歡迎來到指數與對數（單元 P3）！
你好！本章節至關重要。指數與對數不僅僅是抽象的數學概念；它們描述了事物如何生長（例如人口、投資和疾病傳播）或衰減（例如放射性物質和血液中的藥物濃度）。
如果這些函數起初看起來很陌生，別擔心。我們正從以 10 為底（你以前可能見過的標準對數）轉向以自然底數 \(e\) 為底的對數。一旦你理解了 \(e^x\) 與 \(\ln x\) 之間的關係，剩下的工作就只是將熟悉的運算法則以新的方式應用而已。
第 1 節：指數函數 – \(y = e^x\)
什麼是 \(e\)？歐拉數 (Euler's Number)
在數學中，有一個稱為歐拉數（或自然底數）的特殊數字，用字母 \(e\) 表示。
- 它是一個無理數，近似值為 \(e \approx 2.71828\)。
- 它自然地出現在計算連續複利增長的過程中。你可以把它想像成增長的極致速率。
- 函數 \(f(x) = e^x\) 被稱為指數函數。
理解 \(y = e^x\) 的圖像
\(y = e^x\) 的圖像呈現出極快的增長。
- Y 軸截距： 當 \(x=0\) 時，\(y = e^0 = 1\)。圖像通過點 \((0, 1)\)。
- 定義域： 所有實數 (\(x \in \mathbb{R}\))。
- 值域： \(y > 0\)。圖像永遠為正。
- 漸近線： 圖像趨近於 x 軸 (\(y=0\))，但永遠不會接觸或穿過它。\(y=0\) 是水平漸近線。
類比： 想像複利計息。\(y = e^x\) 顯示的是當利息在每一瞬間都進行計算時的價值。這種快速增長正是該函數曲線如此陡峭向上的原因！
\(e^x\) 的關鍵要點： 它是標準的指數增長函數，永遠為正，且在 y 軸上的截距為 1。
第 2 節：自然對數 – \(y = \ln x\)
作為反函數的對數
自然對數，寫作 \(\ln x\)，是指數函數 \(e^x\) 的反函數。
什麼是反函數？ 如果一個函數 \(f\) 將 2 變為 7，那麼它的反函數 \(f^{-1}\) 就會將 7 還原回 2。
由於指數與自然對數是反函數，它們會抵消彼此的作用：
1. 如果 \(y = e^x\)，則 \(\ln y = x\)。
2. 如果 \(y = \ln x\)，則 \(e^y = x\)。
關鍵恆等式： \[\ln(e^x) = x \quad \text{且} \quad e^{\ln x} = x\]
理解 \(y = \ln x\) 的圖像
由於 \(y = \ln x\) 是 \(y = e^x\) 的反函數，其圖像即為 \(y = e^x\) 關於直線 \(y = x\) 的反射。
- X 軸截距： 當 \(y=0\) 時，\(0 = \ln x\)，這意味著 \(e^0 = x\)。因此，\(x=1\)。圖像通過點 \((1, 0)\)。
- 定義域（限制！）： \(x > 0\)。你只能對正數取對數。
- 值域： 所有實數 (\(y \in \mathbb{R}\))。
- 漸近線： 圖像趨近於 y 軸 (\(x=0\))，但永遠不會接觸或穿過它。\(x=0\) 是垂直漸近線。
常見錯誤： 千萬不要嘗試計算 \(\ln(0)\) 或 \(\ln(\text{負數})\)。這些都是無定義的！在解對數方程時，請務必檢查定義域。
\(\ln x\) 的關鍵要點： 它代表了 \(e\) 需要提高到的冪次才能得到 \(x\)。它僅對 \(x\) 的正值有定義。
第 3 節：自然對數法則
\(\ln x\) 的規則（法則）與任何其他底數（如 \(\log_{10}\)）的對數規則完全相同。請務必把它們記住！
三個基本法則
令 \(a\) 和 \(b\) 為正數。
1. 積法則 (Product Law，加法)
乘積的對數等於對數之和。
\[\ln(ab) = \ln a + \ln b\]
記憶口訣： 內部相乘 \(\rightarrow\) 外部相加。
2. 商法則 (Quotient Law，減法)
商的對數等於對數之差。
\[\ln\left(\frac{a}{b}\right) = \ln a - \ln b\]
提示： 分子的對數在前。
3. 冪法則 (Power Law，乘法)
數的冪的對數可以將冪次移到前面。這是解方程時最常用的法則！
\[\ln(a^k) = k \ln a\]
對數值的快速複習
- \(\ln(1) = 0\) (因為 \(e^0 = 1\))
- \(\ln(e) = 1\) (因為 \(e^1 = e\))
法則的關鍵要點： 使用這些法則將多個對數項合併為一個，或者將複雜的對數項展開為更簡單的部分。
第 4 節：解包含 \(e^x\) 和 \(\ln x\) 的方程
解這些方程完全依賴於使用反函數關係。我們需要「抵消」函數以求出 \(x\)。
類型 1：解指數方程 (包含 \(e^x\))
當 \(x\) 位於指數位置時，為了求出 \(x\)，我們對方程兩邊取自然對數 (\(\ln\))。
步驟範例：解 \(5e^{2x} - 3 = 12\)
- 分離指數項： 讓 \(e^{\text{某項}}\) 獨自存在。
\[5e^{2x} = 15\] \[e^{2x} = 3\] - 兩邊取 \(\ln\)： 這會把指數拉下來。
\[\ln(e^{2x}) = \ln(3)\] \[2x = \ln(3)\] - 解出 \(x\)：
\[x = \frac{\ln(3)}{2}\] - 計算（如果需要小數答案）： \(x \approx 0.549\) (保留 3 位有效數字)
鼓勵： 關鍵永遠是第 1 步！如果你能成功分離該項，剩下的步驟就是應用恆等式 \(\ln(e^{f(x)}) = f(x)\) 了。
類型 2：解對數方程 (包含 \(\ln x\))
當 \(x\) 位於對數內部時，我們利用反函數，對方程兩邊進行 \(e^{\text{某項}}\) 運算。
步驟範例：解 \(\ln(x-1) + 4 = 6\)
- 分離對數項： 讓 \(\ln(\text{某項})\) 獨自存在。
\[\ln(x-1) = 2\] - 使用反函數（兩邊同時作為 \(e\) 的指數）：
\[e^{\ln(x-1)} = e^2\] \[x-1 = e^2\] - 解出 \(x\)：
\[x = e^2 + 1\] - 檢查你的答案（至關重要！）： 由於 \(\ln\) 的定義域是 \(x>0\)，我們必須檢查括號內的式子 (\(x-1\)) 是否為正。由於 \(e^2 \approx 7.39\)，\(x \approx 8.39\)。括號內的式子 \(x-1 = e^2\)，它是正數。因此該解有效。
關於增根的重要提示： 如果你解方程後得到一個解如 \(x = 0.5\)，而原始方程包含 \(\ln(x-1)\)，那麼括號內的式子將變為 \(0.5 - 1 = -0.5\)。由於 \(\ln(-0.5)\) 無定義，因此 \(x=0.5\) 將是一個增根（偽解），必須捨去。
解方程的關鍵要點： 先分離目標項。用 \(\ln\) 去抵消 \(e\)，用 \(e\) 去抵消 \(\ln\)。務必檢查你的對數解是否在定義域內。
第 5 節：現實場景建模
P3 指數函數的主要應用之一是對人口增長、放射性衰減和冷卻/加熱等場景進行建模。這些模型通常採取以下形式：
\[P = Ae^{kt}\]
其中：
- \(P\) 是數量（人口、溫度、質量等）
- \(t\) 是時間（通常為年、小時或秒）
- \(A\) 是初始數量（當 \(t=0\) 時）。因為 \(e^0 = 1\)，當 \(t=0\)，\(P=A\)。
- \(k\) 是速率常數。
- 如果 \(k > 0\)，則代表指數增長。
- 如果 \(k < 0\)，則代表指數衰減。
使用數據求常數（線性化）
有時，你會獲得遵循複雜指數關係的實驗數據點 (\(x, y\))，並需要求出常數 \(A\) 和 \(k\)。
為了做到這一點，我們將關係轉換為線性形式 (\(Y = mX + C\))。這是 P3 的一項關鍵技能！
情況 1：指數模型 \(y = Ae^{kx}\)
該模型描述 \(y\) 與 \(x\) 的關係。我們希望將其轉換為線性形式 \(Y = mX + C\)。
- 兩邊取自然對數：
\[\ln y = \ln(Ae^{kx})\] - 應用積法則：
\[\ln y = \ln A + \ln(e^{kx})\] - 應用冪法則 (\(\ln(e^{kx}) = kx\))：
\[\ln y = \ln A + kx\] - 整理為 \(Y = mX + C\) 格式：
\[\ln y = kx + \ln A\]
如果你繪製數據圖：
- Y 軸變量為 \(Y = \ln y\)。
- X 軸變量為 \(X = x\)。
- 斜率為 \(m = k\)。
- Y 軸截距為 \(C = \ln A\)。
這意味著： 如果你繪製 \(\ln y\) 對 \(x\) 的圖並得到一條直線，則你的數據符合 \(y = Ae^{kx}\) 模型！你可以直接從斜率求出 \(k\)，並通過計算 \(e^C\) 求出 \(A\)。
你知道嗎？ 在實驗室分析化學反應或物理衰減過程時，這種技術被廣泛使用。它將複雜的曲線變為簡單的直線，使計算變得容易得多！
情況 2：冪法則模型 \(y = Ax^n\) (常見陷阱！)
雖然這不涉及 \(e^x\)，但你仍必須使用 \(\ln\) 將其線性化。
- 兩邊取 \(\ln\)：
\[\ln y = \ln(Ax^n)\] - 應用積法則：
\[\ln y = \ln A + \ln(x^n)\] - 應用冪法則：
\[\ln y = n \ln x + \ln A\]
如果你繪製數據圖：
- Y 軸變量為 \(Y = \ln y\)。
- X 軸變量為 \(X = \ln x\)。
- 斜率為 \(m = n\)。
- Y 軸截距為 \(C = \ln A\)。
請小心！ 注意情況 1（繪製 \(\ln y\) 對 \(x\)，即對數-線性圖）與情況 2（繪製 \(\ln y\) 對 \(\ln x\)，即對數-對數圖）之間的區別。認真閱讀考試題目，確定你需要繪製哪些變量！
建模的關鍵要點： 使用對數法則將複雜的非線性模型轉換為線性形式 \(Y = mX + C\)。這允許你使用斜率和截距計算求出未知常數 \(A\) 和 \(k\)（或 \(A\) 和 \(n\)）。
章節總結清單
- 我理解 \(e\) 是自然底數，近似值為 \(2.718\)。
- 我了解反函數關係：\(\ln(e^x) = x\) 且 \(e^{\ln x} = x\)。
- 我能將積、商和冪法則應用於 \(\ln\)。
- 我能通過分離項並使用 \(\ln\) 來解包含 \(e^x\) 的方程。
- 我能通過分離項並使用 \(e\) 來解包含 \(\ln x\) 的方程，並且我總是會檢查我的定義域。
- 我能使用 \(\ln\) 將 \(y = Ae^{kx}\) 和 \(y = Ax^n\) 形式的模型線性化。
繼續練習這些轉換和解方程的技巧吧！你一定做得到的！