自然对数为什么“自然”？

一万亿附近有多少质数？一个小程序在接下来的一千个整数中找到了 37 个。大数 x 附近的质数密度可以用 1/ln x 估计，因此在 10¹² 附近，大约每 27.6 个数有一个质数。

这个密度是渐近估计，并不保证每个短区间都符合。不过，它引出了一个美妙的问题：为什么关于整数的问题会出现自然对数？

再看一个联系：平方倒数之和 1 + 1/4 + 1/9 + … = π²/6。如果只保留下标是质数幂 pᵏ 的项，并给每项乘以 1/k，得到的和是 ln(π²/6)。视频将这个质数模式作为惊喜展示，没有在本节推导它。

另一个更容易入手的级数交替改变符号：1 − 1/2 + 1/3 − 1/4 + … 收敛到 ln 2，约为 0.693。相比之下，所有正倒数相加得到的调和级数会无限增长。

调和级数的各项越来越小，为什么仍然发散？把 1/3 和 1/4 分成一组，再把 1/5 到 1/8、1/9 到 1/16 等分别分组。每组的和至少是 1/2，因此无限多组最终会超过任何固定界限。

每组项数翻倍，提示这个和增长得非常缓慢。实际上，第 n 个调和和 Hₙ 约等于 ln n + γ，其中 γ 是欧拉–马歇罗尼常数，约为 0.577。

要让调和和达到一百万，n 大约需要 e^(1,000,000 − γ)。换成以 10 为底，指数约为 434,294：这需要数量惊人的项。这个估计说明了对数增长，而不是给出易于计算的精确阈值。

现在来看指数函数族。任何正底数的指数函数 aˣ 都可以写成 e^(x ln a)。改变底数 a，与改变指数中 x 的系数，描述的是同一族函数。

钟形表达式也是如此：适当变换参数后，同一条曲线可以用另一个正底数表达。对标准差为 σ 的正态分布，指数应为 −(x − μ)²/(2σ²)；视频说明更正了遗漏的因子 2。

复指数也符合这一模式。e^(it) 随 t 每增加一个单位，在单位圆上转过一弧度；2^(it) = e^(it ln 2) 则以不同速度绕圆运动。旋转并非底数 e 所独有。

e 特别方便的原因在于变化率：eˣ 的导数就是它自身。因此 e^(rt) 的导数是 r e^(rt)，而 r 直接表示相对于当前数值的瞬时增长率。

对于另一个正底数，有 d(aˣ)/dx = (ln a)aˣ。把差商中的 aˣ 提出来，就能看出为什么会出现比例常数；剩余极限取决于底数。

当 a = 2 时，这个极限是 ln 2，约为 0.693。我们可以把 e 定义为使比例常数恰好等于 1 的底数，也可以从指数函数的其他等价定义出发。

一种起点是无穷幂级数 exp(x) = 1 + x + x²/2! + x³/3! + …。它的加法性质使其成为指数函数，而 e 可以定义为 exp(1)。

逐项对幂级数求导会使各项移位：xⁿ/n! 的导数是 xⁿ⁻¹/(n−1)!。得到的级数与原级数相同，这解释了为什么 exp(x) 的导数是它自身。

由于 y = ln x 意味着 eʸ = x，隐函数求导得到 eʸ dy/dx = 1。代入 eʸ = x，便得到当 x > 0 时 d(ln x)/dx = 1/x。

这个导数把调和和与面积联系起来。1/x 从 1 到 n 的积分是 ln n。宽为 1、高分别为 1、1/2、1/3 等的矩形，可以近似曲线下的面积。

随着 n 增大，Hₙ 与 ln n 的差趋近 γ。因此，矩形图不仅是一个宽泛类比：它还帮助解释对数增长和有限的修正项。

为了理解交错和，可以将它推广为 f(x) = x − x²/2 + x³/3 − …。当 |x| < 1 时，逐项求导得到 1 − x + x² − … = 1/(1+x)，因此 f(x) = ln(1+x)。

端点 x = 1 需要单独论证：求导后得到的几何级数在该点不收敛。交错调和级数本身收敛；让 x 从下方趋近 1，或对有限几何和积分并控制余项，都能得到 ln 2。

课程最后谈到更广泛的解题经验：熟悉导数、级数和几何图像，可以揭示最初看似魔法的联系。探索这些模式，会积累日后识别它们所需的直觉。