infty }{\lim }\left[{\left(\frac{1}{2}\right)}^x-1\right]\\ & =0-1\\ & =-1\end{array}$$

(b) 我们将 $y={\left(\frac{1}{2}\right)}^x-1$ 写成与部分 (a) 相同的形式。函数 $y={\left(\frac{1}{2}\right)}^x$ 的图像如图 3 所示，因此我们将其向下平移 1 个单位以获得图 7 中所示的函数 $y={\left(\frac{1}{2}\right)}^x-1$ 的图像。（有关图像平移的复习，请参见 1.3 节。）部分 (a) 显示 $y=-1$ 是一条水平渐近线。

指数函数在自然和社会的数学模型中非常常见。这里我们简要说明它是如何在描述人口增长时出现的。在第 6.5 节中，我们将进一步探讨这些以及其他应用。

在第 2.7 节中，我们考虑了每小时翻倍的细菌种群，得出如果初始种群为 $n_0$，那么经过 $t$ 小时后的种群数量由函数 $f(t)=n_0{2}^t$ 给出。这个种群函数是指数函数 $y=2^t$ 的一个常数倍数，因此它表现出我们在图 2 和图 5 中观察到的快速增长。在理想条件下（无限的空间、充足的营养且没有疾病），这种指数增长是自然界中实际发生情况的典型代表。

那么人类的人口呢？表 1 显示了 20 世纪全球人口的数据，图 8 则显示了相应的散点图。

图 8 中数据点的模式表明了指数增长，因此我们使用具有指数回归功能的图形计算器，应用最小二乘法，得到以下指数模型：
$$P=1436.53\cdot (1.01395{)}^t$$
其中 $t=0$ 对应于 1900 年。图 9 显示了这个指数函数与原始数据点的图像。我们看到指数曲线与数据点相当吻合。相对缓慢的人口增长时期可以用两次世界大战和 1930 年代的大萧条来解释。

1995 年，一篇论文详细描述了蛋白酶抑制剂 ABT-538 对人类免疫缺陷病毒 HIV-1 的作用。表 2 显示了 303 号病人在 ABT-538 治疗开始后的血浆病毒载量 $V(t)$ 的数值，单位为每毫升 RNA 拷贝数，$t$ 为治疗开始后的天数。相应的散点图如图 10 所示。

病毒载量的显著下降（见图 10）让我们联想到指数函数图像 $y=b^t$（如图 3 和图 6(a) 所示，底数 $b$ 小于 1）。因此，我们通过指数函数来拟合病毒载量 $V(t)$。使用图形计算器或计算机，利用表 2 的数据进行指数回归，得到了如下模型：
$$V=96.39785\cdot (0.818656{)}^t$$

图 11 展示了该指数函数与数据点的图像。可以看到，这个模型在治疗的第一个月内很好地拟合了病毒载量。

我们可以使用图 11 来估计病毒载量的半衰期，即病毒载量减少到其初始值一半所需的时间。

指数函数的导数

我们尝试使用导数的定义来计算指数函数 $f(x)=b^x$ 的导数：

$$\begin{array}{rl}{f}^{\prime }(x)& =\underset{h\to 0}{\lim }\frac{f(x+h)-f(x)}{h}=\underset{h\to 0}{\lim }\frac{b^{x+h}-b^x}{h}\\ & =\underset{h\to 0}{\lim }\frac{b^x{b}^h-b^x}{h}=\underset{h\to 0}{\lim }{b}^x\frac{b^h-1}{h}\end{array}$$

由于 $b^x$ 不依赖于 $h$，所以可以将它提到极限的外面：

$$f^{\prime }(x)=b^x\underset{h\to 0}{\lim }\frac{b^h-1}{h}$$

注意到这个极限是函数 $f(x)=b^x$ 在 0 处导数的值，即：

$$\underset{h\to 0}{\lim }\frac{b^h-1}{h}=f^{\prime }(0)$$

因此，我们已经证明了如果指数函数 $f(x)=b^x$ 在 0 处可导，则它在每个点都可导，并且

$$f^{\prime }(x)=f^{\prime }(0)b^x$$

这个方程表明任何指数函数的变化率与函数本身成正比。（斜率与高度成正比）

对于 $b=2$ 和 $b=3$，数值计算表明 $f^{\prime }(0)$ 的极限存在，并且其数值分别为：

$$\text{for }b=2,f^{\prime }(0)=\underset{h\to 0}{\lim }\frac{2^h-1}{h}\approx 0.69$$

$$\text{for }b=3,f^{\prime }(0)=\underset{h\to 0}{\lim }\frac{3^h-1}{h}\approx 1.10$$

实际上，可以证明这些极限存在，并且精确到六位小数的值为：

$$\frac{d}{dx}\left(2^x\right){|}_{x=0}\approx 0.693147\frac{d}{dx}\left(3^x\right){|}_{x=0}\approx 1.098612$$

因此，根据方程 4，我们有：

$$\frac{d}{dx}\left(2^x\right)\approx (0.69)2^x\frac{d}{dx}\left(3^x\right)\approx (1.10)3^x$$

在所有可能的底数 $b$ 中，最简单的微分公式出现在 $f^{\prime }(0)=1$ 时。基于对 $f^{\prime }(0)$ 的估计，对于 $b=2$ 和 $b=3$，可以合理推测存在一个介于 2 和 3 之间的数 $b$，使得 $f^{\prime }(0)=1$。传统上，这个值用字母 $e$ 来表示。因此我们有如下定义：

7 $e$ 的定义
$e$ 是这样一个数，使得
$$\underset{h\to 0}{\lim }\frac{e^h-1}{h}=1$$

几何上，这意味着在所有的指数函数 $y=b^x$ 中，函数 $f(x)=e^x$ 是在点 $(0,1)$ 处切线斜率恰好为 1 的函数。我们称函数 $f(x)=e^x$ 为自然指数函数。

如果我们令 $b=e$，并且因此 $f^{\prime }(0)=1$ （见方程 4），则我们得到以下重要的微分公式：

8 自然指数函数的导数
$$\frac{d}{dx}(e^x)=e^x$$

因此，指数函数 $f(x)=e^x$ 具有它是自身导数的性质。这一事实的几何意义是：曲线 $y=e^x$ 在任何点的切线斜率等于该点的 y 坐标。

例2 求函数 $y=e^{\tan x}$ 的导数

解 使用链式法则，我们令 $u=\tan x$。因此有 $y=e^u$，所以

$$\frac{dy}{dx}=\frac{dy}{du}\cdot \frac{du}{dx}=e^u\cdot \frac{du}{dx}=e^{\tan x}\cdot {\sec }^{2}x$$

一般来说，如果我们将公式8与链式法则结合，如同在示例2中所做的那样，我们得到：

$$\frac{d}{dx}(e^u)=e^u\cdot \frac{du}{dx}\text{\hspace{1em}(9)}$$

例3 如果 $y=e^{-4x}\sin 5x$，求 $y^{\prime }$

解 使用公式 9 和乘积法则，我们得到：

$$y^{\prime }=e^{-4x}(\cos 5x)(5)+(\sin 5x)e^{-4x}(-4)=e^{-4x}(5\cos 5x-4\sin 5x)$$

我们已经知道 $e$ 是一个介于 2 和 3 之间的数，但是我们可以使用公式 4 来更准确地估计 $e$ 的数值。令 $e=2^c$，那么

$$e^x=2^{cx}$$

如果 $f(x)=2^x$，那么根据公式 4 我们有 $f^{\prime }(x)=k{2}^x$，其中 $k$ 的值是

$$f^{\prime }(0)\approx 0.693147$$

（参见公式 5）。因此，根据链式法则，

$$e^x=\frac{d}{dx}(e^x)=\frac{d}{dx}(2^{cx})=k{2}^{cx}\frac{d}{dx}(cx)=ck{2}^{cx}$$

当 $x=0$ 时，我们有 $1=ck$，因此 $c=1/k$，并且

$$e=2^{1/k}\approx 2^{1/0.693147}\approx 2.71828$$

可以证明，精确到小数点后20位的 $e$ 值为

$$e\approx 2.71828182845904523536$$

$e$ 的小数部分是无限不循环的，因为 $e$ 是一个无理数。

例4 我们曾考虑了一群在均匀营养介质中生长的细菌群体。我们证明了如果该群体每小时倍增一次，那么 $t$ 小时后的群体数量为：

$$n=n_0{2}^t$$

其中，$n_0$ 是初始群体数量。现在我们可以使用公式 (4) 和 (5) 来计算增长率：

$$\frac{dn}{dt}\approx n_0(0.693147)2^t$$

例如，如果初始群体数量为 $n_0=1000$ 个细胞，那么两小时后的增长率是：

$$\begin{array}{rl}\frac{dn}{dt}{|}_{t=2}& \approx (1000)(0.693147)2^t{|}_{t=2}\\ & =(4000)(0.693147)\approx 2773\text{ 细胞/小时}\end{array}$$

例5 求函数 $f(x)=x{e}^{-x}$ 的绝对最大值

解 我们通过求导来找到任何临界点：

$$f^{\prime }(x)=x{e}^{-x}(-1)+e^{-x}(1)=e^{-x}(1-x)$$

由于指数函数始终为正，我们可以看到当 $1-x>0$ 时，$f^{\prime }(x)>0$，即当 $x<1$ 时。类似地，当 $x>1$ 时，$f^{\prime }(x)<0$。根据绝对极值的一阶导数测试法，函数 $f$ 在 $x=1$ 处取得绝对最大值，该值为：

$$f(1)=(1)e^{-1}=\frac{1}{e}\approx 0.37$$

指数函数图像

指数函数 $f(x)=e^x$ 是微积分及其应用中最常出现的函数之一，因此熟悉它的图像和性质非常重要（见图14）。我们总结这些性质，利用这样一个事实：该函数只是定理2中所考虑的指数函数的一个特例，其中底数 $b=e>1$。

自然指数函数的性质 指数函数 $f(x)=e^x$ 是一个递增的连续函数，其定义域是全体实数 $\mathbb{R}$，值域是 $(0,\infty )$。因此对于所有的 $x$ 来说，$e^x>0$。同时：
$$\underset{x\to -\infty }{\lim }{e}^x=0\text{以及}\underset{x\to \infty }{\lim }{e}^x=\infty$$
因此，x 轴是函数 ( f(x) = e^x ) 的水平渐近线。

例6 求以下极限：${\lim }_{x\to \infty }\frac{e^{2x}}{e^{2x}+1}$

解 我们将分子和分母同时除以 $e^{2x}$：

$$\underset{x\to \infty }{\lim }\frac{e^{2x}}{e^{2x}+1}=\underset{x\to \infty }{\lim }\frac{1}{1+e^{-2x}}=\frac{1}{1+{\lim }_{x\to \infty }{e}^{-2x}}$$

由于 $e^{-2x}$ 在 $x\to \infty$ 时趋近于 0，因此：

$$\underset{x\to \infty }{\lim }\frac{e^{2x}}{e^{2x}+1}=\frac{1}{1+0}=1$$

我们使用了以下事实：当 $t=-2x\to -\infty$ 时，${\lim }_{x\to \infty }{e}^{-2x}={\lim }_{t\to -\infty }{e}^t=0$。

例7 使用函数 $f(x)=e^{1/x}$ 的一阶和二阶导数，结合其渐近线，绘制其图像。

解 注意到函数 $f$ 的定义域为 { x ∣ x ≠ 0 } \{ x \mid x \neq 0 \} {x∣x=0}，因此我们检查垂直渐近线，通过计算当 $x\to 0^{+}$ 和 $x\to 0^{-}$ 时的左右极限：

当 $x\to 0^{+}$ 时，我们知道 $t=1/x\to \infty$，因此：

$$\underset{x\to 0^{+}}{\lim }{e}^{1/x}=\underset{t\to \infty }{\lim }{e}^t=\infty$$

这表明 $x=0$ 是一条垂直渐近线。

当 $x\to 0^{-}$ 时，我们有 $t=1/x\to -\infty$，因此：

$$\underset{x\to 0^{-}}{\lim }{e}^{1/x}=\underset{t\to -\infty }{\lim }{e}^t=0$$

当 $x\to \pm \infty$ 时，我们有 $1/x\to 0$，因此：

$$\underset{x\to \pm \infty }{\lim }{e}^{1/x}=e^0=1$$

这表明 $y=1$ 是一条水平渐近线（在左右两侧均为渐近线）。

接下来我们计算导数。根据链式法则：

$$f^{\prime }(x)=-\frac{e^{1/x}}{x^2}$$

由于 $e^{1/x}>0$ 且 $x^2>0$ 对所有 $x\ne 0$ 成立，因此我们有 $f^{\prime }(x)<0$ 对所有 $x\ne 0$ 成立。于是，函数 $f$ 在 $(-\infty ,0)$ 和 $(0,\infty )$ 上递减。没有临界点，因此函数没有局部最大值或最小值。二阶导数为

$$f^{\prime \prime }(x)=\frac{-x^2{e}^{1/x}(-1/x^2)-e^{1/x}(2x)}{x^4}=\frac{e^{1/x}(2x+1)}{x^4}$$

由于 $e^{1/x}>0$ 且 $x^4>0$，我们有 $f^{\prime \prime }(x)>0$ 当 $x>-\frac{1}{2}(x\ne 0)$，且 $f^{\prime \prime }(x)<0$ 当 $x<-\frac{1}{2}$。因此，曲线在 $(-\infty ,-\frac{1}{2})$ 上向下凹，而在 $(-\frac{1}{2},0)$ 和 $(0,\infty )$ 上向上凹。拐点为 $(-\frac{1}{2},e^{-2})$。

为了绘制函数 $f$ 的图像，我们首先绘制水平渐近线 $y=1$（作为虚线），并且将靠近渐近线的曲线部分绘制在初步草图中（[图15(a)]）。这些部分反映了有关极限的信息，以及 $f$ 在 $(-\infty ,0)$ 和 $(0,\infty )$ 上都是递减的事实。请注意，我们已经标明了 $f(x)\to 0$ 当 $x\to 0^{-}$，即使 $f(0)$ 不存在。在图15(b)中，我们通过结合有关凹凸性和拐点的信息来完成草图。在图15©中，我们使用绘图设备检查我们的工作。

积分

由于指数函数 $y=e^x$ 的导数非常简单，它的积分也很简单：

$$\int e^{x}dx=e^x+C$$

例8 计算积分 $\int x^2{e}^{x^3}dx$。

解 我们做变量替换 $u=x^3$，因此 $du=3x^{2}dx$，所以 $x^{2}dx=\frac{1}{3}du$，并且：

$$\int x^2{e}^{x^3}dx=\frac{1}{3}\int e^{u}du=\frac{1}{3}{e}^u+C=\frac{1}{3}{e}^{x^3}+C$$

例9 求 $y=e^{-3x}$ 从 0 到 1 之间曲线下的面积。

解 面积为：

$$A={\int }_0^1{e}^{-3x}dx={\left[-\frac{1}{3}{e}^{-3x}\right]}_0^1=\frac{1}{3}(1-e^{-3})$$