A-Level 数学 (9709) P3 学习笔记：对数与指数函数
欢迎来到纯数学 3 (Pure Mathematics 3) 中最强大且基础的章节之一！对数函数与指数函数（通常简称为“对数与指数”）是现实世界中模拟增长与衰减的数学工具——从复利计算、放射性衰变到人口增长与冷却速率，无处不在。
在本章中，我们将掌握支配这些函数的规则，特别关注自然底数 \(e\) 及其对应的对数 \(\ln x\)。掌握这一章至关重要，因为这些函数构成了你在 P3 后续学习（微分与积分）中绝大部分微积分运算的基础。
1. 基本关系：指数与对数
对数本质上是表达指数（或幂）的一种方式。它们回答了这样一个问题：“为了得到某个特定的数，底数需要提升到什么幂次？”
关键定义（对数转换）
如果我们有一个指数表达式：
\[\n\mathbf{a}^x = \mathbf{N}\n\]
这可以直接转换为对数表达式：
\[\n\mathbf{\log_a N = x}\n\]
其中：
- \(a\) 是底数（必须为正且 \(a \ne 1\)）。
- \(x\) 是指数或幂次（这正是对数的结果）。
- \(N\) 是真数（必须为正，即 \(N > 0\)）。
类比：把它想象成一个数学开关。如果你需要找到幂次 \(x\)，就使用“对数开关”。
对数基本恒等式复习
- 因为 \(a^1 = a\)，所以：\(\mathbf{\log_a a = 1}\)
- 因为 \(a^0 = 1\)，所以：\(\mathbf{\log_a 1 = 0}\)
核心结论：对数与指数是同一枚硬币的两面。学会熟练地在 \(a^x = N\) 和 \(\log_a N = x\) 之间进行转换。
2. 对数运算法则（运算规则）
这些法则可以帮助你简化复杂的表达式，更关键的是，它们能帮你解出未知数在指数位置上的方程。
设 \(X\) 和 \(Y\) 为正数，\(p\) 为任意实数。
法则 1：乘法法则（积的法则）
当数值相乘时，它们的对数相加：
\[\n\mathbf{\log_a (XY) = \log_a X + \log_a Y}\n\]
记忆口诀：“真数侧的乘法，在对数侧变为加法。”
法则 2：除法法则（商的法则）
当数值相除时，它们的对数相减：
\[\n\mathbf{\log_a \left(\frac{X}{Y}\right) = \log_a X - \log_a Y}\n\]
记忆口诀：“真数侧的除法，在对数侧变为减法。”
法则 3：幂法则（解方程的核心！）
真数的幂次可以移到前面作为乘数：
\[\n\mathbf{\log_a (X^p) = p \log_a X}\n\]
这是解指数方程（例如：求 \(5^x = 100\) 中的 \(x\)）最重要的规则。
需要避免的常见错误：
切勿将 \(\log_a (X+Y)\) 与 \(\log_a X + \log_a Y\) 混淆。对于对数的和（或差），没有对应的简化规则。
核心结论：当你的变量卡在指数位置时，一定要用幂法则（法则 3）！
3. 自然指数函数：\(e^x\) 与 \(\ln x\)
在 A-Level 数学中，我们主要使用一种特殊的无理数底数 \(e\)（欧拉数），约为 \(e \approx 2.71828\)。这个数对于微积分至关重要，因为 \(y = e^x\) 的导数（梯度）在任何点都等于其函数值本身。
相关函数
- 自然指数函数：\(\mathbf{y = e^x}\)
- 自然对数函数：\(\mathbf{y = \ln x}\)
这是以 \(e\) 为底的指数函数。
这是以 \(e\) 为底的对数。\(\ln x\) 是 \(\log_e x\) 的简写。
作为反函数的相互关系
由于 \(\ln x\) 只是以 \(e\) 为底的对数，因此适用反函数规则：
- \(\mathbf{e^{\ln x} = x}\)
- \(\mathbf{\ln (e^x) = x}\)
你知道吗？\(e\) 被称为“自然”底数，是因为在描述连续增长过程（如微积分中遇到的过程）时，它会自然地出现。
\(y = e^{kx}\) 与 \(y = \ln x\) 的图像及性质
1. \(y = e^x\) 的图像
- 经过点 \((0, 1)\)（因为 \(e^0 = 1\)）。
- 这是一个递增函数。
- 定义域：\(x \in \mathbb{R}\)（所有实数）。
- 值域：\(y > 0\)。
- \(x\) 轴（\(y=0\)）是其水平渐近线。
2. \(y = \ln x\) 的图像
- 经过点 \((1, 0)\)（因为 \(\ln 1 = 0\)）。
- 这是一个递增函数。
- 定义域：\(\mathbf{x > 0}\)。（你不能对负数或零取对数！）
- 值域：\(y \in \mathbb{R}\)（所有实数）。
- \(y\) 轴（\(x=0\)）是其垂直渐近线。
\(y = e^x\) 和 \(y = \ln x\) 的图像关于直线 \(y = x\) 对称。
函数 \(\mathbf{y = e^{kx}}\)
如果 \(k\) 为正，\(y = e^{kx}\) 的图像显示加速增长；如果 \(k\) 为负，则显示指数衰减。
- 若 \(k > 0\)，函数迅速上升（增长）。
- 若 \(k < 0\)，函数迅速下降，无限趋近于 \(x\) 轴（衰减）。
核心结论：一定要记住定义域和值域！\(\ln x\) 的定义域限制（\(x>0\)）在检查最终答案或画图时非常重要。
4. 解对数与指数方程
解变量在指数上的方程，主要技巧是引入对数，通常使用 \(\ln\)，因为它在计算器上很方便且与底数 \(e\) 配合默契。
步骤演示：解指数方程
例子：求解 \(3 \times 2^{3x-1} = 5\)。
第一步：孤立指数项
两边除以 3：\(2^{3x-1} = \frac{5}{3}\)
第二步：两边取对数
对两边同时取 \(\ln\)（或其他任意底数的对数）：
\[\n\ln(2^{3x-1}) = \ln\left(\frac{5}{3}\right)\n\]
第三步：使用幂法则
将指数移到前面作为乘数：
\[\n(3x - 1) \ln 2 = \ln\left(\frac{5}{3}\right)\n\]
第四步：解 \(x\)
展开并整理（将 \(\ln 2\) 和 \(\ln(5/3)\) 看作常数）：
\[\n3x \ln 2 - \ln 2 = \ln\left(\frac{5}{3}\right)\n\]
\[\n3x \ln 2 = \ln\left(\frac{5}{3}\right) + \ln 2\n\]
在右侧使用乘法法则：\(\ln(5/3) + \ln 2 = \ln\left(\frac{5}{3} \times 2\right) = \ln\left(\frac{10}{3}\right)\)
\[\n3x = \frac{\ln(10/3)}{\ln 2}\n\] \[\nx = \frac{\ln(10/3)}{3 \ln 2}\n\]
（记得最终数值答案保留 3 位有效数字。）
解对数方程
解对数方程时，目标通常是利用对数法则合并项，然后利用“对数转换”将对数式转化为指数式。
例子：求解 \(\ln(x+2) - \ln x = 1\)。
第一步：合并对数项（商的法则）
\[\n\ln\left(\frac{x+2}{x}\right) = 1\n\]
第二步：转化为指数形式
记住，\(\ln\) 是以 \(e\) 为底。所以 \(\log_e A = 1\) 转化为 \(e^1 = A\)：
\[\n\frac{x+2}{x} = e^1\n\]
第三步：解 \(x\)
\[\nx+2 = ex\n\]
\[\n2 = ex - x\n\]
\[\n2 = x(e - 1)\n\]
\[\nx = \frac{2}{e - 1} \approx 1.16\n\]
解指数不等式
解像 \(2^x < 5\) 这样的不等式，过程与解方程相同，但必须保留不等号。由于底数 (\(2\)) 大于 1，函数是递增的，所以不等号的方向保持不变。
\[\n2^x < 5\n\] \[\n\ln(2^x) < \ln 5\n\] \[\nx \ln 2 < \ln 5\n\] \[\nx < \frac{\ln 5}{\ln 2}\n\]
核心结论：孤立幂次，应用对数，使用幂法则，最后代数求解。一定要检查解是否满足定义域（特别是对数方程，防止出现对负数取对数的情况）。
5. 将关系转化为线性形式
对数在 Paper 3 中的一个重要应用是将非线性关系（曲线）简化为线性关系（\(Y = mX + c\)）。这通常用于通过绘制直线图从实验数据中寻找未知常数。
我们利用对数戴上“对数眼镜”，从曲线中提取出隐藏的直线。
情况 1：幂模型 \(\mathbf{y = kx^n}\)
该模型将 \(y\) 与 \(x\) 的幂次联系起来，其中 \(k\) 和 \(n\) 为常数。
转化过程：
- 两边同时取自然对数 (\(\ln\))： \[\n \ln y = \ln(kx^n)\n \]
- 使用乘法法则 (\(\ln(AB) = \ln A + \ln B\))： \[\n \ln y = \ln k + \ln(x^n)\n \]
- 使用幂法则 (\(\ln(A^n) = n \ln A\))： \[\n \mathbf{\ln y = n \ln x + \ln k}\n \]
线性分析：
方程现在是线性形式 \(Y = mX + c\)，其中：
- \(\mathbf{Y = \ln y}\)
- \(\mathbf{X = \ln x}\)
- 梯度 \(\mathbf{m = n}\)
- \(Y\) 轴截距 \(\mathbf{c = \ln k}\)
如果你画出 \(\ln y\) 对 \(\ln x\) 的图像，结果将是一条直线。梯度给出 \(n\)，截距可求得 \(k\)。
情况 2：指数模型 \(\mathbf{y = k(a^x)}\)
该模型将 \(y\) 与作为指数的 \(x\) 联系起来，其中 \(k\) 和 \(a\) 为常数。
转化过程：
- 两边同时取自然对数 (\(\ln\))： \[\n \ln y = \ln(k a^x)\n \]
- 使用乘法法则： \[\n \ln y = \ln k + \ln(a^x)\n \]
- 使用幂法则： \[\n \mathbf{\ln y = (\ln a) x + \ln k}\n \]
线性分析：
方程现在是线性形式 \(Y = mX + c\)，其中：
- \(\mathbf{Y = \ln y}\)
- \(\mathbf{X = x}\)
- 梯度 \(\mathbf{m = \ln a}\)（梯度就是底数 \(a\) 的对数）
- \(Y\) 轴截距 \(\mathbf{c = \ln k}\)
如果你画出 \(\ln y\) 对 \(x\) 的图像，结果将是一条直线。梯度可求得 \(a\)，截距可求得 \(k\)。
快速复习表：线性化
模型： \(y = kx^n\)
线性方程： \(\ln y = n \ln x + \ln k\)
坐标轴： \(\ln y\) vs \(\ln x\)
梯度 (m)： \(n\)
截距 (c)： \(\ln k\)
模型： \(y = k(a^x)\)
线性方程： \(\ln y = (\ln a) x + \ln k\)
坐标轴： \(\ln y\) vs \(x\)
梯度 (m)： \(\ln a\)
截距 (c)： \(\ln k\)
核心结论：面对线性化问题时，第一步总是两边同时取对数。这能将曲线的乘幂关系转化为直线的加乘关系。
6. 本章总结与信心提升
你已经涵盖了指数和对数函数至关重要的理论基础！请记住，这两个函数是密不可分的——它们互为反函数。
在此过程中培养的技能——应用三条对数法则（尤其是幂法则）以及将非线性模型转化为线性形式——是 P3 拿高分的关键。一定要多练习那些转化题目！
如果处理 \(\ln 5\) 或 \(\ln a\) 这样的项时代数计算看起来很乱，不必担心。只要记住在最后一步之前把它们当作普通常数处理即可。保持练习，你一定会熟练掌握这个“对数开关”！