Pure Mathematics 3: 指数与对数综合学习笔记
未来的数学家们，你们好！欢迎来到指数函数与对数函数这个精彩的世界。本章是 P3 的核心内容，也为后续的高等微积分（微分与积分）奠定了坚实的基础！
如果这些函数看起来有些令人望而生畏，请不必担心；它们本质上只是我们用来描述现实世界中增长、衰减与变化的工具——无论是人口动态、贷款利息计算，还是放射性衰变，都离不开它们。看完这篇笔记，你将成为处理特殊常数 \(e\) 相关方程的行家里手。
1. 回顾指数函数 \(y = a^x\)
指数函数的特征是变量 \(x\) 出现在指数（幂）的位置上。
- 定义： 函数 \(f(x) = a^x\)，其中 \(a\) 是常数，称为底数，且 \(a > 0\)。
- 图像： 所有形式为 \(y = a^x\) 的指数函数图像都经过点 \((0, 1)\)，因为 \(a^0 = 1\)（只要 \(a \neq 0\)）。
- 渐近线： \(x\) 轴（即 \(y=0\)）是一条水平渐近线。图像永远不会触碰或穿过 \(x\) 轴，这意味着输出值 \(y\) 永远为正。
类比： 把指数增长想象成连锁反应。如果你每天的钱翻一番 (\(a=2\))，起初增长很慢 (\(2^1=2\)，\(2^2=4\))，但很快就会变得极其巨大 (\(2^{10}=1024\))。
核心要点：
指数函数展示了增长或衰减，其变化率与当前的数量成正比。它们始终为正，且必然经过 \((0, 1)\) 点。
2. 引入自然指数函数 \(y = e^x\)
在 Pure Mathematics 3 中，我们不仅仅使用任意底数 \(a\)，而是重点关注描述自然过程最重要的底数：常数 \(e\)。
什么是 \(e\)？
数字 \(e\) 是一个无理数，通常被称为欧拉数 (Euler’s Number)。其近似值为：
\(e \approx 2.71828\)
为什么 \(e\) 很特别？
函数 \(y = e^x\) 模拟了连续增长——即增长速率在任何时刻都恰好等于当前数量本身的增长。这使得它在微积分中至关重要。
- 函数 \(y = e^x\) 被称为自然指数函数。
- 它的图像看起来与一般的指数函数 \(y = a^x\) 无异，但其在任意点 \((x, y)\) 处的斜率恰好等于 \(y\)。（我们将在微分章节深入探讨这一点！）
你知道吗？ \(e\) 是在计算连续复利时自然产生的。如果你以 100% 的利率投资 1 美元，并按连续复利计息一年，最终得到的金额正好是 \(\$e\)。
核心要点：
\(e\) 是描述自然增长和衰减的基本常数。在 P3 中，\(e^x\) 是你的标准指数函数。
3. 自然对数 \(\ln x\)
对数本质上是指数函数的逆运算。它们回答的是这个问题：“为了得到某个特定的数，底数需要提高到什么幂次？”
指数与对数之间的关系如下：
若 \(y = a^x\)，则 \(x = \log_a y\)。
在 P3 中，由于我们频繁使用以 \(e\) 为底的对数，因此引入了一个特殊记号：自然对数。
- 定义： \(x\) 的自然对数记作 \(\ln x\)。
- 与 \(e\) 的关系： \(\ln x\) 意味着 \(\log_e x\)。
- 逆运算性质： 若 \(y = e^x\)，则 \(x = \ln y\)。
这种逆关系是本章最重要的概念：
$$e^{\ln x} = x \quad \text{且} \quad \ln(e^x) = x$$
类比： 如果 \(e^x\) 是戴上手套，那么 \(\ln x\) 就是脱下手套。它们是相互抵消的相反操作。
\(y = \ln x\) 的图像
由于 \(y = \ln x\) 是 \(y = e^x\) 的反函数，其图像是 \(y = e^x\) 关于直线 \(y = x\) 的对称图形。
- 它经过点 \((1, 0)\)，因为 \(\ln(1) = 0\)。
- 纵轴（\(x=0\)）是一条垂直渐近线。这意味着你只能对正数取对数（即定义域为 \(x > 0\)）。
避免常见的误区：
你不能计算 \(\ln(0)\) 或任何负数的 \(\ln\) 值！
核心要点：
\(\ln x\) 是“抵消” \(e^x\) 的运算。请记住，\(\ln x\) 的定义域严格为正数 \(x\)。
4. 对数运算法则（关键复习）
要解复杂的方程，你必须熟练掌握三条对数运算法则。这些法则适用于任何底数，但在 P3 中，我们通常将其应用于 \(\ln\)。
设 \(A\) 和 \(B\) 为正数，\(k\) 为任意实数。
法则 1：乘法法则（积法则）
当对数内部的项相乘时，可以将它们拆分为对数相加。
$$\ln (AB) = \ln A + \ln B$$
法则 2：除法法则（商法则）
当对数内部的项相除时，可以将它们拆分为对数相减。
$$\ln \left( \frac{A}{B} \right) = \ln A - \ln B$$
法则 3：幂法则
对数内部项的指数可以移到前面作为乘数。
$$\ln (A^k) = k \ln A$$
记忆小贴士： 把幂法则想象成将幂“降”到前面。这是求解指数方程最重要的一条法则！
特殊的对数结果
这些结果直接源于定义，对于简化运算非常重要：
1. \(\ln (e) = 1\) （因为 \(e^1 = e\)）。
2. \(\ln (1) = 0\) （因为 \(e^0 = 1\)）。
快速复习：对数化简
化简 \(\ln \left( \frac{e^3 x^2}{y} \right)\)。
第一步（除法）： \(\ln (e^3 x^2) - \ln y\)
第二步（乘法）： \(\ln e^3 + \ln x^2 - \ln y\)
第三步（幂法则）： \(3 \ln e + 2 \ln x - \ln y\)
第四步（化简 \(\ln e\)）： \(3(1) + 2 \ln x - \ln y\)
结果： \(3 + 2 \ln x - \ln y\)
5. 求解指数与对数方程
在 P3 中解方程通常涉及使用 \(\ln\) 将未知变量从指数位置“拉”下来。
情形 A：求解指数方程（求 \(x\)）
目标：先孤立指数项，然后对等式两边同时取 \(\ln\)。
例 1：使用底数 \(e\) 求解
求解 \(4e^{2x} - 7 = 13\)。 （结果保留 3 位有效数字。）
- 孤立 \(e\)： 加 7 后除以 4。
$$4e^{2x} = 20 \implies e^{2x} = 5$$ - 两边取 \(\ln\)： 这将抵消 \(e\)。
$$\ln (e^{2x}) = \ln 5 \implies 2x = \ln 5$$ - 求 \(x\)：
$$x = \frac{\ln 5}{2}$$ - 计算： \(x \approx 0.805\) （3 位有效数字）
例 2：求解非 \(e\) 底数的方程
求解 \(3^{x+1} = 50\)。
- 两边取 \(\ln\)： （虽然可以使用 \(\log_{10}\) 或 \(\log_3\)，但我们使用 \(\ln\) 因为它是 P3 中的标准工具）。
$$\ln (3^{x+1}) = \ln 50$$ - 应用幂法则： 将指数移到前面。
$$(x+1) \ln 3 = \ln 50$$ - 孤立 \(x\)： 除以 \(\ln 3\)。
$$x+1 = \frac{\ln 50}{\ln 3}$$ - 最终计算：
$$x = \frac{\ln 50}{\ln 3} - 1 \approx 3.5609 - 1 = 2.56$$ （3 位有效数字）
记住黄金法则： 在应用 \(\ln\) *之前*，务必先孤立含有 \(x\) 的项。
情形 B：求解对数方程（求 \(x\)）
目标：合并对数项，然后使用逆运算 \(e\)。
例 3： 求解 \(\ln(x+2) - \ln(x-3) = 1\)。
- 利用除法法则合并：
$$\ln \left( \frac{x+2}{x-3} \right) = 1$$ - 使用逆运算 \(e\)（将两边作为 \(e\) 的指数）：
$$e^{\ln \left( \frac{x+2}{x-3} \right)} = e^1$$
$$\frac{x+2}{x-3} = e$$ - 求 \(x\)：
$$x+2 = e(x-3)$$
$$x+2 = ex - 3e$$
$$2 + 3e = ex - x$$
$$2 + 3e = x(e - 1)$$ - 最终解：
$$x = \frac{2 + 3e}{e - 1} \approx 5.86$$ （3 位有效数字）
重要检验： 解完对数方程后，一定要检查你的解是否会导致取负数的对数。这里，如果 \(x \approx 5.86\)，\((x+2)\) 和 \((x-3)\) 均为正，因此解是有效的。
6. 建模现实世界数据（线性化）
P3 的一项关键技能是将符合指数关系的真实数据转换为线性关系 \(Y = mX + c\)，从而利用图像轻松求出相关常数。
如果起初觉得有些复杂，不要担心——方法是有规律且固定的：对两边取 \(\ln\)！
模型 1：指数增长/衰减 (\(y = Ab^x\))
该模型描述了数量 \(y\) 随时间 \(x\) 的变化（例如人口增长）。
- 对两边取 \(\ln\)：
$$\ln y = \ln (Ab^x)$$ - 使用乘法法则：
$$\ln y = \ln A + \ln b^x$$ - 使用幂法则：
$$\ln y = \ln A + x (\ln b)$$
现在，将其与线性形式 \(Y = c + m X\) 进行对比：
- 绘制 Y 对 X 的图像： 绘制 \(\ln y\)（纵轴 \(Y\)）对 \(x\)（横轴 \(X\)）的图像。
- 斜率 \(m\)： 直线的斜率为 \(m = \ln b\)。 （要求 \(b\)，计算 \(b = e^m\)）。
- 截距 \(c\)： 纵轴截距为 \(c = \ln A\)。 （要求 \(A\)，计算 \(A = e^c\)）。
模型 2：幂律模型 (\(y = Ax^n\))
该模型描述了两个量之间成幂次方的关系（例如几何比例关系）。
- 对两边取 \(\ln\)：
$$\ln y = \ln (Ax^n)$$ - 使用乘法法则：
$$\ln y = \ln A + \ln x^n$$ - 使用幂法则：
$$\ln y = \ln A + n (\ln x)$$
将其与 \(Y = c + m X\) 对比：
- 绘制 Y 对 X 的图像： 绘制 \(\ln y\)（纵轴 \(Y\)）对 \(\ln x\)（横轴 \(X\)）的图像。
- 斜率 \(m\)： 直线的斜率为 \(m = n\)。 （这直接给出了幂指数。）
- 截距 \(c\)： 纵轴截距为 \(c = \ln A\)。 （要求 \(A\)，计算 \(A = e^c\)）。
解决建模问题的步骤：
- 识别给定模型（是 \(y = Ab^x\) 还是 \(y = Ax^n\)？）。
- 对等式两边取对数（通常用 \(\ln\)）将其线性化。
- 计算所需的转换数据点（例如，为所有 \(y\) 值求出对应的 \(\ln y\)。）。
- 绘制转换后的图像（例如，\(\ln y\) 对 \(x\)）。
- 通过直线计算斜率 \(m\) 和截距 \(c\)。
- 利用 \(m\) 和 \(c\) 求出原始常数 \(A, b\) 或 \(n\)。
核心要点：
转换指数或幂律数据需要对等式两边取自然对数 (\(\ln\))，从而生成 \(Y = mX + c\) 形式的方程，使你可以利用线性图像属性（斜率和截距）来找到未知参数。