指数函数对于
x
{\displaystyle x}
x
{\displaystyle x}
x
{\displaystyle x}
0
{\displaystyle 0}
1
{\displaystyle 1}
y
{\displaystyle y}
斜率 。 指数函数 （英语：exponential function ）是形式为
b
x
{\displaystyle b^{x}}
函数 ，其中
b
{\displaystyle b}
底数 （或称基数 ，base ），而
x
{\displaystyle x}
指数 index / exponent ）。
现今指数函数 通常特指以
e
{\displaystyle {\mbox{e}}}
e
x
{\displaystyle {\mbox{e}}^{x}}
数学 中重要的函数，也可写作
exp
(
x
)
{\displaystyle \exp(x)}
e
{\displaystyle {\mbox{e}}}
自然对数函数的底数 ，近似值为
2.718281828
{\displaystyle 2.718281828}
欧拉 数。
作为实数 变量
x
{\displaystyle x}
y
=
e
x
{\displaystyle y={\mbox{e}}^{x}}
图像 总是正的（在
x
{\displaystyle x}
x
{\displaystyle x}
x
{\displaystyle x}
渐近线 。一般的说，变量
x
{\displaystyle x}
复数 ，甚至是完全不同种类的数学对象 。它的反函数 是定义在所有正数
x
{\displaystyle x}
自然对数
ln
x
{\displaystyle \ln {x}}
本文集中于带有底数为欧拉数
e
{\displaystyle {\mbox{e}}}
科学 中，术语指数函数 更一般性的用于形如
k
b
x
{\displaystyle kb^{x}}
b
{\displaystyle b}
底数 ，是不等于
1
{\displaystyle 1}
实数 。
最简单的说，指数函数按恒定速率翻倍。例如细菌培养时细菌总数（近似的）每三个小时翻倍，和汽车的价值每年减少10%都可以被表示为一个指数。特别是复利 ，事实上就是它导致了雅各布·伯努利 在1683年介入了现在叫做
e
{\displaystyle e}
[ 1]
lim
n
→
∞
(
1
+
1
n
)
n
{\displaystyle \lim _{n\to \infty }\left(1+{\frac {1}{n}}\right)^{n}}
后来约翰·伯努利 在1697年研究了指数函数的微积分。[ 1]
设1份借贷有
x
{\displaystyle x}
x
12
{\textstyle {\frac {x}{12}}}
(
1
+
x
12
)
{\textstyle (1+{\frac {x}{12}})}
(
1
+
x
12
)
12
{\textstyle (1+{\frac {x}{12}})^{12}}
(
1
+
x
365
)
365
{\textstyle (1+{\frac {x}{365}})^{365}}
[ 2] 欧拉 提出[ 3]
exp
(
x
)
=
lim
n
→
∞
(
1
+
x
n
)
n
{\displaystyle \exp(x)=\lim _{n\to \infty }\left(1+{\frac {x}{n}}\right)^{n}}
指数函数有基本的指数恒等式，
exp
(
x
+
y
)
=
exp
(
x
)
⋅
exp
(
y
)
{\displaystyle \exp(x+y)=\exp(x)\cdot \exp(y)}
这是它写为
e
x
{\displaystyle e^{x}}
[ 4]
在雅各布·伯努利 之前，约翰·纳皮尔 在1614年[ 5] 约斯特·比尔吉 在6年后[ 6] 对数表 ，当时通过对接近1的底数的大量乘幂 运算，来找到指定范围和精度的对数 和所对应的真数，当时还没出现有理数幂的概念，直到1742年威廉·琼斯 才发表了现在的幂指数概念[ 7] 约翰·纳皮尔 的底数0.999999910000000 相当接近
1
e
{\textstyle {\frac {1}{e}}}
[ 8] 约斯特·比尔吉 的底数1.000110000 相当接近自然对数 的底数
e
{\displaystyle e}
约翰·纳皮尔 用了20年时间进行相当于数百万次乘法的计算，亨利·布里格斯 [ 9] 常用对数 表的编制。
指数函数（蓝色），幂级数的前n +1项的和（红色）。 指数函数
e
x
{\displaystyle e^{x}}
等价 的方式定义。特别是它可以定义为幂级数 ：
e
x
=
1
+
∑
n
=
1
∞
x
n
n
!
=
1
+
x
+
x
2
2
!
+
x
3
3
!
+
x
4
4
!
+
⋯
{\displaystyle e^{x}=1+\sum _{n=1}^{\infty }{x^{n} \over n!}=1+x+{x^{2} \over 2!}+{x^{3} \over 3!}+{x^{4} \over 4!}+\cdots }
或序列的极限 ：
e
x
=
lim
n
→
∞
(
1
+
x
n
)
n
.
{\displaystyle e^{x}=\lim _{n\to \infty }\left(1+{x \over n}\right)^{n}.}
在这些定义中，
n
!
{\displaystyle n!}
n
{\displaystyle n}
阶乘 ，而
x
{\displaystyle x}
实数 、复数 、和巴拿赫代数 的元素。
设
x
≥
0
{\displaystyle x\geq 0}
t
n
=
(
1
+
x
n
)
n
,
s
n
=
∑
k
=
0
n
x
k
k
!
.
{\displaystyle t_{n}=\left(1+{\frac {x}{n}}\right)^{n},\ s_{n}=\sum _{k=0}^{n}{\frac {x^{k}}{k!}}.}
据二项式定理 ，
t
n
=
∑
k
=
0
n
(
n
k
)
x
k
n
k
=
1
+
x
+
∑
k
=
2
n
n
(
n
−
1
)
(
n
−
2
)
⋯
[
n
−
(
k
−
1
)
]
x
k
k
!
n
k
=
1
+
x
+
x
2
2
!
(
1
−
1
n
)
+
x
3
3
!
(
1
−
1
n
)
(
1
−
2
n
)
+
⋯
⋯
+
x
n
n
!
(
1
−
1
n
)
⋯
(
1
−
n
−
1
n
)
≤
s
n
{\displaystyle {\begin{aligned}t_{n}&=\sum _{k=0}^{n}{n \choose k}{\frac {x^{k}}{n^{k}}}=1+x+\sum _{k=2}^{n}{\frac {n(n-1)(n-2)\cdots [n-(k-1)]x^{k}}{k!\,n^{k}}}\\[8pt]&=1+x+{\frac {x^{2}}{2!}}\left(1-{\frac {1}{n}}\right)+{\frac {x^{3}}{3!}}\left(1-{\frac {1}{n}}\right)\left(1-{\frac {2}{n}}\right)+\cdots \\[8pt]&{}\qquad \cdots +{\frac {x^{n}}{n!}}\left(1-{\frac {1}{n}}\right)\cdots \left(1-{\frac {n-1}{n}}\right)\leq s_{n}\end{aligned}}}
（设
x
≥
0
{\displaystyle x\geq 0}
lim sup
n
→
∞
t
n
≤
lim sup
n
→
∞
s
n
=
e
x
{\displaystyle \limsup _{n\to \infty }t_{n}\leq \limsup _{n\to \infty }s_{n}=e^{x}}
可证明当
n
{\displaystyle n}
指数函数的特征描述
y
=
b
x
{\displaystyle y=b^{x}}
e
{\displaystyle e}
1
2
{\displaystyle {\frac {1}{2}}}
从指数函数的定义：
e
x
=
lim
n
→
∞
(
1
+
x
n
)
n
{\displaystyle e^{x}=\lim _{n\to \infty }\left(1+{\frac {x}{n}}\right)^{n}}
可得出它有幂 运算的“指数定律”：
e
0
=
1
{\displaystyle \!\,e^{0}=1}
e
1
=
e
{\displaystyle \!\,e^{1}=e}
e
x
+
y
=
e
x
e
y
{\displaystyle \!\,e^{x+y}=e^{x}e^{y}}
e
x
y
=
(
e
x
)
y
{\displaystyle \!\,e^{xy}=\left(e^{x}\right)^{y}}
e
−
x
=
1
e
x
{\displaystyle \!\,e^{-x}={1 \over e^{x}}}
它们对所有实数
x
{\displaystyle x}
y
{\displaystyle y}
因为在指数函数的定义中
x
{\displaystyle x}
实数 ，可以使用自然对数 ，把更一般的指数函数，即正实数的实数幂 函数定义为
b
x
=
(
e
ln
b
)
x
=
e
x
ln
b
.
{\displaystyle \!\,b^{x}=(e^{\ln b})^{x}=e^{x\ln b}.}
定义于所有的
b
>
0
{\displaystyle b>0}
实数
x
{\displaystyle x}
b
{\displaystyle b}
乘方 和方根 运算定义的正实数的有理数 幂函数：
b
m
n
=
b
m
n
.
{\displaystyle b^{\frac {m}{n}}={\sqrt[{n}]{b^{m}}}.}
而方根运算可通过自然对数和指数函数来表示（单位根 ）
x
n
=
x
1
n
=
e
ln
x
n
.
{\displaystyle {\sqrt[{n}]{x}}=x^{\frac {1}{n}}=e^{\frac {\ln x}{n}}.}
介入数
e
{\displaystyle e}
微积分 中，是通过指数函数和对数 来进行导数 和积分 运算。[ 10]
y
=
b
x
{\displaystyle y=b^{x}}
极限 形式的导数:
d
d
x
b
x
=
lim
h
→
0
b
x
+
h
−
b
x
h
=
lim
h
→
0
b
x
b
h
−
b
x
h
=
b
x
(
lim
h
→
0
b
h
−
1
h
)
.
{\displaystyle {\frac {d}{dx}}b^{x}=\lim _{h\to 0}{\frac {b^{x+h}-b^{x}}{h}}=\lim _{h\to 0}{\frac {b^{x}b^{h}-b^{x}}{h}}=b^{x}\left(\lim _{h\to 0}{\frac {b^{h}-1}{h}}\right).}
最右端的极限无关于变量
x
{\displaystyle x}
b
{\displaystyle b}
[ 11] 链式法则 ：
d
d
x
(
1
+
x
n
)
n
=
(
1
+
x
n
)
n
−
1
.
{\displaystyle {\frac {d}{dx}}\left(1+{\frac {x}{n}}\right)^{n}=\left(1+{\frac {x}{n}}\right)^{n-1}.}
当这个底数是
e
{\displaystyle e}
[ 4] [ 12]
d
d
x
e
x
=
e
x
.
{\displaystyle {\frac {d}{dx}}e^{x}=e^{x}.}
指数函数的导数等于这个函数的值。从在蓝色曲线上任意一点
P
{\displaystyle P}
h
{\displaystyle h}
x
{\displaystyle x}
b
{\displaystyle b}
P
{\displaystyle P}
h
{\displaystyle h}
h
{\displaystyle h}
b
{\displaystyle b}
b
{\displaystyle b}
1
{\displaystyle 1}
指数函数在数学和科学中的重要性主要源于它的导函数 的性质。特别是
d
d
x
e
x
=
e
x
{\displaystyle {d \over dx}e^{x}=e^{x}}
就是说，
e
x
{\displaystyle e^{x}}
导函数 。这可以用泰勒级数 证明：
d
d
x
e
x
=
d
d
x
(
1
+
∑
n
=
1
∞
x
n
n
!
)
=
∑
n
=
1
∞
n
x
n
−
1
n
!
=
∑
n
=
1
∞
x
n
−
1
(
n
−
1
)
!
=
∑
k
=
0
∞
x
k
k
!
,
where
k
=
n
−
1
=
e
x
{\displaystyle {\begin{aligned}{\frac {d}{dx}}e^{x}&={\frac {d}{dx}}\left(1+\sum _{n=1}^{\infty }{\frac {x^{n}}{n!}}\right)=\sum _{n=1}^{\infty }{\frac {nx^{n-1}}{n!}}=\sum _{n=1}^{\infty }{\frac {x^{n-1}}{(n-1)!}}\\[6pt]&=\sum _{k=0}^{\infty }{\frac {x^{k}}{k!}},{\text{ where }}k=n-1\\[6pt]&=e^{x}\end{aligned}}}
对于常数
K
{\displaystyle K}
K
e
x
{\displaystyle Ke^{x}}
皮卡-林德洛夫定理 [ 13]
函数的图像的在任何一点上的斜率是这个函数在这一点上的高度。
函数在
x
{\displaystyle x}
x
{\displaystyle x}
这个函数是微分方程
y
′
=
y
{\displaystyle y'=y}
exp是泛函导数 的不动点 。 事实上，很多不同的方程引发指数函数，包括薛定谔方程 和拉普拉斯方程 和简单谐波运动 的方程。
对于有其他底数的指数函数：
d
d
x
b
x
=
(
ln
b
)
b
x
{\displaystyle {d \over dx}b^{x}=(\ln b)b^{x}}
所以任何指数函数都是它自己导数的常数 倍。
如果一个变量的增长或衰减速率是与它的大小成比例 的，比如在无限制情况下的人口增长、复利 和放射性衰变 ，则这个变量可以写为常数倍的时间的指数函数。
进一步的，对任何可微函数
f
(
x
)
{\displaystyle f(x)}
链式法则 找到：
d
d
x
e
f
(
x
)
=
f
′
(
x
)
e
f
(
x
)
{\displaystyle {d \over dx}e^{f(x)}=f'(x)e^{f(x)}}
e x 通过欧拉连分数公式 得到
e
x
{\displaystyle e^{x}}
连分数 ：
e
x
=
1
+
x
1
−
x
x
+
2
−
2
x
x
+
3
−
3
x
x
+
4
−
⋱
{\displaystyle e^{x}=1+{\cfrac {x}{1-{\cfrac {x}{x+2-{\cfrac {2x}{x+3-{\cfrac {3x}{x+4-\ddots }}}}}}}}}
e
z
{\displaystyle e^{z}}
广义连分数 收敛更快速:[ 14]
e
z
=
1
+
2
z
2
−
z
+
z
2
6
+
z
2
10
+
z
2
14
+
⋱
{\displaystyle e^{z}=1+{\cfrac {2z}{2-z+{\cfrac {z^{2}}{6+{\cfrac {z^{2}}{10+{\cfrac {z^{2}}{14+\ddots }}}}}}}}}
或者，替换
z
=
x
y
{\displaystyle z={\frac {x}{y}}}
e
x
y
=
1
+
2
x
2
y
−
x
+
x
2
6
y
+
x
2
10
y
+
x
2
14
y
+
⋱
{\displaystyle e^{\frac {x}{y}}=1+{\cfrac {2x}{2y-x+{\cfrac {x^{2}}{6y+{\cfrac {x^{2}}{10y+{\cfrac {x^{2}}{14y+\ddots }}}}}}}}}
有特殊情况
z
=
2
{\displaystyle z=2}
e
2
=
1
+
4
0
+
2
2
6
+
2
2
10
+
2
2
14
+
⋱
=
7
+
2
5
+
1
7
+
1
9
+
1
11
+
⋱
{\displaystyle e^{2}=1+{\cfrac {4}{0+{\cfrac {2^{2}}{6+{\cfrac {2^{2}}{10+{\cfrac {2^{2}}{14+\ddots \,}}}}}}}}=7+{\cfrac {2}{5+{\cfrac {1}{7+{\cfrac {1}{9+{\cfrac {1}{11+\ddots \,}}}}}}}}}
指数函数
e
z
{\displaystyle e^{z}}
(
1
+
z
n
)
n
{\displaystyle (1+{\frac {z}{n}})^{n}}
n
{\displaystyle n}
极限 。在本动画中，
z
=
i
π
3
{\displaystyle z={\frac {i\pi }{3}}}
n
{\displaystyle n}
(
1
+
z
n
)
n
{\displaystyle (1+{\frac {z}{n}})^{n}}
复平面 上
n
{\displaystyle n}
n
{\displaystyle n}
单位圆 ，覆及
π
3
{\displaystyle {\frac {\pi }{3}}}
如同在实数 情况下，在复平面 的指数函数可以用多种等价方式定义。比如幂级数形式的:
e
z
=
∑
n
=
0
∞
z
n
n
!
{\displaystyle e^{z}=\sum _{n=0}^{\infty }{\frac {z^{n}}{n!}}}
或者序列的极限 ：
e
z
=
lim
n
→
∞
(
1
+
z
n
)
n
{\displaystyle e^{z}=\lim _{n\rightarrow \infty }\left(1+{\frac {z}{n}}\right)^{n}}
它带有虚数 周期
2
π
i
{\displaystyle 2\pi i}
[ prove 1]
e
a
+
b
i
=
e
a
(
cos
b
+
i
sin
b
)
{\displaystyle \!\,e^{a+bi}=e^{a}(\cos b+i\sin b)}
这里的
a
{\displaystyle a}
b
{\displaystyle b}
欧拉公式 ，这个公式把指数函数和三角函数 与指数函数联系起来。
在考虑定义在复平面 上的函数的时候，指数函数拥有重要的性质
e
z
+
w
=
e
z
e
w
{\displaystyle \!\,e^{z+w}=e^{z}e^{w}}
e
0
=
1
{\displaystyle \!\,e^{0}=1}
e
z
≠
0
{\displaystyle \!\,e^{z}\neq 0}
d
d
z
e
z
=
e
z
{\displaystyle \!\,{d \over dz}e^{z}=e^{z}}
(
e
z
)
n
=
e
n
z
,
n
∈
Z
{\displaystyle \,(e^{z})^{n}=e^{nz},n\in \mathbb {Z} }
对于所有的
z
{\displaystyle z}
w
{\displaystyle w}
它是周期的全纯函数 。我们看到除了多项式 的所有初等函数 都以某种方式起源于指数函数。
扩展自然对数 到复平面上的多值函数
ln
z
{\displaystyle \ln z}
z
w
=
e
w
ln
z
{\displaystyle \!\,z^{w}=e^{w\ln z}}
对于所有复数
z
{\displaystyle z}
w
{\displaystyle w}
z
{\displaystyle z}
(
e
z
)
w
≠
e
z
w
{\displaystyle (e^{z})^{w}\neq e^{zw}}
(
e
z
)
w
=
e
(
z
+
2
π
i
n
)
w
{\displaystyle (e^{z})^{w}=e^{(z+2\pi in)w}\,}
n 之上。指数函数把在复平面上任何直线 映射到在复平面中以原点 为中心的对数螺线 。要注意两个特殊情况：当最初的线平行于实轴的时候，结果的螺线永不遮盖（close in on）自身；当最初的线平行于虚轴的时候，结果的螺线是某个半径的圆。
在复平面上指数函数（主支）
z = Re(e x +iy
z = Im(e x +iy
上面给出的指数函数的定义可以用于所有巴拿赫代数 ，特别是对于方块矩阵 （在这种情况函数叫做矩阵指数 ）。在这种情况下我们有
e
x
+
y
=
e
x
e
y
if
x
y
=
y
x
{\displaystyle \ e^{x+y}=e^{x}e^{y}{\mbox{ if }}xy=yx}
e
0
=
1
{\displaystyle \ e^{0}=1}
e
x
{\displaystyle \ e^{x}}
e
−
x
{\displaystyle \ e^{-x}}
e
x
{\displaystyle \ e^{x}}
x
{\displaystyle \ x}
u
{\displaystyle \ u}
u
e
x
{\displaystyle \ ue^{x}}
在非交换巴拿赫代数的上下文中，比如矩阵代数或在巴拿赫空间 或希尔伯特空间 上的算子，指数函数经常被认做实数参数的函数：
f
(
t
)
=
e
t
A
{\displaystyle \ f(t)=e^{tA}}
这里的A 是这个代数的固定元素而t 是任何实数。这个函数有重要的性质
f
(
s
+
t
)
=
f
(
s
)
f
(
t
)
{\displaystyle \ f(s+t)=f(s)f(t)}
f
(
0
)
=
1
{\displaystyle \ f(0)=1}
f
′
(
t
)
=
A
f
(
t
)
{\displaystyle \ f'(t)=Af(t)}
从李代数 到李群 的“指数映射”有着上述性质。事实上因为R 是带有乘法的所有正实数的李群的李代数，实数参数的常规指数函数是李代数下的特殊情况。类似的，因为所有方块实数矩阵的李代数M (n , R )属于所有正可逆方块矩阵的李群，方块矩阵的指数函数是李代数指数映射 的特殊情况。
^ 1.0 1.1 John J O'Connor; Edmund F Robertson. The number e . School of Mathematics and Statistics. University of St Andrews, Scotland. [2011-06-13 ] . （原始内容存档 于2015-09-08）. ^ 假定利率为100%，借期1年本息合为200%，利息平均每月约8.3%。按复利可以只借1个月，1个月未能还款，本息合计为借款，如此1年下来本息合计约为261.3%。如果借贷者能在1个月内归还，则不需要付1整年的利息，放贷者快速收回资金可以借给他人；拖到1年归还，放贷者得到比正常放贷1年要高的利息；1年后按复利计算本息快速增长，借贷者可能就还不起了，而放贷者获得抵押品。甚至可以逐日借款，这样1年的收益高于261.3%，但增大不多，而借贷者可以更快还清少付利息，e 就是设立更小还款时限增加获利，能达到的1年极限收益，即约为 271.8%。应区分抵押贷款 和高利贷 。
^ Eli Maor , e: the Story of a Number , p.156.^ 4.0 4.1
lim
n
→
∞
(
1
+
x
n
)
n
=
lim
n
→
∞
(
(
1
+
1
n
)
n
)
x
{\displaystyle \lim _{n\to \infty }\left(1+{\frac {x}{n}}\right)^{n}=\lim _{n\to \infty }\left(\left(1+{\frac {1}{n}}\right)^{n}\right)^{x}}
^ Ernest William Hobson, John Napier and the invention of logarithms, 1614 , Cambridge: The University Press, 1914 ^ Boyer, Carl B. , 14, section "Jobst Bürgi" , A History of Mathematics, New York: John Wiley & Sons , 1991, ISBN 978-0-471-54397-8 ^
(
1
+
1
n
)
x
=
(
(
1
+
1
n
)
n
)
x
n
{\displaystyle \left(1+{\frac {1}{n}}\right)^{x}=\left(\left(1+{\frac {1}{n}}\right)^{n}\right)^{\frac {x}{n}}}
^ 选取接近e的底数b，对数表涉及的bx 为单调增函数，定义域为0到1而值域为1到b；选取接近1/e的底数b，对数表涉及的bx 为单调减函数，定义域为0到∞而值域为1到0。
^ 以
10
1
2
54
{\displaystyle 10^{\frac {1}{2^{54}}}}
^ Kline, M. (1998) Calculus: An intuitive and physical approach , section 12.3 "The Derived Functions of Logarithmic Functions." （页面存档备份 ，存于互联网档案馆 ）, pp. 337 ff, Courier Dover Publications, 1998, ISBN 0-486-40453-6
^
lim
h
→
0
(
b
h
−
1
)
1
h
=
lim
1
n
→
0
(
b
1
n
−
1
)
n
=
lim
n
→
∞
n
(
b
1
/
n
−
1
)
=
ln
(
b
)
.
{\displaystyle {\begin{aligned}\lim _{h\to 0}\left(b^{h}-1\right){\frac {1}{h}}&=\lim _{{\frac {1}{n}}\to 0}\left(b^{\frac {1}{n}}-1\right)n\\&=\lim _{n\rightarrow \infty }n(b^{1/n}-1)\\&=\ln(b).\\\end{aligned}}}
自然对数 定义为欧拉 提出，是他定义的指数函数的逆函数 。
^
d
d
x
(
1
+
x
n
)
n
=
n
n
+
x
(
1
+
x
n
)
n
.
{\displaystyle {\frac {d}{dx}}\left(1+{\frac {x}{n}}\right)^{n}={\frac {n}{n+x}}\left(1+{\frac {x}{n}}\right)^{n}.}
^ 通过
y
(
t
)
=
e
t
,
y
(
0
)
=
K
{\displaystyle y(t)=e^{t},y(0)=K}
f
(
t
,
y
(
t
)
)
=
y
(
t
)
{\displaystyle f(t,y(t))=y(t)}
^ " A.2.2 The exponential function." L. Lorentzen and H. Waadeland, Continued Fractions , Atlantis Studies in Mathematics, page 268. [2014-03-11 ] . （原始内容存档 于2021-03-08）.
![{\displaystyle {\begin{aligned}t_{n}&=\sum _{k=0}^{n}{n \choose k}{\frac {x^{k}}{n^{k}}}=1+x+\sum _{k=2}^{n}{\frac {n(n-1)(n-2)\cdots [n-(k-1)]x^{k}}{k!\,n^{k}}}\\[8pt]&=1+x+{\frac {x^{2}}{2!}}\left(1-{\frac {1}{n}}\right)+{\frac {x^{3}}{3!}}\left(1-{\frac {1}{n}}\right)\left(1-{\frac {2}{n}}\right)+\cdots \\[8pt]&{}\qquad \cdots +{\frac {x^{n}}{n!}}\left(1-{\frac {1}{n}}\right)\cdots \left(1-{\frac {n-1}{n}}\right)\leq s_{n}\end{aligned}}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/8451a7eb4b301928aa74f4e3565fc942cf9d6c34)
![{\displaystyle b^{\frac {m}{n}}={\sqrt[{n}]{b^{m}}}.}](https://wikimedia.org/api/rest_v1/media/math/render/svg/98b6ed2731781cb0d0d02467b366f6939c9e7592)
![{\displaystyle {\sqrt[{n}]{x}}=x^{\frac {1}{n}}=e^{\frac {\ln x}{n}}.}](https://wikimedia.org/api/rest_v1/media/math/render/svg/291bce0c414e382cbcaaaafce18d5a3726d12099)
![{\displaystyle {\begin{aligned}{\frac {d}{dx}}e^{x}&={\frac {d}{dx}}\left(1+\sum _{n=1}^{\infty }{\frac {x^{n}}{n!}}\right)=\sum _{n=1}^{\infty }{\frac {nx^{n-1}}{n!}}=\sum _{n=1}^{\infty }{\frac {x^{n-1}}{(n-1)!}}\\[6pt]&=\sum _{k=0}^{\infty }{\frac {x^{k}}{k!}},{\text{ where }}k=n-1\\[6pt]&=e^{x}\end{aligned}}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/86128e9f129e565851026aed221433047fea96c7)
z = Re(ex+iy)
z = Im(ex+iy)
