对数：从零到精通

对数让学生望而生畏，是因为记号 $\log_a b$ 没有直观地揭示它到底在做什么。事实上，对数不过是伪装起来的指数。一旦你想通这一点，每一条对数法则都顺理成章地从你熟悉的指数法则推导出来。本指南从最基础开始一步步搭建对数。

定义（把这一条背下来）

$\log_a b = c \iff a^c = b$

用文字说：「$\log_a b$ 就是你要把 $a$ 提到的那个指数，好得到 $b$。」就这么简单。其余的一切都只是记账。

示例：

• $\log_2 8 = 3$，因为 $2^3 = 8$。
• $\log_{10} 1000 = 3$，因为 $10^3 = 1000$。
• $\log_5 1 = 0$，因为 $5^0 = 1$。

常见的底

• $\log$（无下标）：在预备微积分中通常是 $\log_{10}$，但在高等数学（微积分、物理、机器学习）里是 $\log_e = \ln$。查一下你课本的约定。
• $\ln$（自然对数）：即 $\log_e$，其中 $e \approx 2.71828$。它是「自然」的底，因为 $\frac{d}{dx}\ln x = \frac{1}{x}$ ——导数干净利落。
• $\log_2$：计算机科学（二进制）、信息论。

四条核心法则

这四条都来自把指数法则（$a^m \cdot a^n = a^{m+n}$ 等）反过来用。

1. 乘积法则

$\log_a (xy) = \log_a x + \log_a y$

对数内部的乘法 → 外部的加法。（$a^m a^n = a^{m+n}$ 的镜像。）

2. 商法则

$\log_a \frac{x}{y} = \log_a x - \log_a y$

除法 → 减法。

3. 幂法则

$\log_a (x^n) = n \log_a x$

指数被提到外面成为乘数。在求解对数方程时最为有用。

4. 换底公式

$\log_a b = \frac{\log_c b}{\log_c a}$

对任意参考底 $c$ 都成立。它让你能在只有 $\log_{10}$ 或 $\ln$ 的计算器上算出 $\log_7 50$。

求解对数方程

标准套路：

如果方程里有多个对数项，用法则 1–3 把它们合并成单个对数，然后转换为指数形式。

示例：$\log_2(x) + \log_2(x - 2) = 3$。

• 合并：$\log_2 (x(x-2)) = 3$。
• 指数形式：$x(x - 2) = 2^3 = 8$。
• 二次方程：$x^2 - 2x - 8 = 0$，因式分解：$(x - 4)(x + 2) = 0$，所以 $x = 4$ 或 $x = -2$。
• 检查定义域：$\log_2(-2)$ 无定义（对数要求参数为正），所以舍去 $x = -2$。
• 答案：$x = 4$。

一定要检查定义域——对对数进行平方或合并可能引入违反「参数为正」要求的增根。

有用的恒等式

• $\log_a 1 = 0$（任何数的零次方都是 1）。
• $\log_a a = 1$（任何数的一次方都是它自己）。
• $\log_a a^n = n$（逆运算恒等式）。
• $a^{\log_a x} = x$（逆运算恒等式，反过来的方向）。

为什么对数重要

• 压缩巨大的范围：pH 值、分贝、里氏震级、星等——都是对数的，因为背后的量跨越了许多个数量级。
• 把指数数据线性化：对数坐标轴的图把指数趋势显示为直线。在金融、生物学、机器学习中是标准做法。
• 微积分：$\frac{d}{dx}\ln x = \frac{1}{x}$ ——地球上最干净的导数，值得永远记住。
• 信息论：以 2 为底的对数衡量比特；以 $e$ 为底的对数衡量奈特（nat）。

常见错误

• $\log(x + y) \neq \log x + \log y$。乘积法则针对的是 $\log(xy)$，不是 $\log(x+y)$。根本不存在「和的对数」这条法则。
• 负的参数：$\log_a(-3)$ 在实数范围内无定义。
• 求解方程时忘记检查定义域。

自己试一试

把任意对数表达式输入我们的方程求解器——它会挑选正确的法则链，并一步步带你走完。

相关：

• 术语表：对数
• 术语表：指数
• 代数公式速查表