M1 溫習筆記：指數與對數函數
您好！歡迎來到 M1 最強大的課題之一——指數與對數函數。別擔心這些名字聽起來有點嚇人，它們只是一些特殊的函數，卻能非常出色地描述增長或縮減得極其快速的事物。
想想看一段爆紅影片是如何傳播的、你的銀行存款是如何增長的、或是科學家如何測量古老化石的年齡。所有這些現實生活情境都運用了我們即將學習的概念。在本章中，我們將探索神奇的數字 「e」，理解其函數 \(y = e^x\)，認識其逆函數夥伴 \(y = \ln x\)，並學習如何運用它們來解決實際問題。
讓我們一步一步來。你一定做得到！
1. 神奇的數字「e」
你聽過 \(\pi\)（圓周率）吧？嗯，「e」是另一個非常重要的數學常數。它是一個無理數，這意味著它的小數點後的數字無限延伸且不循環。
e 的數值： \(e \approx 2.71828...\)
但它從何而來呢？它是由一個無窮級數嚴謹定義的。這可能看起來有點複雜，但它只是計算「e」的一種特殊方法。
\(e^x\) 的指數級數是：
\(e^x = 1 + x + \frac{x^2}{2!} + \frac{x^3}{3!} + \frac{x^4}{4!} + \dots\)
（記住，\(n!\) 意思是「n 階乘」，例如 \(3! = 3 \times 2 \times 1 = 6\)）
要找出「e」本身的數值，我們只需將 \(x=1\) 代入這個級數：
\(e^1 = e = 1 + 1 + \frac{1^2}{2!} + \frac{1^3}{3!} + \frac{1^4}{4!} + \dots = 1 + 1 + \frac{1}{2} + \frac{1}{6} + \frac{1}{24} + \dots \approx 2.71828\)
你知道嗎？
數字「e」與連續增長息息相關。它自然地出現在金融中，用於計算連續複利；在生物學中，用於人口增長模型；以及在物理學中，用於放射性衰變。它有時也被稱為歐拉數，以瑞士數學家萊昂哈德·歐拉（Leonhard Euler）的名字命名。
重點歸納
「e」是一個特殊的常數，約等於 2.718。它是所有與自然增長和衰變相關事物的基礎，並由指數級數定義。
2. 自然指數函數：\(y = e^x\)
這是重頭戲！函數 \(f(x) = e^x\) 是模擬快速增長的「基礎」函數。
\(y = e^x\) 的圖像與主要特徵：
- 穿過 (0, 1) 點： 任何數的 0 次方都是 1，所以 \(e^0 = 1\)。
- 恆為正數： 圖像總是位於 x 軸上方。你無法將「e」取一個次方後得到負數或零。
- 水平漸近線： 當 \(x\) 變得非常負（例如 -100, -1000）時，\(e^x\) 會無限趨近於 0，但永不觸及。我們稱 x 軸（直線 \(y=0\)）是一條水平漸近線。
- 快速增長： 隨著 \(x\) 的增加，\(y\) 的數值增長得極快。這就是「指數增長」的意思！
比喻：想像一個雪球從山上滾下來。它開始很小，但隨著滾動，它吸收更多的雪，速度越來越快。這就是指數增長！
重點歸納
函數 \(y=e^x\) 模擬自然增長。它的圖像從接近零開始，穿過 (0, 1) 點，然後極速向上飆升。
3. 自然對數函數：\(y = \ln x\)
每個主角都有個夥伴，而對於 \(e^x\) 來說，那個夥伴就是自然對數，寫作 \(\ln x\)。
\(\ln x\) 是甚麼意思？ 它是 \(e^x\) 的「復原」按鈕。
\(\ln(a)\) 問的問題是：「我需要將 'e' 提升到哪個次方才能得到 'a'？」
例子：
- \(\ln(e) = 1\)，因為 \(e^1 = e\)。
- \(\ln(1) = 0\)，因為 \(e^0 = 1\)。
- \(\ln(e^5) = 5\)，因為你需要將 'e' 提升的次方是 5。
函數 \(y = e^x\) 和 \(y = \ln x\) 是逆函數。這意味著它們互相抵消。
\(\ln(e^x) = x\)
\(e^{\ln x} = x\)
\(y = \ln x\) 的圖像與主要特徵：
- 穿過 (1, 0) 點： 正如我們所見，\(\ln(1) = 0\)。
- 只適用於正數 x： 你不能取負數或零的對數。定義域是 \(x > 0\)。
- 垂直漸近線： 當 \(x\) 從正方向非常接近 0 時，\(\ln x\) 會變成一個非常大的負數。y 軸（直線 \(x=0\)）是一條垂直漸近線。
- 緩慢增長： 圖像會增加，但比指數函數慢得多。
- 對稱性： 函數 \(y=\ln x\) 的圖像是在直線 \(y=x\) 上與 \(y=e^x\) 的圖像完美地互相對稱。
重點歸納
函數 \(y=\ln x\) 是 \(y=e^x\) 的逆函數。它只對正數 x 有定義，穿過 (1, 0) 點，並且緩慢增長。
4. 解指數和對數方程
為了解決問題，我們需要熟悉規則以及如何重新排列方程。別擔心，這一切都關乎於運用逆關係和一些基本的對數定律。
快速回顧：對數定律
這些定律適用於任何底數，但我們會將它們應用於「ln」。
- 乘法定律： \(\ln(ab) = \ln(a) + \ln(b)\)
- 除法定律： \(\ln\left(\frac{a}{b}\right) = \ln(a) - \ln(b)\)
- 冪定律： \(\ln(a^n) = n \ln(a)\)
解方程的分步指南：
情況一：解指數方程（未知數在指數位置）
例子：解 \(e^{2x} = 5\) 中的 x
- 將指數項獨立出來。（此處已完成）。
- 對兩邊取自然對數（ln）。這是「將指數移下來」的關鍵步驟。
\(\ln(e^{2x}) = \ln(5)\) - 使用逆性質 \(\ln(e^{\text{東西}}) = \text{東西}\)。
\(2x = \ln(5)\) - 解出 x。
\(x = \frac{\ln(5)}{2} \approx \frac{1.6094}{2} \approx 0.805\)
情況二：解對數方程（未知數在對數裡面）
例子：解 \(\ln(x-3) = 2\) 中的 x
- 將對數項獨立出來。（已完成）。
- 對兩邊取指數運算（將兩邊都作為 'e' 的次方）。這是 ln 的「復原」步驟。
\(e^{\ln(x-3)} = e^2\) - 使用逆性質 \(e^{\ln(\text{東西})} = \text{東西}\)。
\(x-3 = e^2\) - 解出 x。
\(x = e^2 + 3 \approx 7.389 + 3 \approx 10.389\)
常見錯誤警示！
永遠記住，你只能取正數的對數。解完對數方程後，你應該驗算你的答案，將其代回原方程，以確保 'ln' 內的項是正數。在上面的例子中，\(x \approx 10.389\)，所以 \(x-3 \approx 7.389\)，這是正數。因此，該解是有效的！
5. 現實世界應用
這就是融會貫通之處！這些函數用於模擬許多現實生活情境。
A. 人口增長
不受限制的族群通常呈指數級增長。
公式： \(P(t) = P_0 e^{kt}\)
- \(P(t)\) 是在時間 \(t\) 時的人口。
- \(P_0\) 是初始人口（在 \(t=0\) 時）。
- \(k\) 是相對增長率（一個正常數）。
- \(t\) 是時間。
例子：一個細菌培養物最初有 500 個細菌。3 小時後，有 8000 個細菌。找出 4 小時後的細菌數量。
首先，找出 k。我們有 \(P_0=500\)，\(t=3\)，\(P(3)=8000\)。
\(8000 = 500 e^{k(3)}\)
\(16 = e^{3k}\)
\(\ln(16) = \ln(e^{3k})\)
\(\ln(16) = 3k \implies k = \frac{\ln(16)}{3} \approx 0.924\)
現在，找出 P(4)：
\(P(4) = 500 e^{0.924 \times 4} \approx 500 e^{3.696} \approx 20153\) 個細菌。
B. 放射性衰變
放射性物質會隨時間呈指數衰變。
公式： \(A(t) = A_0 e^{-kt}\)
- \(A(t)\) 是在時間 \(t\) 時剩餘的量。
- \(A_0\) 是初始量。
- \(k\) 是衰變常數（一個正常數）。請注意指數中的負號，它導致衰變！
- \(t\) 是時間。
C. 連續複利
這是儲蓄的終極目標！這表示利息每年被計算並無限次數地加入本金。
公式： \(A = P e^{rt}\)
- \(A\) 是最終金額。
- \(P\) 是本金（初始金額）。
- \(r\) 是年利率（以小數形式表示）。
- \(t\) 是年數。
6. 線性化：將曲線變為直線
有時在實驗中，我們收集的數據看起來像是遵循指數曲線，例如 \(y=ka^x\)。但單從曲線觀察很難確定。判斷點是否在一條直線上容易得多！
線性化是一種巧妙地利用對數的技巧，將曲線轉換成直線。直線的方程是 \(Y = mX + C\)，其中 \(m\) 是斜率，\(C\) 是 Y 截距。
情況一：轉換 \(y = ka^x\)
此模型在生物學和金融學中很常見。
- 從方程開始： \(y = ka^x\)
- 對兩邊取自然對數： \(\ln(y) = \ln(ka^x)\)
- 使用對數的乘法定律： \(\ln(y) = \ln(k) + \ln(a^x)\)
- 使用對數的冪定律： \(\ln(y) = \ln(k) + x \ln(a)\)
- 重新排列以符合 \(Y = mX + C\) 的形式：
\(\ln(y) = (\ln a)x + \ln(k)\)
現在，將其與 \(Y=mX+C\) 比較：
- 新的 Y 軸是 \(\ln(y)\)。
- 新的 X 軸只是 \(x\)。
- 斜率 (m) 是 \(\ln(a)\)。
- Y 截距 (C) 是 \(\ln(k)\)。
因此，如果你繪製 \(\ln(y)\) 對 \(x\) 的圖，你應該會得到一條直線！從圖中，你可以找到斜率和截距，並使用它們來計算原始常數 \(a\) 和 \(k\)。
\(a = e^{\text{斜率}}\) 且 \(k = e^{\text{y-截距}}\)
情況二：轉換 \(y = k[f(x)]^n\) (例如：\(y = kx^n\))
這是一個冪律模型，在物理學和工程學中很常見。
- 從方程開始： \(y = kx^n\) (此處，\(f(x)=x\))
- 對兩邊取自然對數： \(\ln(y) = \ln(kx^n)\)
- 使用乘法定律： \(\ln(y) = \ln(k) + \ln(x^n)\)
- 使用冪定律：
\(\ln(y) = n \ln(x) + \ln(k)\)
將其與 \(Y=mX+C\) 比較：
- 新的 Y 軸是 \(\ln(y)\)。
- 新的 X 軸是 \(\ln(x)\)。
- 斜率 (m) 是 \(n\)。
- Y 截距 (C) 是 \(\ln(k)\)。
因此，如果你繪製 \(\ln(y)\) 對 \(\ln(x)\) 的圖，你會得到一條直線。這條直線的斜率就是常數 \(n\)，而從 y 截距，你可以使用 \(k = e^{\text{y-截距}}\) 來找出 \(k\)。
重點歸納
線性化利用對數將指數或冪律關係轉換為直線。通過繪製正確的變量（例如 \(\ln y\) 對 \(x\)），我們可以從所得直線的斜率和 y 截距中找出未知常數。
關於指數函數和對數函數的內容講解至此！我們從 'e' 的定義開始，一直學到如何利用它的特性來建立模型並分析數據。多加練習解方程和線性化的技巧，你會發現這些函數是你的朋友，而非敵人。祝你學習愉快！
