FPP1.2: 学习笔记 - 将关系式化为线性图
欢迎来到线性图章节！如果你心里在想：“等等，为什么高等数学还要学基础的直线？”答案很简单：我们不只是在画直线，我们是在利用直线来解决复杂的非线性问题。
这项技能被称为线性化（linearisation），它非常强大。它能让我们处理物理、生物或金融中那些弯曲、棘手的关系，并将它们转化为简单的直线。为什么呢？因为直线是可预测的！如果我们能将数据绘图并得到一条直线，我们就能轻松求出支配整个关系的常数（比如在 \(y = kx^n\) 中求 \(k\)）。
如果这一章涉及对数，请不要担心。我们将详细拆解对数为何能以及如何能让曲线变直！
1. 核心思想：变换非线性关系
什么是线性化？
线性化是通过处理非线性方程，使其符合我们熟悉的直线形式的过程：
\[Y = mX + c\]
这里，大写字母是关键：
- \(Y\) 是变换后的因变量（可能是 \(y\)、\(\log y\) 或 \(\frac{1}{y}\)）。
- \(X\) 是变换后的自变量（可能是 \(x\)、\(\log x\) 或 \(\frac{1}{x}\)）。
- \(m\) 是直线的斜率（gradient）。
- \(c\) 是\(Y\)轴截距。
我们的任务是找出正确的代换方式或数学工具（通常是对数），将给定的公式转化为这种线性格式。
类比提醒！
想象你有一张弯弯曲曲的公路地图。线性化就像戴上了一副特殊的数学眼镜，让弯路看起来完全变直了。一旦看起来是直的，测量斜率和截距就变得轻而易举，从而为你提供关于原始弯曲路径的关键信息。
2. 非线性关系的主要类型及其变换
你必须能够识别方程的结构并选择合适的变换方法。有些方程只需要简单的代数重排，而有些则需要对数。
A类：简单代换定律
这类定律无需对数，通过简单的代数操作或代换即可变为线性。
例A1：反比定律 (\(\frac{1}{y} = \frac{1}{x} + k\))
如果你遇到像 \(\frac{1}{y} = \frac{1}{x} + k\) 这样的关系，请注意它在倒数变量方面已经是线性的了。
分步变换：
- 令 \(Y = \frac{1}{y}\)。
- 令 \(X = \frac{1}{x}\)。
方程变为： \[Y = X + k\]
分析：
- 斜率 \(m = 1\)。
- \(Y\)轴截距 \(c = k\)。
如果你画出 \(Y\) 对 \(X\) 的图像，斜率应该为1，而截距将直接告诉你常数 \(k\) 的值。
例A2：多项式定律 (\(y^2 = ax + b\))
在这里，一个变量被幂化，而另一个没有。
分步变换：
- 令 \(Y = y^2\)。
- 令 \(X = x\)。 （即*没有*被变换的那个变量）。
方程变为： \[Y = aX + b\]
分析：
- 斜率 \(m = a\)。
- \(Y\)轴截距 \(c = b\)。
这非常直接：在纵轴上绘制 \(y^2\)，在横轴上绘制 \(x\)。
B类：需要对数的定律
当你想要求解的变量在指数位置（如 \(b^x\)），或者当原始变量相乘/相除并被幂化时（如 \(ax^n\)），我们使用对数来“拉下”指数并将各项分开。
记住：对数将乘法转换为加法，将幂运算转换为乘法。这正是我们达到 \(Y = mX + c\) 加法格式所需要的！
教学大纲提到在适当的情况下使用以10为底的对数，但任何一致的底数（包括自然对数 \(\ln\)）都适用。为了简化运算，我们将用 \(\log\) 代表一个一致的对数底数（例如 \(\log_{10}\)）。
对数规则回顾（快速参考）
- \(\log (A \times B) = \log A + \log B\)
- \(\log (\frac{A}{B}) = \log A - \log B\)
- \(\log (A^n) = n \log A\)
例B1：幂定律 (\(y = ax^n\))
这描述了 \(y\) 与 \(x\) 的某次幂成正比的关系。在这里，\(a\) 和 \(n\) 是我们要寻找的未知常数。
分步变换：
- 两边取对数：
\[\log y = \log (ax^n)\] - 使用乘法规则：
\[\log y = \log a + \log (x^n)\] - 使用幂规则：
\[\log y = \log a + n \log x\] - 重排为 \(Y = mX + c\) 格式：
\[\log y = n (\log x) + \log a\]
线性方程：
\[Y = nX + \log a\]
分析（关键！）：
- \(Y\) 变量： \(\log y\)
- \(X\) 变量： \(\log x\)
- 斜率 \(m\)： \(n\) （指数）
- \(Y\)轴截距 \(c\)： \(\log a\)
记忆辅助（幂定律）： 要找到*幂* (\(n\))，你需要一个双对数图（log-log plot）（即绘制 \(\log y\) 对 \(\log x\)）。
例B2：指数定律 (\(y = ab^x\))
这描述了指数增长或衰减。在这里，\(a\) 和 \(b\) 是未知常数。
分步变换：
- 两边取对数：
\[\log y = \log (ab^x)\] - 使用乘法规则：
\[\log y = \log a + \log (b^x)\] - 使用幂规则：
\[\log y = \log a + x (\log b)\] - 重排为 \(Y = mX + c\) 格式：
\[\log y = (\log b) x + \log a\]
线性方程：
\[Y = (\log b) X + \log a\]
分析（关键！）：
- \(Y\) 变量： \(\log y\)
- \(X\) 变量： \(x\) （注意 \(x\) 没有取对数！）
- 斜率 \(m\)： \(\log b\)
- \(Y\)轴截距 \(c\)： \(\log a\)
记忆辅助（指数定律）： 如果变量 \(x\) 在*指数*位置，你只需要对 \(y\) 变量取对数。这是一个半对数图（log-linear plot）（即绘制 \(\log y\) 对 \(x\)）。
快速回顾：什么时候用对数？
- 幂定律 (\(y = ax^n\))： 双轴取对数。\(Y=\log y\)，\(X=\log x\)。
- 指数定律 (\(y = ab^x\))： 仅 \(y\) 轴取对数。\(Y=\log y\)，\(X=x\)。
如果你忘记了哪个对应哪个，只需再次使用对数规则推导线性形式即可！
3. 处理数值数据与估算
线性化的主要目的是利用现实世界的数据点 \((x, y)\) 来求出原始非线性方程中的常数 \(a\)、\(b\) 或 \(n\)。
寻找未知常数的逐步程序
第1步：识别关系并变换
查看给定的方程（例如 \(y = ax^n\)）。确定所需的线性图变量 \(Y\) 和 \(X\)。 （对于 \(y = ax^n\)，我们需要 \(Y = \log y\) 和 \(X = \log x\)）。
第2步：变换数据
使用你原始的 \((x, y)\) 数据点并计算出新的、变换后的数据点 \((X, Y)\)。
例如：如果原始数据点是 \((2, 10)\) 且你需要双对数图，那么新点就是 \((\log 2, \log 10) = (0.301, 1)\)。
第3步：绘制线性图
绘制新的 \((X, Y)\) 点。这些点应该形成一条相当直的直线。画出最佳拟合线（line of best fit）。
第4步：计算斜率 (\(m\)) 和截距 (\(c\))
选择位于你的最佳拟合线上的两个点 \((X_1, Y_1)\) 和 \((X_2, Y_2)\)（不一定是原始数据点，因为数据通常有实验误差）。
斜率： \[m = \frac{Y_2 - Y_1}{X_2 - X_1}\] 截距： 找到直线与 \(Y\) 轴的交点（即 \(X=0\) 时）。
第5步：将 \(m\) 和 \(c\) 联系回原始常数
使用第2部分建立的关系来寻找原始常数。
例如（幂定律 \(y = ax^n\)）：
- 我们知道 \(m = n\)。所以，你计算出的斜率就是 \(n\) 的值。
- 我们知道 \(c = \log a\)。这意味着 \(a\) 是 \(c\) 的反对数（anti-log）。
如果使用 \(\log_{10}\)，则 \(a = 10^c\)。
如果使用自然对数 (\(\ln\))，则 \(a = e^c\)。
⚠ 常见错误警告：反对数 ⚠
学生经常忘记最后一步：如果你的截距 \(c\) 代表某个常数的对数（例如 \(c = \log a\)），那么该常数本身 (\(a\)) 的值应为 \(10^c\)（或 \(e^c\)）。不要把你的答案留在 \(\log a\) 的形式！
例题解析：寻找 \(y = ab^x\) 的常数
假设你得到数据 \((x, y)\) 并被告知其关系为 \(y = ab^x\)。你绘制 \(\log y\) 对 \(x\) 的图像，并发现所得直线的斜率 \(m = 0.5\)，\(Y\)轴截距 \(c = 1.2\)。
目标： 寻找 \(a\) 和 \(b\)。
回顾线性形式： \[\log y = (\log b) x + \log a\]
1. 寻找 \(b\)（从斜率）：
我们知道 \(m = \log b\)。
\[0.5 = \log_{10} b\]
两边取反对数：
\[b = 10^{0.5} \approx 3.16\]
2. 寻找 \(a\)（从截距）：
我们知道 \(c = \log a\)。
\[1.2 = \log_{10} a\]
两边取反对数：
\[a = 10^{1.2} \approx 15.85\]
结论： 原始关系近似为 \(y = 15.85(3.16)^x\)。
4. 处理更复杂的线性化
有时方程需要结合对数规则和代数分离。
例C1：对数底数转换（教学大纲隐含内容）
如果你看到涉及 \(\log_B y\) 的定律，为了计算简便，你可能仍希望使用以10为底的对数（或自然对数）。你必须确保所有项的处理方式一致。
考虑定律： \[\frac{1}{y} = A x + B\] 如果你令 \(Y = \frac{1}{y}\) 且 \(X = x\)，常数 \(A\) 和 \(B\) 可直接从斜率和截距得出。有时，原始定律可能涉及我们想要从变量中分离出来的常数，例如：
\[y = \frac{ax}{x+b}\]
这看起来很复杂，但如果我们对两边取倒数：
\[\frac{1}{y} = \frac{x+b}{ax}\] \[\frac{1}{y} = \frac{x}{ax} + \frac{b}{ax}\] \[\frac{1}{y} = \frac{1}{a} + \left(\frac{b}{a}\right) \frac{1}{x}\]
变换：
- 令 \(Y = \frac{1}{y}\)
- 令 \(X = \frac{1}{x}\)
线性方程： \[Y = \left(\frac{b}{a}\right) X + \frac{1}{a}\]
分析：
- 斜率 \(m = \frac{b}{a}\)。
- \(Y\)轴截距 \(c = \frac{1}{a}\)。
现在你可以通过截距求出 \(a\) (\(a = \frac{1}{c}\))，然后将该值与斜率一起使用来求出 \(b\) (\(b = ma\))。
线性图的关键总结
- 最终目标是实现 \(Y = mX + c\) 的形式。
- 对于幂定律 (\(y = ax^n\))，绘制 \(\log y\) 对 \(\log x\)。斜率给出幂 \(n\)。
- 对于指数定律 (\(y = ab^x\))，绘制 \(\log y\) 对 \(x\)。斜率给出 \(\log b\)。
- 如果截距代表某个常数的对数，请务必取反对数以求出常数本身（例如，若 \(c = \log a\)，则 \(a = 10^c\)）。
- 如果不需要对数，代换通常是倒数或幂运算（例如 \(Y=y^2\)）。