【指数函数和对数函数】图解普林斯顿微积分 08

2017 年 10 月 10 日 遇见数学 遇见数学

第 9 章指数函数和对数函数

本章的主要内容:

  • 回顾指数函数和对数函数的基本知识, 以及两者是如何相互关联的;

  • e 的定义和性质;

  • 如何对指数函数和对数函数求导;

  • 如何求解涉及指数函数和对数函数的极限问题;

  • 对数函数的微分;

  • 指数增长和指数衰变;

  • 双曲函数.


9.1 基础知识

首先需要掌握三点:指数运算法则、对数和指数的关系, 以及对数运算法则.

9.1.1 指数函数的回顾

例如, 数  2 5 / 2  是一个底数为 2, 指数为 -5/2 的幂. 指数运算法则告诉我们指数函数如何运算的:

至于指数函数的图像, 可以查看第一章的内容, 跳转链接.

9.1.2 对数函数的回顾

对数(Logarithms), 比如想要求解  2 x =7  中的 x , 需要对方程两边取对数. 由于左边的底数是 2, 对数的底就是 2. 于是方程的解就是:

符号解释:

9.1.3 对数函数、指数函数及反函数

关注两者的关系, 请直接看下面的动图图片吧.

9.1.4 对数运算法则

9.2 e 的定义

9.2.1 一个有关复利的问题

更详细内容请查看《自然常数 E 的故事》文章中的内容, 跳转链接>>>.

注意: 因为以 e 为底的对数是如此常见, 所以经常会用 ln(x) , 而不是  log e (x) 来表示(读 x 的自然对数). 底数为 e 的对数称为自然对数.

9.3 对数函数和指数函数求导

9.4 求解指数函数或对数函数的极限

9.5 取对数求导法

取对数求导法是一个有用的技巧, 可以处理这样  f(x ) g ( x )  这样底数和指数均为 x 的函数的导数问题. 下面的例子:

9.6 指数增长和指数衰变(Exponential Growth and Decay)

自然界中某些情况下, 动物种群的总数会呈现指数增长, 还有物质会有指数衰变, 如放射性衰变可以帮助来确定物质的年龄.

9.6.1 指数增长

假设有一个种群以指数增长. 用符号表示, 设 P 是在时刻 t 时的总数, 并设 k 是增长常数. P 的微分方程为:


9.6.2 指数衰变

自然界中有些元素的原子具有放射性, 一段时间后, 原子核分裂, 它们变成别的元素, 同时释放出能量.

这里的 k 是常数, 也就是说 P 的变化率是 P 的负倍数.


还有数量减半的时间长度被称为原子的半衰期(half-life).



9.7 双曲函数

双曲函数是伪装的指数函数, 并且在很多方面又和三角函数非常相似.


除了 cosh(x) 双曲余弦函数和 sech(x) 双曲正割函数是偶函数外, 所有的双曲三)角函数都是奇函数. 这和原来常规的三角函数的情况相同!(本章完)

「予人玫瑰, 手留余香」

转发既是支持和帮助, 感谢感谢! 


登录查看更多
0

相关内容

在数学和计算机科学之中,算法(Algorithm)为一个计算的具体步骤,常用于计算、数据处理和自动推理。精确而言,算法是一个表示为有限长列表的有效方法。算法应包含清晰定义的指令用于计算函数。 来自维基百科: 算法
最新《自动微分手册》77页pdf
专知会员服务
97+阅读 · 2020年6月6日
【ICML2020-哈佛】深度语言表示中可分流形
专知会员服务
12+阅读 · 2020年6月2日
自回归模型:PixelCNN
专知会员服务
25+阅读 · 2020年3月21日
机器学习速查手册,135页pdf
专知会员服务
336+阅读 · 2020年3月15日
《深度学习》圣经花书的数学推导、原理与Python代码实现
一文读懂线性回归、岭回归和Lasso回归
CSDN
33+阅读 · 2019年10月13日
面试整理:关于代价函数,正则化
数据挖掘入门与实战
8+阅读 · 2018年3月29日
【机器学习数学基础】动图解释泰勒级数(一)
机器学习研究会
5+阅读 · 2018年2月25日
图解机器学习
深度学习世界
3+阅读 · 2017年11月24日
图解高等数学|线性代数
遇见数学
39+阅读 · 2017年10月18日
BAT机器学习面试1000题系列(第46~50题)
七月在线实验室
7+阅读 · 2017年10月7日
BAT机器学习面试1000题系列(第36~40题)
七月在线实验室
8+阅读 · 2017年10月3日
机器学习(18)之支持向量机原理(三)线性不可分支持向量机与核函数
机器学习算法与Python学习
3+阅读 · 2017年9月23日
【基础数学】- 01
遇见数学
19+阅读 · 2017年7月25日
Bivariate Beta LSTM
Arxiv
5+阅读 · 2019年10月7日
Meta-Learning with Implicit Gradients
Arxiv
13+阅读 · 2019年9月10日
A Probe into Understanding GAN and VAE models
Arxiv
9+阅读 · 2018年12月13日
Arxiv
7+阅读 · 2018年2月26日
Arxiv
3+阅读 · 2017年12月18日
VIP会员
相关资讯
一文读懂线性回归、岭回归和Lasso回归
CSDN
33+阅读 · 2019年10月13日
面试整理:关于代价函数,正则化
数据挖掘入门与实战
8+阅读 · 2018年3月29日
【机器学习数学基础】动图解释泰勒级数(一)
机器学习研究会
5+阅读 · 2018年2月25日
图解机器学习
深度学习世界
3+阅读 · 2017年11月24日
图解高等数学|线性代数
遇见数学
39+阅读 · 2017年10月18日
BAT机器学习面试1000题系列(第46~50题)
七月在线实验室
7+阅读 · 2017年10月7日
BAT机器学习面试1000题系列(第36~40题)
七月在线实验室
8+阅读 · 2017年10月3日
机器学习(18)之支持向量机原理(三)线性不可分支持向量机与核函数
机器学习算法与Python学习
3+阅读 · 2017年9月23日
【基础数学】- 01
遇见数学
19+阅读 · 2017年7月25日
Top
微信扫码咨询专知VIP会员