M1 复习笔记：指数与对数函数
您好！欢迎来到 M1 最强大的课题之一——指数与对数函数。别担心这些名字听起来有点吓人，它们只是一些特殊的函数，却能非常出色地描述增长或缩减得极其快速的事物。
想想看一段爆红视频是如何传播的、你的银行存款是如何增长的、或是科学家如何测量古老化石的年龄。所有这些现实生活情境都运用了我们即将学习的概念。在本章中，我们将探索神奇的数字 “e”，理解其函数 \(y = e^x\)，认识其逆函数伙伴 \(y = \ln x\)，并学习如何运用它们来解决实际问题。
让我们一步一步来。你一定做得到！
1. 神奇的数字“e”
你听过 \(\pi\)（圆周率）吧？嗯，“e”是另一个非常重要的数学常数。它是一个无理数，这意味着它的小数点后的数字无限延伸且不循环。
e 的数值： \(e \approx 2.71828...\)
但它从何而来呢？它是由一个无穷级数严谨定义的。这可能看起来有点复杂，但它只是计算“e”的一种特殊方法。
\(e^x\) 的指数级数是：
\(e^x = 1 + x + \frac{x^2}{2!} + \frac{x^3}{3!} + \frac{x^4}{4!} + \dots\)
（记住，\(n!\) 意思是“n 阶乘”，例如 \(3! = 3 \times 2 \times 1 = 6\)）
要找出“e”本身的数值，我们只需将 \(x=1\) 代入这个级数：
\(e^1 = e = 1 + 1 + \frac{1^2}{2!} + \frac{1^3}{3!} + \frac{1^4}{4!} + \dots = 1 + 1 + \frac{1}{2} + \frac{1}{6} + \frac{1}{24} + \dots \approx 2.71828\)
你知道吗？
数字“e”与连续增长息息相关。它自然地出现在金融中，用于计算连续复利；在生物学中，用于人口增长模型；以及在物理学中，用于放射性衰变。它有时也被称为欧拉数，以瑞士数学家莱昂哈德·欧拉（Leonhard Euler）的名字命名。
重点归纳
“e”是一个特殊的常数，约等于 2.718。它是所有与自然增长和衰变相关事物的基石，并由指数级数定义。
2. 自然指数函数：\(y = e^x\)
这是重头戏！函数 \(f(x) = e^x\) 是模拟快速增长的“基础”函数。
\(y = e^x\) 的图像与主要特征：
穿过 (0, 1) 点： 任何数的 0 次方都是 1，所以 \(e^0 = 1\)。
恒为正数： 图像总是位于 x 轴上方。你无法将“e”取一个次方后得到负数或零。
水平渐近线： 当 \(x\) 变得非常负（例如 -100, -1000）时，\(e^x\) 会无限趋近于 0，但永不触及。我们称 x 轴（直线 \(y=0\)）是一条水平渐近线。
快速增长： 随着 \(x\) 的增加，\(y\) 的数值增长得极快。这就是“指数增长”的意思！
比喻：想象一个雪球从山上滚下来。它开始很小，但随着滚动，它吸收更多的雪，速度越来越快。这就是指数增长！
重点归纳
函数 \(y=e^x\) 模拟自然增长。它的图像从接近零开始，穿过 (0, 1) 点，然后极速向上飙升。
3. 自然对数函数：\(y = \ln x\)
每个主角都有个伙伴，而对于 \(e^x\) 来说，那个伙伴就是自然对数，写作 \(\ln x\)。
\(\ln x\) 是什么意思？ 它是 \(e^x\) 的“复原”按钮。
\(\ln(a)\) 问的问题是：“我需要将 'e' 提升到哪个次方才能得到 'a'？”
例子：
\(\ln(e) = 1\)，因为 \(e^1 = e\)。
\(\ln(1) = 0\)，因为 \(e^0 = 1\)。
\(\ln(e^5) = 5\)，因为你需要将 'e' 提升的次方是 5。
函数 \(y = e^x\) 和 \(y = \ln x\) 是逆函数。这意味着它们互相抵消。
\(\ln(e^x) = x\)
\(e^{\ln x} = x\)
\(y = \ln x\) 的图像与主要特征：
穿过 (1, 0) 点： 正如我们所见，\(\ln(1) = 0\)。
只适用于正数 x： 你不能取负数或零的对数。定义域是 \(x > 0\)。
垂直渐近线： 当 \(x\) 从正方向非常接近 0 时，\(\ln x\) 会变成一个非常大的负数。y 轴（直线 \(x=0\)）是一条垂直渐近线。
缓慢增长： 图像会增加，但比指数函数慢得多。
对称性： 函数 \(y=\ln x\) 的图像是在直线 \(y=x\) 上与 \(y=e^x\) 的图像完美地互相对称。
重点归纳
函数 \(y=\ln x\) 是 \(y=e^x\) 的逆函数。它只对正数 x 有定义，穿过 (1, 0) 点，并且缓慢增长。
4. 解指数和对数方程
为了解决问题，我们需要熟悉规则以及如何重新排列方程。别担心，这一切都关乎于运用逆关系和一些基本的对数定律。
快速回顾：对数定律
这些定律适用于任何底数，但我们会将它们应用于“ln”。
乘法定律： \(\ln(ab) = \ln(a) + \ln(b)\)
除法定律： \(\ln\left(\frac{a}{b}\right) = \ln(a) - \ln(b)\)
幂定律： \(\ln(a^n) = n \ln(a)\)
解方程的分步指南：
情况一：解指数方程（未知数在指数位置）
例子：解 \(e^{2x} = 5\) 中的 x
1. 将指数项独立出来。（此处已完成）。
2. 对两边取自然对数（ln）。这是“将指数移下来”的关键步骤。
\(\ln(e^{2x}) = \ln(5)\)
3. 使用逆性质 \(\ln(e^{\text{东西}}) = \text{东西}\)。
\(2x = \ln(5)\)
4. 解出 x。
\(x = \frac{\ln(5)}{2} \approx \frac{1.6094}{2} \approx 0.805\)
情况二：解对数方程（未知数在对数里面）
例子：解 \(\ln(x-3) = 2\) 中的 x
1. 将对数项独立出来。（已完成）。
2. 对两边取指数运算（将两边都作为 'e' 的次方）。这是 ln 的“复原”步骤。
\(e^{\ln(x-3)} = e^2\)
3. 使用逆性质 \(e^{\ln(\text{东西})} = \text{东西}\)。
\(x-3 = e^2\)
4. 解出 x。
\(x = e^2 + 3 \approx 7.389 + 3 \approx 10.389\)
常见错误警示！
永远记住，你只能取正数的对数。解完对数方程后，你应该验算你的答案，将其代回原方程，以确保 'ln' 内的项是正数。在上面的例子中，\(x \approx 10.389\)，所以 \(x-3 \approx 7.389\)，这是正数。因此，该解是有效的！
5. 现实世界应用
这就是融会贯通之处！这些函数用于模拟许多现实生活情境。
A. 人口增长
不受限制的族群通常呈指数级增长。
公式： \(P(t) = P_0 e^{kt}\)
\(P(t)\) 是在时间 \(t\) 时的人口。
\(P_0\) 是初始人口（在 \(t=0\) 时）。
\(k\) 是相对增长率（一个正常数）。
\(t\) 是时间。
例子：一个细菌培养物最初有 500 个细菌。3 小时后，有 8000 个细菌。找出 4 小时后的细菌数量。
首先，找出 k。我们有 \(P_0=500\)，\(t=3\)，\(P(3)=8000\)。
\(8000 = 500 e^{k(3)}\)
\(16 = e^{3k}\)
\(\ln(16) = \ln(e^{3k})\)
\(\ln(16) = 3k \implies k = \frac{\ln(16)}{3} \approx 0.924\)
现在，找出 P(4)：
\(P(4) = 500 e^{0.924 \times 4} \approx 500 e^{3.696} \approx 20153\) 个细菌。
B. 放射性衰变
放射性物质会随时间呈指数衰变。
公式： \(A(t) = A_0 e^{-kt}\)
\(A(t)\) 是在时间 \(t\) 时剩余的量。
\(A_0\) 是初始量。
\(k\) 是衰变常数（一个正常数）。请注意指数中的负号，它导致衰变！
\(t\) 是时间。
C. 连续复利
这是储蓄的终极目标！这表示利息每年被计算并无限次数地加入本金。
公式： \(A = P e^{rt}\)
\(A\) 是最终金额。
\(P\) 是本金（初始金额）。
\(r\) 是年利率（以小数形式表示）。
\(t\) 是年数。
6. 线性化：将曲线变为直线
有时在实验中，我们收集的数据看起来像是遵循指数曲线，例如 \(y=ka^x\)。但单从曲线观察很难确定。判断点是否在一条直线上容易得多！
线性化是一种巧妙地利用对数的技巧，将曲线转换成直线。直线的方程是 \(Y = mX + C\)，其中 \(m\) 是斜率，\(C\) 是 Y 截距。
情况一：转换 \(y = ka^x\)
此模型在生物学和金融学中很常见。
1. 从方程开始： \(y = ka^x\)
2. 对两边取自然对数： \(\ln(y) = \ln(ka^x)\)
3. 使用对数的乘法定律： \(\ln(y) = \ln(k) + \ln(a^x)\)
4. 使用对数的幂定律： \(\ln(y) = \ln(k) + x \ln(a)\)
5. 重新排列以符合 \(Y = mX + C\) 的形式：
\(\ln(y) = (\ln a)x + \ln(k)\)
现在，将其与 \(Y=mX+C\) 比较：
新的 Y 轴是 \(\ln(y)\)。
新的 X 轴只是 \(x\)。
斜率 (m) 是 \(\ln(a)\)。
Y 截距 (C) 是 \(\ln(k)\)。
因此，如果你绘制 \(\ln(y)\) 对 \(x\) 的图，你应该会得到一条直线！从图中，你可以找到斜率和截距，并使用它们来计算原始常数 \(a\) 和 \(k\)。
\(a = e^{\text{斜率}}\) 且 \(k = e^{\text{y-截距}}\)
情况二：转换 \(y = k[f(x)]^n\) (例如：\(y = kx^n\))
这是一个幂律模型，在物理学和工程学中很常见。
1. 从方程开始： \(y = kx^n\) (此处，\(f(x)=x\))
2. 对两边取自然对数： \(\ln(y) = \ln(kx^n)\)
3. 使用乘法定律： \(\ln(y) = \ln(k) + \ln(x^n)\)
4. 使用幂定律：
\(\ln(y) = n \ln(x) + \ln(k)\)
将其与 \(Y=mX+C\) 比较：
新的 Y 轴是 \(\ln(y)\)。
新的 X 轴是 \(\ln(x)\)。
斜率 (m) 是 \(n\)。
Y 截距 (C) 是 \(\ln(k)\)。
因此，如果你绘制 \(\ln(y)\) 对 \(\ln(x)\) 的图，你会得到一条直线。这条直线的斜率就是常数 \(n\)，而从 y 截距，你可以使用 \(k = e^{\text{y-截距}}\) 来找出 \(k\)。
重点归纳
线性化利用对数将指数或幂律关系转换为直线。通过绘制正确的变量（例如 \(\ln y\) 对 \(x\)），我们可以从所得直线的斜率和 y 截距中找出未知常数。
关于指数函数和对数函数的内容讲解至此！我们从 'e' 的定义开始，一直学到如何利用它的特性来建立模型并分析数据。多加练习解方程和线性化的技巧，你会发现这些函数是你的朋友，而非敌人。祝你学习愉快！