欢迎来到指数与对数的世界！
在本章中，我们将探讨数学中最重要的两个工具。指数 (Exponentials) 用于描述增长或缩减速度极快的现象——例如一段病毒式传播的视频，或是赚取利息的银行存款余额。对数 (Logarithms) 则是指数的“撤销”按钮。如果指数像是火箭升空，对数就是那张告诉我们火箭确切飞到了多高、以及花了多少时间才到达那里的导航地图！
如果起初觉得这些概念有点抽象，请不用担心。读完这些笔记后，你会发现对数其实只是你已经熟悉并掌握的幂（指数）的另一种书写方式。
1. 指数函数：\(a^x\) 与 \(e^x\)
指数函数是指变量 \(x\) 位于幂次（指数）位置的函数。其基本形式为 \(y = a^x\)，其中 \(a\) 为正数。
\(y = a^x\) 的图像
想象你有一个单细胞，每小时分裂成两个。1 小时后你有 2 个细胞，2 小时后有 4 个，接着是 8、16，以此类推。这就是 \(y = 2^x\)。
- 形状： 这些图形在左侧趋于平坦，而在右侧几乎呈垂直状急剧上升。
- 截距： 它们总是经过 (0, 1) 点，因为任何数的 0 次方都等于 1。
- 渐近线： 图形会越来越靠近 x 轴 (\(y = 0\))，但永远不会真正触碰到它。
特殊的数 \(e\)
在 A Level 数学中，我们会用到一个非常特殊的数，称为 \(e\)（约等于 2.718）。它被称为欧拉数 (Euler's number)。为什么它很特别？因为函数 \(y = e^x\) 是唯一一个其斜率（导数）等于其自身的函数！如果你有一条斜率为 \(e^x\) 的曲线，那么在任何一点上的陡峭程度，都与该点的高度完全相同。
小贴士： 如果你看到 \(e^{kx}\)，其斜率就是 \(ke^{kx}\)。这使得它非常适合用来模拟现实世界中与自身规模成正比的增长现象，例如人口或细菌繁殖。
重点复习：
- \(a^x\) 的图形总是通过 (0, 1)。
- \(e^x\) 是用于描述增长与衰减的“自然”指数。
2. 对数简介
对数 (Logarithm) 简单来说就是指数的逆运算。如果指数是在问“\(2^3\) 是多少？”，那么对数就是在问“2 的多少次方等于 8？”。
定义
若 \(y = a^x\)，则 \(\log_a y = x\)。
你可以把它想象成一个循环：底数 \(a\) 的 \(x\) 次方等于 \(y\)。
自然对数：\(\ln x\)
就像 \(e\) 是一个特殊的底数一样，我们也为它设定了一个特殊的对数。我们将 \(\log_e x\) 写作 \(\ln x\)，这称为“自然对数”。由于它们互为逆运算，因此可以互相“抵消”：
- \(\ln(e^x) = x\)
- \(e^{\ln x} = x\)
\(\ln x\) 的图像
\(y = \ln x\) 的图形是 \(y = e^x\) 沿着 \(y = x\) 这条直线反射而成的。它经过 (1, 0)，且只对 \(x\) 的正值 (\(x > 0\)) 有定义。
你知道吗？ 你不能对负数或零取对数。试着在计算器上按按看——它会显示错误！这是因为任何正数底数无论做几次方，都不可能得到负数的结果。
3. 对数定律
对数有三个“黄金法则”，能让处理复杂方程变得容易得多。这些在你的 Paper 1 考试中至关重要！
- 乘法法则： \(\log_a x + \log_a y \equiv \log_a(xy)\)
- 除法法则： \(\log_a x - \log_a y \equiv \log_a(\frac{x}{y})\)
- 幂次法则： \(k \log_a x \equiv \log_a(x^k)\)
类比： 把对数看作一个“简化器”。它们将乘法转化为加法，将幂运算转化为简单的乘法。这就是为什么在计算器出现之前，科学家们使用了数百年的对数表！
常见错误：
小心！\(\log(x + y)\) 并不等于 \(\log x + \log y\)。这些法则只有在将两个独立的对数项相加时才适用。
核心重点： 利用幂次法则将“悬浮”在指数位置的 \(x\) 变量降下来，这样你才能解出它。
4. 解形如 \(a^x = b\) 的方程
当你要找的 \(x\) 被困在指数位置时，我们利用对数将它降下来。以下是步骤：
范例：解 \(3^x = 20\)
- 两边取对数： \(\log(3^x) = \log(20)\)（你可以使用 10 为底的对数或 \(\ln\)）。
- 使用幂次法则： 将 \(x\) 移到前面： \(x \log 3 = \log 20\)。
- 移项求 \(x\)： \(x = \frac{\log 20}{\log 3}\)。
- 计算： \(x \approx 2.73\)。
鼓励一下： 如果方程看起来像一元二次方程，例如 \(e^{2x} - 5e^x + 6 = 0\)，试着使用变量代换，令 \(u = e^x\)。这会将令人害怕的指数方程变成简单的二次方程：\(u^2 - 5u + 6 = 0\)！
5. 建模与对数图表
在现实世界中，数据通常遵循“幂次法则”或“指数法则”。我们可以使用对数将这些弯曲的曲线转化为直线，这样分析起来就容易多了。
类型 1：\(y = ax^n\)（幂次法则）
若两边取对数：\(\log y = \log(ax^n)\)。
利用对数法则：\(\log y = n \log x + \log a\)。
这看起来就像 \(Y = mX + c\)！如果你绘制 \(\log y\) 对 \(\log x\) 的图，其斜率就是 \(n\)，截距就是 \(\log a\)。
类型 2：\(y = kb^x\)（指数法则）
取对数：\(\log y = \log(kb^x)\)。
利用对数法则：\(\log y = (\log b)x + \log k\)。
如果你绘制 \(\log y\) 对 \(x\) 的图，其斜率就是 \(\log b\)，截距就是 \(\log k\)。
重点复习表：
- 对于 \(y = ax^n\)，绘制 log 对 log 的图。
- 对于 \(y = kb^x\)，绘制 log 对 \(x\) 的图。
6. 指数增长与衰减
指数模型常用于描述随时间 (\(t\)) 变化的现象。
- 增长： \(V = Ae^{kt}\)（其中 \(k\) 为正数）。范例：利息或人口增长。
- 衰减： \(V = Ae^{-kt}\)（其中 \(k\) 为正数，因此指数为负）。范例：放射性衰变或冷却中的热茶。
现实限制： 指数模型不可能永远持续下去。兔子的数量不可能无限地指数级增长，因为最终它们会耗尽食物或空间！在考试中被问及模型的“局限性”时，一定要考虑现实环境。
核心重点： 当 \(t=0\) 时，\(e^0 = 1\)，因此初始值总是前面的常数项 \(A\)。