指数函数：把“反复乘”读成增长与衰减

有些变化是一步一步加出来的。比如你每天往储蓄罐里放 20 元，今天比昨天多 20，明天还比今天多 20。

另一些变化却不是这样。细菌每轮分裂后，下一轮参与分裂的细菌更多；账户每次计息时，利息也会进入下一次计息的本金；药物每过一段时间，减少的往往是“当时还剩下的那一部分”。这些过程盯住的不是固定差值，而是固定倍数。

指数函数就是用来抓住这种重复乘法的。本章会沿着一条线走到底：整数次重复乘法怎样延伸成连续曲线，百分比怎样变成因子，翻倍时间和半衰期怎样写进模型，以及面对一张数据表，凭什么说它像指数变化。

先别急着背公式：指数在数“乘了几次”

某种培养物最初有 120 个单位，每过 1 小时就变成原来的 1.25 倍。把前几小时写开：

最值得你盯住的是 $t=0$。指数是 0，不代表数量为 0；它表示乘法还没有开始，所以数量仍是初始的 120。由于 $(1.25)^0=1$，写成 $120(1.25)^0=120$ 正好。

把 120 换成任意初始量 $a$，把 1.25 换成任意固定因子 $b$，就得到

$a$ 是初始值，因为 $f(0)=ab^0=a$。当 $a\ne0$ 时，$b$ 是每当输入增加 1 时所乘的因子，因为

最后这条比值关系才是指数模型的指纹。式子长得复杂一点没关系，只要相同输入间隔对应相同倍数，指数结构就在里面。

每向前走一个相同的时间间隔，数量就再乘一次 $b$；指数记录的正是累计走过多少个这样的间隔。

为什么还要有负指数和分数指数

正整数指数很好理解：$b^3$ 就是 $b\cdot b\cdot b$。可是图像如果只在 $x=0,1,2,3,\ldots$ 这些整数处有点，就还不是我们熟悉的连续曲线。

为了继续保持“向右一步乘 $b$”，向左一步就必须除以 $b$：

再看半步。设半步所乘的因子为 $c$，两次半步合起来应等于一次整步，所以 $c^2=b$。当 $b>0$ 时取正根：

同理，走 $\frac{m}{n}$ 步时定义

你可以把它读成：先把一个完整的倍乘动作均匀拆成 $n$ 份，再完成其中 $m$ 份。继续把有理数之间的空隙补满，$b^x$ 才能在所有实数 $x$ 上成为连续函数。

这也解释了为什么基本指数函数通常要求

底数取正，分数指数和实数指数才可以稳定地留在实数范围内。若 $b=1$，则 $ab^x=a$，它只是常数函数。负底数在某些整数指数上能算，但遇到 $(-2)^{1/2}$ 就离开实数范围，无法形成一条定义在所有实数上的基本指数曲线。

指数函数不是幂函数

这两个名字很像，变量的位置却完全相反：

在 $2^x$ 中，$x$ 每增加 1，函数值固定乘 2。在 $x^2$ 中，从 $3^2$ 到 $4^2$ 增加 7，从 $4^2$ 到 $5^2$ 增加 9，差值不固定，比值也不固定。不要用“都弯弯的”来判断函数类型，变化规律才是证据。

离散模型与连续模型：同一个式子，两种时间含义

若兔群每一代结束时统计一次，可以写成

这里的 $n$ 是代数，只取非负整数。$n=2.6$ 代通常没有清楚的统计意义，图上更适合画一串离散点。这叫离散指数模型。

若研究账户余额或体内药物浓度，时间 $t$ 可以取 $2.6$ 小时、$2.61$ 小时等实数。模型

就可以画成连续曲线。这叫连续时间的指数模型。

这里有个容易混淆的词：连续时间模型不等于“连续复利模型”。前者只是说自变量可取任意实数；后者特指

两种写法可以互换，因为

也就是说，只需令 $k=\ln b$。若 $b>1$，则 $k>0$；若 $0<b<1$，则 $k<0$。

百分比先翻译成乘法因子

题目常说“每年增长 8%”或“每小时减少 15%”，却不直接告诉你 $b$。最稳的办法是先假设当前量为 $Q$。

若每期增长率为 $r$，下一期是

所以增长因子为 $b=1+r$。若每期减少率为 $r$，下一期是

所以衰减因子为 $b=1-r$。

$r$ 要先写成小数。增长 8% 时 $r=0.08$，因子是 $1.08$；减少 15% 时 $r=0.15$，因子是 $0.85$。

百分比说的是相对于“当前量”改变多少。先确定变成原来的几倍，再把因子写进指数模型。

例题：设备贬值

一台设备现在价值 4800 元，预计每年贬值 18%。设 $t$ 表示经过的年数，建立模型，并估计 3 年后的价值。

第一年减少的是 $4800\times0.18=864$ 元，但第二年要从剩余价值计算 18%，减少额已经变了。指数衰减保持的是百分比，不是每年少掉的元数。

相同的涨跌幅不会抵消

从 100 开始，先增长 20%，再减少 20%：

没有回到 100，因为增长以 100 为基准，减少却以 120 为基准。更一般地，先增长 $r$ 再减少同样的 $r$，总因子是

从式子读图像：先找锚点，再看方向

先假设 $a>0$，研究 $f(x)=ab^x$。

令 $x=0$，得到 $f(0)=a$，所以图像一定经过 $(0,a)$。特别地，$y=b^x$ 一定经过 $(0,1)$。如果你画出的基本指数曲线没穿过这个点，前面一定出了问题。

• $b>1$ 时，向右一步乘大于 1 的数，函数递增；
• $0<b<1$ 时，向右一步乘介于 0 与 1 之间的数，函数递减。

比如

把 $2^x$ 中的 $x$ 换成 $-x$，图像会关于 $y$ 轴翻折，所以增长曲线和衰减曲线互相对应。

当 $a>0$、$b>0$ 时，$ab^x$ 永远为正。它可以无限接近 0，却不会在任何有限的 $x$ 处等于 0。因此

基本曲线 $y=2^x$ 与 $y=(1/2)^x$ 都经过 $(0,1)$，并且只靠近 $x$ 轴，不与它相交。

倍增时间与半衰期：把时间直接写进指数

有时题目不说每小时增长百分之几，而是说“每 3 小时翻一倍”。这句话已经把一个完整倍乘周期告诉你了。

若初始量为 $Q_0$，倍增时间为 $D$，经过 $t$ 个时间单位时，一共经历了 $t/D$ 个倍增周期，因此

检查一下：$t=D$ 时指数为 1，数量变为 $2Q_0$；$t=2D$ 时指数为 2，数量变为 $4Q_0$。这就说明 $t/D$ 的位置写对了。

若半衰期为 $H$，每经过一个 $H$ 就保留一半，于是

倍增时间数经历了多少个“乘 2”的周期；半衰期数经历了多少个“乘 $\frac12$”的周期。

例题：时间不是整周期也能算

某培养物初始量为 150，每 3 小时翻倍。估计 7.5 小时后的数量。

经过的倍增周期数是 $7.5/3=2.5$，所以

若情境要求报告完整个数，可以说连续模型给出约 848.53，按整数报告约为 849。别在中间把 2.5 擅自取整，否则会把半个倍增周期整个丢掉。

再看衰减。某药物初始含量为 80 毫克，半衰期为 6 小时。15 小时后：

从每期因子反推所需时间

若 $Q(t)=Q_0b^t$，倍增时间 $D$ 满足 $b^D=2$，所以

若 $0<b<1$，半衰期 $H$ 满足 $b^H=\frac12$，因此

衰减时分子、分母都为负，算出的 $H$ 仍是正数。若得到负的半衰期，通常是把分子写成了 $\ln2$，却忘了调整符号。

线性还是指数：等距输入下看差值与比值

让两个模型都从 100 开始：

前者每期固定加 20，后者每期固定乘 1.2。

输入间隔相同时，线性模型检查差值，指数模型检查比值。只看前两个点，两种规律可能暂时分不出来。

一开始两者很接近，甚至在 $x=0,1$ 时完全相同。到后面，指数模型每期增加的绝对数量越来越大，因为 20% 是在一个不断变大的基数上计算的。

表格判断的标准动作

对 $P$ 算一阶差：

差值固定，所以 $P(x)=6+4x$。

对 $R$ 算相邻比值：

比值固定，且 $R(0)=6$，所以

这个过程比凭图像猜可靠得多。稀疏的几个点可以被许多曲线穿过，规律要靠计算验证。

用数据建立指数模型

已知初始值和每期因子

若一种细菌初始有 200 个，每小时变成原来的 1.35 倍，那么直接写成

200 就是 $t=0$ 的值，1.35 就是每小时因子，不必再求参数。

只知道两个正值数据点

设 $y=ab^x$，已知 $(x_1,y_1)$ 与 $(x_2,y_2)$，其中 $y_1,y_2>0$ 且 $x_2>x_1$。两式相除：

于是每 1 个输入单位的因子为

再代回任意一个点：

只有当 $x_1=0$ 时，$y_1$ 才能直接当作 $a$。若第一个点是 $(2,50)$，把 50 直接写在模型最前面，就把“$x=2$ 的值”和“$x=0$ 的初始值”混在一起了。

例题：两个点建模，并避免过早舍入

某城市一项指标在 $t=0$ 时为 800，5 年后为 1100。假设这段时间适合指数模型，建立模型并估计 10 年后的值。

这里没有先把 $b$ 粗略写成 1.066 再连续乘 10 次。中途舍入会被指数放大；参数尽量保留精确式，最后预测时再取近似。

输入间隔不等时，先换算单位因子

数据从 $x=2$ 时的 50 增长到 $x=6$ 时的 200。总倍数是 4，但它跨了 4 个输入单位：

再求初始系数：

所以 $y=25(\sqrt2)^x$。代回检查，$x=2$ 时得到 50，$x=6$ 时得到 200。两个点都对，参数才算求完。

真实数据不会刚好整齐：怎样判断“指数模型值得试”

课本表格常把比值设计得完全相同，真实测量却会有误差。比如：

相邻比值约为

它们不完全相等，却都在 1.2 附近。指数模型 $Q(t)\approx50(1.2)^t$ 值得尝试，但还不能立刻宣布它就是唯一答案。你至少要检查下面几件事。

1. 输入间隔是否相同

若时间点是 $0,1,3,6$，相邻比值分别跨 1、2、3 个单位，不能直接横向比较。对一段跨度 $\Delta x$，应该换算

换算后的每单位因子大致稳定，才支持指数模型。

2. 输出是否适合保持同一相对变化

在 $a>0$ 的基本模型中，输出始终为正。数据里若出现 0 或负数，不要硬套公式。先问情境：是不是测量值经过了基准平移？是不是应该建模 $y-c$ 而不是 $y$？还是指数模型根本不合适？

3. 差值和比值谁更稳定

差值大致固定，线性模型更自然；比值大致固定，指数模型更自然。两者都不稳定时，还可能需要二次函数、分段模型或带上限的增长模型。

4. 残差有没有系统形状

把实际值减去模型预测值，得到残差。如果残差一会儿正、一会儿负，而且没有明显规律，模型可能还算合理；如果残差连续偏在同一侧，或呈现清楚的弯曲结构，说明模型漏掉了某种变化。

5. 情境允不允许长期保持同一比例

资源有限时，人口不可能永远指数增长；药物低到检测下限后，仪器读数可能直接变成 0；设备价值也不会无限期按照同一市场比例贬值。指数模型可能很适合某一段，却不该无限外推。

离散百分比与连续变化率不要混为一谈

若每年增长 8%，按年计一次，模型是

改写成 $e$ 为底：

所以对应的连续参数为

反过来，若题目明确给出连续变化率参数 $k=0.08$，模型是 $Q_0e^{0.08t}$。经过 1 年的实际因子为

也就是约增长 8.329%，并非恰好 8%。

这个差别在小增长率、短时间内不算大，却是两个不同模型。看见 8% 时先确认它是“每期增长 8%”还是“连续变化率为 0.08”，不要只凭数字一样就套式子。

一道完整建模题：从文字走到解释

某种材料的有效质量初始为 1200 克，每年保留上一年的 88%。假设在研究时段内可用连续时间指数模型近似。

初始值为 1200，每年因子为 0.88，因此

估计 2.5 年后的质量：

这里使用 2.5 次方，是因为题目允许连续时间近似。如果实际规定只在每年年末更新一次，那么半年时该怎样解释，要由具体机制决定，不能只看公式能算就算。

再求半衰期。令 $M(H)=600$：

所以

每年只减少 12%，一年后当然不该减半；5.42 年的量级合理。把 $H\approx5.42$ 代回去，$0.88^{5.42}$ 接近 $0.5$，也通过了代回检查。

常见误区：错的往往不是最后一步

把增长率当成增长因子

增长 12% 应写 $1.12$。若写成 $0.12$，模型会迅速靠近 0，方向已经和“增长”相反。写完因子先做方向检查：增长因子必须大于 1，衰减因子必须在 0 与 1 之间。

把固定百分比当成固定数量

从 100 连续减少 10%，得到

每次少掉的绝对数量是 10、9、8.1，越来越小；保持不变的是保留比例 0.9。

忘记指数数的是间隔

“每 4 小时翻倍”应写 $2^{t/4}$，不是 $2^{4t}$。代入 $t=4$ 检查：正确模型的指数应刚好等于 1。

第一个数据点不在 0，却把它当成 $a$

在 $y=ab^x$ 中，$a=y(0)$。若已知的是 $y(3)$，需要用 $a=y(3)/b^3$ 倒推。

用不等间隔数据直接比较比值

跨 1 年的倍数和跨 5 年的倍数不能直接比较。先开相应次方，把它们都换成每年的因子。

太早把参数四舍五入

底数要被反复乘很多次，微小舍入会累积。建模时尽量保留根式、分数或足够多的小数位，最后预测时再舍入。

看到上升弯曲就认定是指数

二次函数、幂函数、分式函数也能弯。指数模型的证据是等距输入下比值大致稳定，并且这种相对变化在情境中讲得通。

以为接近 0 就等于 0

$300(0.7)^t$ 在任何有限 $t$ 下都为正，只是越来越接近 0。仪器可能因精度有限显示 0，那是测量规则，不是基本指数模型真的取到 0。

自主练习

1. 从百分比写模型

某数量初始为 75，每天增长 6%。写出模型，并求 4 天后的近似值。

2. 固定比例不是固定差值

某药物浓度初始为 40，每小时减少 25%。写出模型，并判断 3 小时后是否等于 10。

3. 由表格识别模型

数据 $4,6,9,13.5$ 分别对应 $x=0,1,2,3$。判断模型类型并写出函数。

4. 两个点不从 $x=0$ 开始

某数据从 $x=2$ 时的 50 增长到 $x=6$ 时的 200。求 $a$、$b$ 并写出模型。

5. 倍增时间

某数量初始为 30，每 4 小时翻倍。写出模型，并求 10 小时后的近似值。

6. 半衰期

一种物质初始质量为 320 克，半衰期为 8 天。求 20 天后的模型值。

7. 反推半衰期

某衰减模型为 $A(t)=1000(0.88)^t$。求半衰期，并估计 6 个时间单位后的数量。

8. 比较先后百分比变化

某价格先上涨 15%，再下降 15%。最终价格是原价的百分之几？

9. 连续参数与每期百分比

模型为 $P(t)=500e^{0.04t}$。求每 1 个时间单位的实际增长百分比。

10. 解释模型限制

某平台的新用户数在最初 6 周近似满足 $N(t)=200(1.5)^t$。能否据此断言 3 年后仍按同一模型增长？

本章小结

指数函数最核心的不是“曲线越来越陡”，而是同样长的一步会带来同样的倍乘因子：

$a$ 是 $x=0$ 时的初始值；$b>1$ 表示增长，$0<b<1$ 表示衰减。增长率 $r$ 要变成因子 $1+r$，减少率 $r$ 要变成因子 $1-r$。

整数指数对应一轮一轮的重复乘法，负指数表示反向除法，分数指数把一次倍乘拆成更小的步长。自变量只取整数时得到离散模型；允许实数时间时得到连续曲线。连续时间模型又可以在 $ab^t$ 与 $e^{kt}$ 之间转换，其中 $k=\ln b$。

读图时先找 $(0,a)$，再由 $b$ 判断方向。基本模型在 $a>0$ 时始终为正，水平渐近线为 $y=0$。倍增时间写成 $Q_0 2^{t/D}$，半衰期写成 $Q_0(1/2)^{t/H}$。

面对数据，先确认输入是否等距：固定差值支持线性模型，固定比值支持指数模型。不等间隔时要换算成每单位因子。最后还得回到情境，检查模型的正值要求、残差、时间范围和长期限制。会算参数只是开始；知道这个模型为什么能用、能用到哪里，才算真正读懂指数变化。