3Blue1Brown - The Essence of Calculus 05 - What’s So Special About Euler’s Number e?

Reading Guide / 阅读说明

这份笔记继续沿用前 4 集的结构。英文保留适合记忆、考试和解释概念的核心句，中文负责把符号背后的逻辑串起来。重点不是背诵 $e\approx 2.71828$，而是理解为什么 $e$ 会自然地出现在 derivative、growth 和 real-world models 中。

Connected from:

• 04 - Visualizing the Chain Rule and Product Rule
• Derivatives
• Chain Rule
• UBC Knowledge Graph

1. What This Episode Is About / 这一集在讲什么

前几章已经解释了 Derivatives、Derivative Formulas 和 Chain Rule。本集补上一个最重要的函数家族：Exponential Functions。

核心问题不是：

What is the decimal value of $e$?

而是：

Is there an exponential function whose derivative is exactly itself?

答案是：

$$\boxed{\frac{d}{dt}{e}^t=e^t}$$

English core sentence:
All exponential functions have derivatives proportional to themselves, but $e^t$ is the unique one whose proportionality constant is $1$.

中文记忆：
所有指数函数的导数都与自身成正比；只有以 $e$ 为底时，导数恰好等于自身。

2. Class Flow / 视频脉络

1. 用 $2^t$ 表示连续增长的 population mass。
2. 先比较一整天的增长，再指出 average change 还不是 derivative。
3. 把时间间隔缩小为 $dt$，研究真正的局部变化率。
4. 利用 $2^{t+dt}=2^t{2}^{dt}$，把依赖 $t$ 的部分与依赖 $dt$ 的部分分离。
5. 发现 $(2^{dt}-1)/dt$ 在 $dt\to 0$ 时趋近常数 $0.6931$。
6. 推广到任意底数 $a$：$(a^t{)}^{\prime }$ 总是常数乘 $a^t$。
7. 寻找比例常数恰好为 $1$ 的底数，由此理解 Euler’s Number e。
8. 用 Chain Rule 求 $e^{kt}$ 的导数。
9. 用 $a=e^{\ln a}$ 推出一般公式 $(a^t{)}^{\prime }=\ln (a)a^t$。
10. 说明 $e^{kt}$ 中的 $k$ 直接代表 relative growth rate，因此它是应用中最自然的写法。

3. Core Ideas / 核心知识块

Knowledge Point 1: From Daily Growth to Instantaneous Growth

Video: 00:00:32-00:03:36

令：

$$m(t)=2^t$$

把 $t$ 看作天数，把 $m$ 看作连续变化的 population mass。连续质量比离散个体数量更适合 derivative，因为我们可以合理讨论极短时间内的微小质量变化。

从第 3 天到第 4 天：

$$\frac{2^4-2^3}{4-3}=\frac{16-8}{1}=8$$

这个 daily average growth 恰好等于第 3 天开始时的质量 $2^3=8$。类似地，第 4 天到第 5 天增长 $16$，也等于开始时的质量。

但这不能直接说明：

$$\frac{d}{dt}{2}^t=2^t$$

因为这里比较的是完整一天，而 derivative 要看越来越短的时间间隔：

$$\frac{dm}{dt}=\underset{dt\to 0}{\lim }\frac{2^{t+dt}-2^t}{dt}$$

English core sentence:
A full-day growth ratio points in the right direction, but a derivative requires smaller and smaller time intervals.

中文理解：
整天的增长只能提供直觉；导数必须把观察窗口压缩到局部。

Knowledge Point 2: The Key Exponential Property

Video: 00:04:08-00:05:13

指数律：

$$a^{x+y}=a^x{a}^y$$

对 $2^t$：

$$2^{t+dt}=2^t{2}^{dt}$$

代入差商：

$$\frac{2^{t+dt}-2^t}{dt}=\frac{2^t{2}^{dt}-2^t}{dt}$$

提出 $2^t$：

$$=2^t\frac{2^{dt}-1}{dt}$$

于是：

$$\frac{d}{dt}{2}^t=2^t\underset{dt\to 0}{\lim }\frac{2^{dt}-1}{dt}$$

最重要的观察是：

• $2^t$ 取决于当前位置 $t$；
• 右侧极限只取决于底数 $2$，不取决于 $t$；
• 因此每一点的 derivative 都是函数高度乘同一个常数。

数值上：

$$\underset{dt\to 0}{\lim }\frac{2^{dt}-1}{dt}\approx 0.6931$$

所以：

$$\frac{d}{dt}{2}^t\approx 0.6931\cdot 2^t$$

后来会认出：

$$0.6931\dots =\ln 2$$

English core sentence:
The exponential law separates the current function value from a base-dependent proportionality constant.

中文记忆：
指数律把“现在有多少”与“每单位现有量增长多快”分开了。

Knowledge Point 3: Every Exponential Derivative Is Proportional to Itself

Video: 00:05:14-00:07:35

对任意 $a>0$：

$$\frac{d}{dt}{a}^t=a^t\underset{dt\to 0}{\lim }\frac{a^{dt}-1}{dt}$$

把只与底数有关的极限记为 $C_a$：

$$C_a=\underset{h\to 0}{\lim }\frac{a^h-1}{h}$$

那么：

$$\frac{d}{dt}{a}^t=C_a{a}^t$$

几个例子：

Base $a$	Proportionality constant $C_a$	Derivative
$2$	$0.6931\dots$	$(2^t{)}^{\prime }=0.6931\dots 2^t$
$3$	$1.0986\dots$	$(3^t{)}^{\prime }=1.0986\dots 3^t$
$8=2^3$	$2.0794\dots =3(0.6931\dots )$	$(8^t{)}^{\prime }=2.0794\dots 8^t$
$e$	$1$	$(e^t{)}^{\prime }=e^t$

这些常数不是随机数字，而是：

$$\boxed{C_a=\ln a}$$

因此：

$$\boxed{\frac{d}{dt}{a}^t=(\ln a)a^t}$$

Knowledge Point 4: What Makes $e$ Special?

Video: 00:07:36-00:08:58

Euler’s Number e 可以从这个导数性质来理解：它是让指数函数在 $t=0$ 处斜率等于 $1$ 的底数。

$$\underset{h\to 0}{\lim }\frac{e^h-1}{h}=1$$

于是对每个 $t$：

$$\frac{d}{dt}{e}^t=e^t\underset{h\to 0}{\lim }\frac{e^h-1}{h}=e^t$$

图像语言：

At every point on the graph of $e^t$, the tangent-line slope equals the height of the graph.

也就是如果点为 $(t,e^t)$，那么：

$$\text{slope at }t=e^t=\text{height at }t$$

这比“$e$ 是一个约等于 $2.71828$ 的常数”更接近它在微积分中的本质。

Definition-style comparison with $\pi$

问“为什么偏偏 $e$ 有这个性质”，类似于问“为什么偏偏 $\pi$ 是圆周长与直径之比”。这个性质不是巧合附着在 $e$ 上，而是定义和识别 $e$ 的核心方式之一。

English core sentence:
$e$ is the base whose exponential function has tangent slope equal to graph height everywhere.

中文记忆：
$e$ 是把“当前大小”与“当前变化速度”完全对齐的指数底数。

Knowledge Point 5: Chain Rule Explains $e^{kt}$

Video: 00:08:59-00:09:54

令：

$$f(t)=e^{kt}$$

这是 composition：

$$t\stackrel{\times k}{\to }kt\stackrel{e^{(\cdot )}}{\to }{e}^{kt}$$

由 Chain Rule：

$$\frac{d}{dt}{e}^{kt}=e^{kt}\cdot k$$

所以：

$$\boxed{\frac{d}{dt}{e}^{kt}=k{e}^{kt}}$$

比例关系写成：

$$\frac{f^{\prime }(t)}{f(t)}=k$$

这里的 $k$ 不是随便放在 exponent 里的数字，它直接表示 instantaneous relative growth rate / 瞬时相对增长率。

• $k>0$：exponential growth / 指数增长
• $k<0$：exponential decay / 指数衰减
• $k=0$：constant function / 常量

English core sentence:
In $e^{kt}$, the exponent coefficient $k$ is exactly the proportionality constant between the function and its derivative.

中文记忆：
写成 $e^{kt}$ 后，$k$ 直接告诉你“变化速度是当前量的多少倍”。

Knowledge Point 6: Natural Logarithm Reveals the Mystery Constant

Video: 00:09:56-00:10:53

Natural Logarithm 的意思是：

$$\ln a=\text{the exponent to which }e\text{ must be raised to get }a$$

即：

$$e^{\ln a}=a$$

所以：

$$a^t=(e^{\ln a}{)}^t=e^{(\ln a)t}$$

由上一节：

$$\frac{d}{dt}{a}^t=\frac{d}{dt}{e}^{(\ln a)t}=(\ln a)e^{(\ln a)t}$$

而 $e^{(\ln a)t}=a^t$，因此：

$$\boxed{\frac{d}{dt}{a}^t=(\ln a)a^t}$$

这解释了前面的数值：

$$\ln 2\approx 0.6931$$ $$\ln 3\approx 1.0986$$ $$\ln 8=\ln (2^3)=3\ln 2\approx 2.0794$$

English core sentence:
The natural logarithm of the base is the proportionality constant that appears when differentiating an exponential.

中文记忆：
指数函数求导时冒出来的常数，就是“用 $e$ 的多少次方才能得到原底数”。

Knowledge Point 7: One Exponential Has Many Equivalent Forms

Video: 00:10:53-00:11:55

任何正底数指数函数都可以改写成以 $e$ 为底：

$$a^t=e^{(\ln a)t}$$

例如：

$$2^t=e^{(\ln 2)t}$$

这里不是说自然现象“本身知道 $e$”。$e$ 不是强行隐藏在现象里的神秘数字，而是我们选择的一种最有信息量的表示方式。

写成 $a^t$：底数 $a$ 容易读出单位时间 growth factor。

写成 $e^{kt}$：系数 $k$ 容易读出 instantaneous relative growth rate。

Form	What is easy to read?
$a^t$	one-unit multiplication factor $a$
$e^{kt}$	continuous proportional growth rate $k$

English core sentence:
Writing an exponential in base $e$ is a choice of representation that makes its continuous growth rate readable.

中文理解：
以 $e$ 为底不是为了形式漂亮，而是为了让 exponent coefficient 直接承载变化率含义。

Knowledge Point 8: Why Exponentials Model Nature

Video: 00:11:56-00:13:11

许多系统都满足同一种结构：

$$\frac{dy}{dt}=ky$$

也就是：

The rate of change is proportional to the quantity that is changing.

它的解具有指数形式：

$$y(t)=C{e}^{kt}$$

其中 $C=y(0)$ 是初始量。

Population growth / 种群增长

资源不受限制时，个体越多，单位时间内新增个体通常也越多：

$$P^{\prime }(t)=kP(t)$$ $$P(t)=P_0{e}^{kt}$$

Compound growth / 资金复利增长

本金越多，同一比例产生的收益越多：

$$A^{\prime }(t)=rA(t)$$ $$A(t)=A_0{e}^{rt}$$

Newton’s law of cooling / 牛顿冷却定律

水温与室温之差记为 $D(t)$。温差越大，温差缩小得越快：

$$D^{\prime }(t)=-kD(t)$$ $$D(t)=D_0{e}^{-kt}$$

这里真正按指数变化的不是绝对温度，而是 object 与 environment 的 temperature difference。

4. Deep Phrases / 深层表达

这些句子不是术语翻译，而是看到概念时应该能完整说出的意思。

Reusable English sentence	中文记忆句
A derivative requires us to examine smaller and smaller input changes, not merely a convenient finite interval.	导数必须不断缩小输入区间，不能把一个方便的有限区间当成瞬时变化。
Exponentials turn addition in the exponent into multiplication in the output.	指数函数把 exponent 中的加法变成 output 中的乘法。
The derivative of any exponential function is proportional to the function itself.	任意指数函数的变化速度都与它当前的大小成正比。
The proportionality constant depends only on the base, not on the current input.	比例常数只由底数决定，与现在走到哪个输入位置无关。
$e$ is the unique base for which the proportionality constant is exactly one.	$e$ 是唯一让这个比例常数恰好为 1 的底数。
On the graph of $e^t$, tangent slope and graph height are equal at every point.	在 $e^t$ 图像上，每一点的切线斜率都等于该点高度。
The natural logarithm of a base is the derivative’s proportionality constant for that exponential.	一个底数的自然对数，就是对应指数函数求导时的比例常数。
Writing an exponential as $e^{kt}$ makes its continuous relative growth rate visible.	写成 $e^{kt}$，就能直接读出连续相对增长率 $k$。
A quantity follows an exponential law when its rate of change is proportional to its current size.	当一个量的变化速度与当前大小成正比时，它遵循指数规律。
The number $e$ is special because of how change behaves, not because its decimal expansion looks special.	$e$ 的特殊来自变化规律，不来自它的小数长相。

5. Common Mistakes / 高频错误

Mistake 1: Assuming $(2^t{)}^{\prime }=2^t$

一天内翻倍不代表瞬时变化率等于自身。

$$\frac{d}{dt}{2}^t=(\ln 2)2^t$$

Mistake 2: Forgetting $\ln a$

错误：

$$\frac{d}{dx}{a}^x=a^x$$

正确：

$$\frac{d}{dx}{a}^x=(\ln a)a^x$$

只有 $a=e$ 时 $\ln a=1$。

Mistake 3: Forgetting the inner derivative

$$\frac{d}{dx}{e}^{g(x)}=e^{g(x)}{g}^{\prime }(x)$$

不是只有 $e^{g(x)}$。

Mistake 4: Confusing absolute and relative growth

• absolute rate: $y^{\prime }(t)$
• relative rate: $y^{\prime }(t)/y(t)$

对 $y=C{e}^{kt}$：

$$y^{\prime }(t)=ky(t),\frac{y^{\prime }(t)}{y(t)}=k$$

绝对增长量会随 $y$ 改变；相对增长率 $k$ 保持不变。

Mistake 5: Thinking $e$ belongs to the phenomenon itself

$2^t$ 与 $e^{(\ln 2)t}$ 是同一个函数。使用 $e$ 是 representation choice，它让连续增长率更清楚。

Mistake 6: Modeling cooling with absolute temperature directly

牛顿冷却模型中与自身成正比变化的是温差：

$$D=T_{object}-T_{room}$$

不是在所有条件下直接写 $T^{\prime }=-kT$。

6. Formula Map / 公式地图

$$\boxed{a^{x+y}=a^x{a}^y}$$ $$\boxed{\frac{d}{dx}{e}^x=e^x}$$ $$\boxed{\frac{d}{dx}{e}^{g(x)}=e^{g(x)}{g}^{\prime }(x)}$$ $$\boxed{a^x=e^{x\ln a}}$$ $$\boxed{\frac{d}{dx}{a}^x=(\ln a)a^x}$$ $$\boxed{y^{\prime }=ky⟺y=C{e}^{kx}}$$

Concept map:

exponent addition
  -> output multiplication
  -> derivative factors into current value x base constant
  -> every exponential is proportional to its derivative
  -> choose the base whose constant is 1
  -> e^t is its own derivative
  -> e^(kt) exposes the proportional growth rate k

7. Confusion / Questions

1. 为什么视频用 population mass，而不是离散的 population count？
2. 为什么一天内的增长率不能直接当作 derivative？
3. $a^{t+dt}=a^t{a}^{dt}$ 为什么是整段推理的关键？
4. 在 $(a^t{)}^{\prime }=a^t{C}_a$ 中，为什么 $C_a$ 与 $t$ 无关？
5. $e$ 的核心导数性质是什么？
6. 如何用 tangent slope 和 graph height 描述 $e^t$？
7. 为什么 $(e^{3t}{)}^{\prime }=3e^{3t}$？
8. 如何把 $2^t$ 改写成以 $e$ 为底的形式？
9. 为什么 $(a^t{)}^{\prime }$ 中出现的常数是 $\ln a$？
10. 在 $e^{kt}$ 中，$k$ 的实际含义是什么？
11. absolute growth rate 与 relative growth rate 有什么区别？
12. population、investment 和 cooling 为什么都可能出现 exponential model？

8. Source Anchors / 字幕定位

• 00:00:32：用 $2^t$ 建立连续增长直觉
• 00:02:21：整天增长与 derivative 的区别
• 00:03:15：写出 tiny-time difference quotient
• 00:04:14：利用指数律分离 $t$ 与 $dt$
• 00:05:27：数值常数 $0.6931$
• 00:06:29：推广到其他底数
• 00:07:36：寻找比例常数为 $1$ 的底数
• 00:08:22：$e^t$ 的导数等于自身
• 00:08:35：tangent slope equals graph height
• 00:08:59：用 Chain Rule 处理 $e^{kt}$
• 00:09:56：$2=e^{\ln 2}$ 与一般指数求导
• 00:11:24：同一指数函数的不同表示方式
• 00:11:56：population、cooling 与 investment 应用
• 00:12:51：为什么 $e^{kt}$ 是最自然的写法

9. After Watching Summary / 看完压缩版

一般指数函数的 derivative 都与自身成正比：

$$\frac{d}{dt}{a}^t=(\ln a)a^t$$

$e$ 的特殊性是：

$$\ln e=1$$

所以：

$$\frac{d}{dt}{e}^t=e^t$$

更一般地：

$$\frac{d}{dt}{e}^{kt}=k{e}^{kt}$$

因此 $e^{kt}$ 中的 $k$ 直接表示函数变化率与当前大小之间的比例：

$$\frac{y^{\prime }}{y}=k$$

One-sentence compression:
Euler’s number $e$ is the natural base for calculus because writing growth as $e^{kt}$ makes the continuous proportional growth rate equal to the visible coefficient $k$.

中文：

$e$ 是微积分中最自然的指数底数，因为写成 $e^{kt}$ 后，连续相对增长率就直接等于看得见的系数 $k$。

10. Knowledge Graph Connections / 知识图谱连接

• 06 - Implicit Differentiation, What’s Going On Here uses $(e^y{)}^{\prime }=e^y$ and the inverse relation $e^y=x$ to derive $(\ln x{)}^{\prime }=1/x$.
• 04 - Visualizing the Chain Rule and Product Rule 提供本集计算 $e^{kt}$ 与 $e^{g(x)}$ 所需的 Chain Rule。
• Derivatives 解释“与自身成正比”说的是 local rate，而不是任意有限区间的 average change。
• Limits 把 $(a^{dt}-1)/dt$ 的数值趋势变成严格的 derivative constant。
• Tiny Nudges 对应本集的 $dt\to dm$：微小时间变化产生微小质量变化。
• Exponential Functions 记录“exponent 加法变 output 乘法”的结构。
• Euler’s Number e 记录 slope equals height 的核心性质。
• Natural Logarithm 把任意底数 $a$ 转换成 $e^{\ln a}$，并解释 derivative 中的比例常数。
• Exponential Growth 连接 $y^{\prime }=ky$、population、compound growth 与 cooling models。
• Taylor Series 与 Maclaurin Series 后续会从另一角度说明 $e^x$ 的所有阶导数仍是 $e^x$。
• AP电磁学第2次正课-连续带电体电场与电通量 中追踪微小贡献的语言，与这里追踪 $dt$ 引起的局部变化使用相同的 calculus viewpoint。

11. Links / 链接

• UBC Knowledge Graph
• 01 - The Essence of Calculus
• 02 - The Paradox of the Derivative
• 03 - Derivative Formulas through Geometry
• 04 - Visualizing the Chain Rule and Product Rule
• 06 - Implicit Differentiation, What’s Going On Here
• Derivatives
• Limits
• Tiny Nudges
• Derivative Formulas
• Chain Rule
• Exponential Functions
• Euler’s Number e
• Natural Logarithm
• Exponential Growth
• Taylor Series
• Maclaurin Series
• AP电磁学第2次正课-连续带电体电场与电通量