#A06 · 代数学与数论 (Algebra) · Lv.2在3D思维导图中查看

对数运算法则与换底公式

John Napier · 1614년

log⁡a(xy)=log⁡ax+log⁡ay,log⁡ab=ln⁡bln⁡a\log_a(xy) = \log_a x + \log_a y,\quad \log_a b = \frac{\ln b}{\ln a}
ay=x  ⟺  y=log⁡ax(a>0,a≠1,x>0)a^y = x \iff y = \log_a x \quad (a>0, a\neq 1, x>0)

指数运算的逆运算,将乘除转化为加减,是二分查找O(log N)复杂度、分贝刻度与AI交叉熵损失函数的数学基础。

🧮 即时公式计算器与图形绘制器
底数 a
真数 x
log⁡2(64)=ln⁡(64)ln⁡(2)=6.0000\log_{2}(64) = \frac{\ln(64)}{\ln(2)} = 6.0000
log_2(x)
6.0000
자연로그 ln(x)
4.1589
상용로그 log₁₀(x)
1.8062

先修概念路径 (Prerequisite Path) (3 STEP)

完整路径分析

按顺序点击即可沿3D霓虹路径从基础直达目标公式。

几何与直观原理解析

10을 몇 번 거듭제곱해야 1,000이 될까요? 정답인 3이 바로 log₁₀(1000)입니다. 확률 0.0001 × 0.0001 을 그냥 곱하면 컴퓨터에서 0으로 사라지지만, 로그를 씌우면 -4 + (-4) = -8 로 안전하게 더해집니다.

分步公式推导过程

  1. Step 1.1단계: m = log_a(x), n = log_a(y) 라 두면 정의에 의해 x = a^m, y = a^n 입니다.
  2. Step 2.2단계: 두 식을 곱하면 xy = a^m · a^n = a^(m+n) 이 됩니다.
  3. Step 3.3단계: 다시 로그 정의를 적용하면 log_a(xy) = m + n = log_a(x) + log_a(y) 가 증명됩니다.

AI与编程实战应用

二分查找O(log₂ N)时间复杂度分析与深度学习对数似然(Log-Likelihood)防下溢计算

#O(log N) Complexity#Log-Likelihood AI#Information Theory
const logBase = (a: number, x: number) => Math.log(x) / Math.log(a);

代数学与数论 (Algebra) — 同领域相关公式