复利、逻辑回归和人口增长模型有什么共同点？答案是它们都依赖欧拉常数 e。
欧拉常数可谓最重要的常数之一，仅次于圆周率 π。它广泛用于生物学、物理学、天文学、数据科学、统计学和金融分析等诸多学科。
有趣的是：我待过的每个实验室里，多少都会把 e 或 π 的前几位数字用作某处的密码。为什么？因为大家都记得这些数字！它们出现得实在太频繁了。
接下来，我们来看看 e 为何如此令人难忘，明确它的数学性质，并了解它的应用。
要点速览
-
欧拉常数（e ≈ 2.71828）是自然对数的底，凡是发生连续增长或衰减的地方都会出现它——从复利到种群动态。
-
它由雅各布·伯努利在1683年研究复利时发现，后来由莱昂哈德·欧拉加以形式化，欧拉还将其表示为无穷级数 1 + 1/1! + 1/2! + 1/3! + ...
-
函数 eˣ 的独特之处在于它的导数仍为自身，这使它天然适合刻画“变化率与当前值成正比”的过程——在微积分、微分方程以及泊松、正态等概率分布中都极为有用。
欧拉常数简介
欧拉常数是一个约等于 2.71828 的数学常数。它是自然对数的底，也是连续增长与衰减计算的关键。与 𝜋 类似，e 是一个普适常数。但 𝜋 表示圆的周长与直径之比，而 e 则是由指数过程自然而然涌现的常数。在对涉及连续变化的过程建模时，常会遇到 e，例如计算连续复利或模拟人口增长。
欧拉常数既是无理数也是超越数。这意味着 e 既不能表示为简单分数，也不能作为具有有理系数的多项式方程的根来得到。它的小数部分无限不循环。
历史背景
我们先简单回顾一下历史：
雅各布·伯努利与 e 的发现
欧拉常数的故事始于1683年，雅各布·伯努利研究复利的数学时提出了一个看似简单的问题：如果利息不是每年复利，而是连续复利，会发生什么？
例如，设初始本金为 P，年利率为 r。若按年复利，一年后的本利和为 P(1 + r)。若按半年复利，则为 P(1 + r/2)2。当复利周期数 n 增大时，公式变为 P(1 + r/n)n。
上图展示了按年复利与连续复利之间的差异。为更清楚地说明规律，这里使用了$1000 本金、年利率 50% 的极端示例。
伯努利发现，当 n 趋于无穷大时，(1 + 1/n)n 的值收敛到约 2.718。这个后来被命名为 e 的常数，正体现了连续复利的本质。
莱昂哈德·欧拉：形式化与命名
虽然雅各布·伯努利在复利中发现了 e，但真正在18世纪初全面发展这一概念的是莱昂哈德·欧拉。1727 至 1731 年间，欧拉将 e 的性质加以形式化，并赋予了它今日熟悉的名称。
欧拉证明 e 可以表示为一个无穷级数：
这个由微积分导出的级数，使得人们可以以任意精度计算 e，并由此更深入地理解它的性质。
上图展示了如何通过累加一系列数来计算 e：e = 1 + 1/1! + 1/2! + 1/3! + … 蓝线表示随着加入更多项（从仅 1 开始，再逐项相加）时的累计总和；红色虚线代表 e 的真实值。您可以看到，仅需少数几项，总和就非常接近 e，而每新增一项的贡献都微乎其微。这说明我们无需累加无限多项也能对 e 做出精确估计。
e 在数学文献中的演进
欧拉在18世纪将 e 形式化后，其应用迅速扩展至各个领域。19世纪，人们认识到它在解微分方程中的重要性。约瑟夫傅里叶在热传导方程中使用了 e，为热力学奠定了基础。傅里叶关于热扩散的研究依赖包含 e 的指数衰减方程，详见《热的解析理论》。
到了20世纪，e 成为生物学和种群动态的核心工具。指数增长模型 P(t) = P0 ert 被广泛用于刻画理想条件下的人口增长。同样，在物理学中，e 也常用于放射性衰变模型，剩余粒子数满足 N(t) = N0 e-𝝺t。
近几十年来，e 在计算机科学和机器学习中焕发新生。例如，神经网络中的关键函数 sigmoid 定义为 𝝈(x) = 1/(1+e-x)，它将输入映射到 0 到 1 之间，因此在分类任务中不可或缺。欧拉常数还用于随机化算法与概率模型的分析，参见Ian Goodfellow 等人的《深度学习》。
e 的数学性质
了解了一点历史后，我们来看看欧拉常数的一些重要数学特性与定义。
ex 随不同 x 的变化。图片由作者绘制。
极限定义下的 e
将 e 定义为极限是其最直观、也最具历史意义的表示之一。它自然地源自对复利的研究，可表示为：
该公式把 e 定义为将增长复利到无限频率后的结果。这是理解 e 如何刻画连续过程的概念基础，也展示了 e 与指数函数的联系。
无穷级数中的 e
另一种定义 e 的方法是它的无穷级数表示：
该级数由微积分导出，为以任意精度计算 e 提供了精确方法，同时也突出了 e 与阶乘之间的联系，这在概率论与组合数学中频繁出现。
指数函数与微积分
以 e 为底的指数函数，在我看来，是数学中最有用的函数之一。ex 的导数仍为其自身：
这意味着 ex 的变化率始终与其当前值成正比。这使得 ex 成为模拟连续增长或衰减的理想数学工具，这正是它在描述放射性衰变、人口增长以及连续复利等过程中的用武之地。
自然对数
自然对数，记作 ln(x)，是指数函数 ex 的反函数：
自然对数在数学与统计中应用广泛，尤其是在数据变换中。
欧拉恒等式
在数学爱好者中，最有趣的等式之一是欧拉恒等式：
这一等式常被视为数学之美的巅峰，因为它连接了五个最基本的数学常数：e、虚数单位 i、𝜋、1 和 0。它也搭起了指数函数、复数与三角学等看似不相干领域之间的桥梁。
e 在概率与统计中的作用
欧拉常数在概率论与统计学中占有重要地位。例如，它出现在泊松分布的公式中，用于刻画在固定区间内发生的事件数：
其中，e 确保所有概率之和为 1，因此在该广泛使用的分布中不可或缺。
类似地，e 对于指数分布也至关重要，它用于刻画泊松过程中的事件间隔时间：
您还会看到 e 出现在高斯分布中，使得远离均值的取值以指数方式递减。
如您所见，欧拉常数通过欧拉恒等式等方程，把指数增长到复数等看似不相干的领域连接在一起。这种互联性展现了 e 深邃而普适的本性，使其成为最重要的数学常数之一。没有 e，我们将缺少准确建模各种平滑随时间变化过程的数学工具。
教科书式示例与计算
下面通过三个教科书式的计算来展示 e 的应用。
示例 1：连续复利 vs. 按月复利
设您以 5% 的年利率投资 $1,000。我们将分别按月复利与连续复利计算一年后的本利和。
按月复利
按月复利指每月计息并计入本金。离散复利的公式为
其中 P = 1000 为初始本金，r = 0.05 为年利率，n = 12 为每年复利次数（按月），t = 1 为年数。代入可得：
该计算给出了按月复利时投资的一年后价值。在此情形下，一年后约为 $1,051.16。
连续复利
连续复利意味着任意时刻都在计息并计入本金，使增长曲线更为平滑。连续复利的公式为：
其中 P = 1000，r = 0.05，t = 1。代入得：
此时一年后的价值为 $1,051.27。虽然一年内两种方式的差异看起来不大，但连续复利略高。若时间更长或利率更高，差异会显著放大。
此处使用 e 是为了体现连续计息，即价值在每一瞬间都在增长，从而使增长率更平滑。
示例 2：用 e 建模人口增长
第二个场景来自生物学。设某蝇群以每周 20% 的连续出生率和每周 5% 的连续死亡率增长。若初始数量为 1,000 只，5 周后将有多少只？这个问题与复利方程非常相似，事实上您会发现公式几乎一样！
种群的连续增长可由以下公式建模：
其中 P(t) 为时刻 t 的种群数量，P0 为初始种群，b 为出生率，d 为死亡率，(b-d) 为净增长率。代入数值得：
5 周后，种群将增长到约 2,117 只。
这里 e 的作用至关重要：它让我们能够刻画连续增长。不同于在固定间隔测量增长的离散模型，使用 e 的连续增长模型体现了增长在每个时刻都在发生，更能准确反映现实世界中的过程，尤其是大型种群。
示例 3：涉及 e 的概率情景
第三个经典例子来自概率论。考虑“错排”问题：若将 n 封信随机塞入 n 个信封，问没有任何一封信落入正确信封的概率是多少？这称为“错排”。
错排的概率由下式给出：
当 n 很大时，该概率趋近于 1/e，约为 0.3679。也就是说，当信件很多时，没有一封放对的概率大约为 37%。
以 3 封信为例，共有 3!=6 种排列，其中仅 2 种是错排（无一匹配）。其概率为：
我们再计算 10 封信时的概率。利用公式：
结果表明，即使只有 10 封信，“无一匹配”的概率也已非常接近 1/e。随着信件数量增加，该概率收敛到 1/e。
欧拉常数在各专业领域
欧拉常数在现实应用中随处可见。其独特性质使其在从微积分、生物学到金融、工程等领域不可或缺。
e 与微积分
欧拉常数在微积分中居于基础地位，是理解连续变化的核心。正如我们已提及，指数函数 ex 的导数仍为自身：
这一性质使 ex 成为刻画“变化率与当前值成正比”过程的关键函数。欧拉常数也参与求解许多微分方程。
e 在生物与医疗中的应用
我最初接触 e 是在生物学中，它用于建模连续的增长与衰减。例如，以恒定速率增长的细菌种群可由经典的人口增长方程描述：
其中 P0 为初始种群，r 为增长率，t 为时间。
同样在医疗领域，e 用于建模药物代谢，体内药物浓度会随时间呈指数式下降：
这些模型对于理解生物过程与优化医疗方案至关重要，例如确定有效剂量或预测可控环境下的细菌生长。
e 在工程与物理中的应用
在工程与物理中，e 用于分析涉及连续变化的系统。例如，欧拉公式：
可用于表示交流电（AC）电路中的正弦波形。在信号处理中，e 出现在傅里叶变换里，帮助将复杂信号分解为更简单的频率成分。这些应用在电气工程、量子力学与电信等领域极为重要。
e 在金融中的应用
不出所料，欧拉常数在金融中至关重要，尤其是我们已经看到的连续复利计算。
欧拉常数也用于诸如布莱克-舒尔斯方程等金融模型中，该方程通过考虑资产价格的连续变动来计算期权的公允价值。借助 e，布莱克-舒尔斯模型得以体现资产价格变动的连续性，从而实现精准定价。您可以在我们的Financial Analysts in Google Sheets课程中进一步了解金融建模。
e 在计算机科学中的应用
在计算机科学中，e 广泛用于机器学习、密码学与仿真。神经网络中的关键组件 sigmoid 函数定义为：
该函数将输入映射到 0 到 1 之间，因而适用于分类任务。欧拉常数也出现在用于模拟泊松过程和指数衰减的算法中，这些算法用于随机数生成、蒙特卡罗仿真与密码系统。
e 在保险与人口学中的应用
在精算科学中，e 用于建模风险以及计算人寿保险与年金的未来价值。例如，连续利息的累计用 ert 表示。在人口学中，e 用于描述人口增长与死亡率。用于评估预期寿命的戈姆珀茨函数就以 e 为基础来刻画老化与死亡率。
e 在地质学中的应用
在地质学中，e 是放射性衰变建模的关键，其公式为：
其中 N0 为放射性同位素初始数量，𝝀 为衰变常数，t 为时间。该公式用于碳测年，以帮助测定岩石与化石的年代。欧拉常数也用于地震学中，建模地震波在地球内部传播时的指数衰减，有助于地震分析与预测。
e 在气象学中的应用
气象学家使用 e 来建模温度变化和天气系统。例如，物体随时间的冷却或加热可表示为：
其中 T0 为初始温度，𝝀 为速率常数。涉及 e 的指数模型也用于气候科学中预测碳排放的长期影响，并用于天气预报来模拟气压演变与云层形成。
e 在语言学中的应用
信不信由您，欧拉常数在语言学中也有应用！它用于词频的统计模型，如齐夫定律，该定律指出词频与其排名成反比。该关系可用包含 e 的指数函数来建模。
在自然语言处理（NLP）中，e 参与诸如潜在狄利克雷分配（LDA）等算法，以建模文本中的主题分布。指数函数也用于研究语言演化，追踪语言如何随时间变化。
如您所见，欧拉常数是一个在众多不同领域中应用广泛的普适常数。它的应用如同它的数字位数一样“无穷无尽”！
关于 e 的常见误解
尽管 e 非常常见，但也容易引发混淆。
欧拉常数（e）与欧拉常数（γ）的区别
很容易把欧拉常数 e 与欧拉-马歇罗尼常数 γ 混为一谈，毕竟它们都带有“欧拉”的名字。但它们其实是完全不同的两个数，且出现于数学的不同分支。
- e ≅ 2.718：自然对数的底。在微积分、指数增长以及一切涉及连续变化的情形中至关重要。当您处理复利、人口增长等问题时，请想到 e。
- γ ≅ 0.577：即欧拉-马歇罗尼常数。多见于数论，与调和级数有关（即 1 + 1/2 + 1/3 + ... 这类分数相加）。当您处理与调和级数或对数增长相关的问题时，请想到 γ。
现实应用中的误用
e 出现在许多不同情境中，有时会引发误解。关键在于分清什么时候该用 e、什么时候不该用。例如，人们常听说连续复利，便以为它总是优于离散计息。但不少银行采用月度或季度复利。因此在建模真实资产时，您需要明确该用连续还是离散复利，否则模型可能与现实不符。
结语
欧拉常数 e 是使用最广泛的数学常数之一，仅次于 𝜋。它是简化复杂计算、建模增长并刻画连续变化的利器。您可以在我们的 Exponents in Python 教程中学习在代码里使用 e。若您希望学习更多数学，欢迎查看我们的入门统计学或线性代数课程。
%22%3E%3Cpath%20d%3D%22m-369%200h408v79h-408z%22%20fill%3D%22%237933ff%22%2F%3E%3Cpath%20d%3D%22m-148%200h306v45h-306z%22%20fill%3D%22%23974dff%22%2F%3E%3C%2Fg%3E%3C%2Fsvg%3E)
%22%2F%3E%3C%2FclipPath%3E%3Cg%20clip-path%3D%22url(%23a)%22%3E%3Cpath%20d%3D%22m76%200h484v36h-484z%22%20fill%3D%22%23974dff%22%2F%3E%3Cpath%20d%3D%22m0%200h384v24h-384z%22%20fill%3D%22%2306bdfc%22%20transform%3D%22matrix(1%200%200%20-1%200%2060)%22%2F%3E%3C%2Fg%3E%3C%2Fsvg%3E)
复利、逻辑回归和人口增长模型有什么共同点？答案是它们都依赖欧拉常数 e。
欧拉常数可谓最重要的常数之一，仅次于圆周率 π。它广泛用于生物学、物理学、天文学、数据科学、统计学和金融分析等诸多学科。
有趣的是：我待过的每个实验室里，多少都会把 e 或 π 的前几位数字用作某处的密码。为什么？因为大家都记得这些数字！它们出现得实在太频繁了。
接下来，我们来看看 e 为何如此令人难忘，明确它的数学性质，并了解它的应用。
要点速览
欧拉常数（
e ≈ 2.71828）是自然对数的底，凡是发生连续增长或衰减的地方都会出现它——从复利到种群动态。它由雅各布·伯努利在1683年研究复利时发现，后来由莱昂哈德·欧拉加以形式化，欧拉还将其表示为无穷级数
1 + 1/1! + 1/2! + 1/3! + ...函数
eˣ的独特之处在于它的导数仍为自身，这使它天然适合刻画“变化率与当前值成正比”的过程——在微积分、微分方程以及泊松、正态等概率分布中都极为有用。欧拉常数简介
欧拉常数是一个约等于 2.71828 的数学常数。它是自然对数的底，也是连续增长与衰减计算的关键。与 𝜋 类似，e 是一个普适常数。但 𝜋 表示圆的周长与直径之比，而 e 则是由指数过程自然而然涌现的常数。在对涉及连续变化的过程建模时，常会遇到 e，例如计算连续复利或模拟人口增长。
欧拉常数既是无理数也是超越数。这意味着 e 既不能表示为简单分数，也不能作为具有有理系数的多项式方程的根来得到。它的小数部分无限不循环。
历史背景
我们先简单回顾一下历史：
雅各布·伯努利与 e 的发现
欧拉常数的故事始于1683年，雅各布·伯努利研究复利的数学时提出了一个看似简单的问题：如果利息不是每年复利，而是连续复利，会发生什么？
例如，设初始本金为 P，年利率为 r。若按年复利，一年后的本利和为 P(1 + r)。若按半年复利，则为 P(1 + r/2)2。当复利周期数 n 增大时，公式变为 P(1 + r/n)n。
上图展示了按年复利与连续复利之间的差异。为更清楚地说明规律，这里使用了$1000 本金、年利率 50% 的极端示例。
伯努利发现，当 n 趋于无穷大时，(1 + 1/n)n 的值收敛到约 2.718。这个后来被命名为 e 的常数，正体现了连续复利的本质。
莱昂哈德·欧拉：形式化与命名
虽然雅各布·伯努利在复利中发现了 e，但真正在18世纪初全面发展这一概念的是莱昂哈德·欧拉。1727 至 1731 年间，欧拉将 e 的性质加以形式化，并赋予了它今日熟悉的名称。
欧拉证明 e 可以表示为一个无穷级数：
这个由微积分导出的级数，使得人们可以以任意精度计算 e，并由此更深入地理解它的性质。
上图展示了如何通过累加一系列数来计算 e：e = 1 + 1/1! + 1/2! + 1/3! + … 蓝线表示随着加入更多项（从仅 1 开始，再逐项相加）时的累计总和；红色虚线代表 e 的真实值。您可以看到，仅需少数几项，总和就非常接近 e，而每新增一项的贡献都微乎其微。这说明我们无需累加无限多项也能对 e 做出精确估计。
e 在数学文献中的演进
欧拉在18世纪将 e 形式化后，其应用迅速扩展至各个领域。19世纪，人们认识到它在解微分方程中的重要性。约瑟夫傅里叶在热传导方程中使用了 e，为热力学奠定了基础。傅里叶关于热扩散的研究依赖包含 e 的指数衰减方程，详见《热的解析理论》。
到了20世纪，e 成为生物学和种群动态的核心工具。指数增长模型 P(t) = P0 ert 被广泛用于刻画理想条件下的人口增长。同样，在物理学中，e 也常用于放射性衰变模型，剩余粒子数满足 N(t) = N0 e-𝝺t。
近几十年来，e 在计算机科学和机器学习中焕发新生。例如，神经网络中的关键函数 sigmoid 定义为 𝝈(x) = 1/(1+e-x)，它将输入映射到 0 到 1 之间，因此在分类任务中不可或缺。欧拉常数还用于随机化算法与概率模型的分析，参见Ian Goodfellow 等人的《深度学习》。
e 的数学性质
了解了一点历史后，我们来看看欧拉常数的一些重要数学特性与定义。
ex 随不同 x 的变化。图片由作者绘制。
极限定义下的 e
将 e 定义为极限是其最直观、也最具历史意义的表示之一。它自然地源自对复利的研究，可表示为：
该公式把 e 定义为将增长复利到无限频率后的结果。这是理解 e 如何刻画连续过程的概念基础，也展示了 e 与指数函数的联系。
无穷级数中的 e
另一种定义 e 的方法是它的无穷级数表示：
该级数由微积分导出，为以任意精度计算 e 提供了精确方法，同时也突出了 e 与阶乘之间的联系，这在概率论与组合数学中频繁出现。
指数函数与微积分
以 e 为底的指数函数，在我看来，是数学中最有用的函数之一。ex 的导数仍为其自身：
这意味着 ex 的变化率始终与其当前值成正比。这使得 ex 成为模拟连续增长或衰减的理想数学工具，这正是它在描述放射性衰变、人口增长以及连续复利等过程中的用武之地。
自然对数
自然对数，记作 ln(x)，是指数函数 ex 的反函数：
自然对数在数学与统计中应用广泛，尤其是在数据变换中。
欧拉恒等式
在数学爱好者中，最有趣的等式之一是欧拉恒等式：
这一等式常被视为数学之美的巅峰，因为它连接了五个最基本的数学常数：e、虚数单位 i、𝜋、1 和 0。它也搭起了指数函数、复数与三角学等看似不相干领域之间的桥梁。
e 在概率与统计中的作用
欧拉常数在概率论与统计学中占有重要地位。例如，它出现在泊松分布的公式中，用于刻画在固定区间内发生的事件数：
其中，e 确保所有概率之和为 1，因此在该广泛使用的分布中不可或缺。
类似地，e 对于指数分布也至关重要，它用于刻画泊松过程中的事件间隔时间：
您还会看到 e 出现在高斯分布中，使得远离均值的取值以指数方式递减。
如您所见，欧拉常数通过欧拉恒等式等方程，把指数增长到复数等看似不相干的领域连接在一起。这种互联性展现了 e 深邃而普适的本性，使其成为最重要的数学常数之一。没有 e，我们将缺少准确建模各种平滑随时间变化过程的数学工具。
教科书式示例与计算
下面通过三个教科书式的计算来展示 e 的应用。
示例 1：连续复利 vs. 按月复利
设您以 5% 的年利率投资 $1,000。我们将分别按月复利与连续复利计算一年后的本利和。
按月复利
按月复利指每月计息并计入本金。离散复利的公式为
其中 P = 1000 为初始本金，r = 0.05 为年利率，n = 12 为每年复利次数（按月），t = 1 为年数。代入可得：
该计算给出了按月复利时投资的一年后价值。在此情形下，一年后约为 $1,051.16。
连续复利
连续复利意味着任意时刻都在计息并计入本金，使增长曲线更为平滑。连续复利的公式为：
其中 P = 1000，r = 0.05，t = 1。代入得：
此时一年后的价值为 $1,051.27。虽然一年内两种方式的差异看起来不大，但连续复利略高。若时间更长或利率更高，差异会显著放大。
此处使用 e 是为了体现连续计息，即价值在每一瞬间都在增长，从而使增长率更平滑。
示例 2：用 e 建模人口增长
第二个场景来自生物学。设某蝇群以每周 20% 的连续出生率和每周 5% 的连续死亡率增长。若初始数量为 1,000 只，5 周后将有多少只？这个问题与复利方程非常相似，事实上您会发现公式几乎一样！
种群的连续增长可由以下公式建模：
其中 P(t) 为时刻 t 的种群数量，P0 为初始种群，b 为出生率，d 为死亡率，(b-d) 为净增长率。代入数值得：
这里 e 的作用至关重要：它让我们能够刻画连续增长。不同于在固定间隔测量增长的离散模型，使用 e 的连续增长模型体现了增长在每个时刻都在发生，更能准确反映现实世界中的过程，尤其是大型种群。
示例 3：涉及 e 的概率情景
第三个经典例子来自概率论。考虑“错排”问题：若将 n 封信随机塞入 n 个信封，问没有任何一封信落入正确信封的概率是多少？这称为“错排”。
错排的概率由下式给出：
当 n 很大时，该概率趋近于 1/e，约为 0.3679。也就是说，当信件很多时，没有一封放对的概率大约为 37%。
以 3 封信为例，共有 3!=6 种排列，其中仅 2 种是错排（无一匹配）。其概率为：
我们再计算 10 封信时的概率。利用公式：
结果表明，即使只有 10 封信，“无一匹配”的概率也已非常接近 1/e。随着信件数量增加，该概率收敛到 1/e。
欧拉常数在各专业领域
欧拉常数在现实应用中随处可见。其独特性质使其在从微积分、生物学到金融、工程等领域不可或缺。
e 与微积分
欧拉常数在微积分中居于基础地位，是理解连续变化的核心。正如我们已提及，指数函数 ex 的导数仍为自身：
这一性质使 ex 成为刻画“变化率与当前值成正比”过程的关键函数。欧拉常数也参与求解许多微分方程。
e 在生物与医疗中的应用
我最初接触 e 是在生物学中，它用于建模连续的增长与衰减。例如，以恒定速率增长的细菌种群可由经典的人口增长方程描述：
其中 P0 为初始种群，r 为增长率，t 为时间。
同样在医疗领域，e 用于建模药物代谢，体内药物浓度会随时间呈指数式下降：
这些模型对于理解生物过程与优化医疗方案至关重要，例如确定有效剂量或预测可控环境下的细菌生长。
e 在工程与物理中的应用
在工程与物理中，e 用于分析涉及连续变化的系统。例如，欧拉公式：
可用于表示交流电（AC）电路中的正弦波形。在信号处理中，e 出现在傅里叶变换里，帮助将复杂信号分解为更简单的频率成分。这些应用在电气工程、量子力学与电信等领域极为重要。
e 在金融中的应用
不出所料，欧拉常数在金融中至关重要，尤其是我们已经看到的连续复利计算。
欧拉常数也用于诸如布莱克-舒尔斯方程等金融模型中，该方程通过考虑资产价格的连续变动来计算期权的公允价值。借助 e，布莱克-舒尔斯模型得以体现资产价格变动的连续性，从而实现精准定价。您可以在我们的Financial Analysts in Google Sheets课程中进一步了解金融建模。
e 在计算机科学中的应用
在计算机科学中，e 广泛用于机器学习、密码学与仿真。神经网络中的关键组件 sigmoid 函数定义为：
该函数将输入映射到 0 到 1 之间，因而适用于分类任务。欧拉常数也出现在用于模拟泊松过程和指数衰减的算法中，这些算法用于随机数生成、蒙特卡罗仿真与密码系统。
e 在保险与人口学中的应用
在精算科学中，e 用于建模风险以及计算人寿保险与年金的未来价值。例如，连续利息的累计用 ert 表示。在人口学中，e 用于描述人口增长与死亡率。用于评估预期寿命的戈姆珀茨函数就以 e 为基础来刻画老化与死亡率。
e 在地质学中的应用
在地质学中，e 是放射性衰变建模的关键，其公式为：
其中 N0 为放射性同位素初始数量，𝝀 为衰变常数，t 为时间。该公式用于碳测年，以帮助测定岩石与化石的年代。欧拉常数也用于地震学中，建模地震波在地球内部传播时的指数衰减，有助于地震分析与预测。
e 在气象学中的应用
气象学家使用 e 来建模温度变化和天气系统。例如，物体随时间的冷却或加热可表示为：
其中 T0 为初始温度，𝝀 为速率常数。涉及 e 的指数模型也用于气候科学中预测碳排放的长期影响，并用于天气预报来模拟气压演变与云层形成。
e 在语言学中的应用
信不信由您，欧拉常数在语言学中也有应用！它用于词频的统计模型，如齐夫定律，该定律指出词频与其排名成反比。该关系可用包含 e 的指数函数来建模。
在自然语言处理（NLP）中，e 参与诸如潜在狄利克雷分配（LDA）等算法，以建模文本中的主题分布。指数函数也用于研究语言演化，追踪语言如何随时间变化。
如您所见，欧拉常数是一个在众多不同领域中应用广泛的普适常数。它的应用如同它的数字位数一样“无穷无尽”！
关于 e 的常见误解
尽管 e 非常常见，但也容易引发混淆。
欧拉常数（e）与欧拉常数（γ）的区别
很容易把欧拉常数 e 与欧拉-马歇罗尼常数 γ 混为一谈，毕竟它们都带有“欧拉”的名字。但它们其实是完全不同的两个数，且出现于数学的不同分支。
现实应用中的误用
e 出现在许多不同情境中，有时会引发误解。关键在于分清什么时候该用 e、什么时候不该用。例如，人们常听说连续复利，便以为它总是优于离散计息。但不少银行采用月度或季度复利。因此在建模真实资产时，您需要明确该用连续还是离散复利，否则模型可能与现实不符。
结语
欧拉常数 e 是使用最广泛的数学常数之一，仅次于 𝜋。它是简化复杂计算、建模增长并刻画连续变化的利器。您可以在我们的 Exponents in Python 教程中学习在代码里使用 e。若您希望学习更多数学，欢迎查看我们的入门统计学或线性代数课程。