¡Los logaritmos son increíblemente importantes y se muestran de muchas maneras inesperadas! Algunas de estas formas son puramente por conveniencia, pero otras son fundamentalmente importantes e inevitables.
Fundamental:
1) Es la función inversa de la función exponencial, a saber, [matemática] \ ln (e ^ x) = x [/ matemática] . A primera vista, esto no parece impresionante, pero cada vez que necesitamos resolver una ecuación con una exponencial, los logaritmos aparecen de forma natural. Por ejemplo, una de las ecuaciones diferenciales más famosas del mundo, la ecuación de crecimiento o decadencia exponencial tiene una solución exponencial.
- ¿Cuándo tendrá una matriz valores propios negativos? ¿Y qué significa eso?
- ¿Cuándo apesta la notación matemática?
- ¿Qué queremos decir cuando decimos que "el número mínimo de vectores coplanares desiguales cuya suma es cero es tres"?
- ¿Cómo sería una sociedad que adorara las matemáticas?
- ¿Qué ramas de las matemáticas son actuales y modernas?
[matemáticas] \ frac {dx} {dt} = kx \ implica x (t) = Ae ^ {kt} [/ matemáticas]
A partir de esto, uno puede resolver la vida media (cuando [matemáticas] x (t) = A / 2 [/ matemáticas]), y obtener que [matemáticas] t = – \ frac {\ ln (2)} {k} [/matemáticas]. Las vidas medias implican naturalmente logaritmos, y aparecen con bastante frecuencia ya que cualquier tipo de tasa de descomposición que sea proporcional a la cantidad de cosas presentes dará lugar a esta ecuación diferencial.
2) Los logaritmos capturan el número de cálculos requeridos en los enfoques de dividir y conquistar . ¿Cómo encontrarías un nombre en una guía telefónica? Probablemente irías a algún lugar en el medio y preguntarías si el nombre está en la parte frontal del libro o en la sección posterior (ya que está ordenado alfabéticamente). Luego, si determinó que era el frente, probablemente dividiría la sección delantera en dos nuevamente y repetiría hasta encontrar a la persona que está buscando. Esto se conoce como búsqueda binaria y es uno de los algoritmos de búsqueda más rápidos para datos ordenados. Si quisiéramos conocer un límite superior en la cantidad de verificaciones requeridas para finalmente encontrar el dato que queremos, esto implica un logaritmo. Básicamente, queremos saber cuántas veces podemos dividir el conjunto de datos en 2, hasta que no podamos dividirlo más finamente. La respuesta a esto es lo que se requiere k tal que [matemática] 2 ^ k = n [/ matemática] donde n es el número total de puntos de datos. Por lo tanto, k es el logaritmo de base 2 de n. Cualquier tipo de enfoque de divide y vencerás tendrá un límite superior en el número de niveles necesarios para alcanzar la unidad mínima y esto siempre será un logaritmo. Es por eso que los logaritmos aparecen en el estudio de algoritmos en informática. Capturan la esencia de dividir y conquistar.
Conveniencia:
3) Es una función uno a uno, convierte productos en sumas ( [math] \ log (ab) = \ log (a) + \ log (b) [/ math] ) y, por lo tanto, es conveniente para la optimización. Un problema que a menudo surge en las estadísticas es maximizar la probabilidad de un conjunto de datos. Suponiendo un modelo probabilístico dado, la probabilidad de observar un conjunto de datos es la probabilidad de obtener ese conjunto de datos exactos. Dado que las pruebas en un experimento a menudo son independientes, la función de probabilidad (como una función del parámetro de un modelo que haría más o menos probable observar un conjunto de datos) es a menudo un producto de funciones. Luego nos gustaría optimizar en el espacio de parámetros para obtener la mayor probabilidad de observar el conjunto de datos, y por lo tanto necesitamos tomar derivados. La regla del producto es desagradable, ¡pero los derivados manejan sumas bastante bien! A saber, la derivada de una suma es solo la suma de las derivadas. Dado que el logaritmo es una función uno a uno, maximizar el log-verosimilitud (log of the verosimilitud) es tan bueno como maximizar la verosimilitud, pero nos brinda la conveniencia adicional de facilitar las derivadas. Esta idea también tiene aplicaciones en mecánica estadística. De hecho, la entropía se define como un logaritmo casi para esta conveniencia exacta ya que los derivados de la entropía tienen un significado físico importante.
4) Los logaritmos reducen en gran medida el tamaño de los números que los hacen más fáciles de manejar, especialmente para una computadora. La escala logarítmica se usa a menudo cuando los números son enormes. Hay una gran diferencia entre [matemática] 10 ^ 5 [/ matemática] y [matemática] 10 ^ {23} [/ matemática], y algunas propiedades abarcan tantos órdenes de magnitud. Los números de este tamaño a menudo pueden hacer que las computadoras se desborden, ya que necesitarían cantidades increíbles de memoria para almacenar números de ese tamaño. El uso del registro del número retiene la misma información (hasta una operación simple) y devuelve estos números a un rango cómodo. Tomando un registro de base 10, estos números ahora son 5 y 23, mucho más manejables. Sin embargo, siempre hay que tener cuidado con las escalas logarítmicas (por ejemplo, la escala de Richter y la escala de decibelios), ya que un aumento de 1 en cualquiera de esas escalas es un factor de aumento de 10. Es la diferencia entre [matemáticas] 10 ^ 5 [/ matemáticas] y [matemáticas] 10 ^ 6 [/ matemáticas] por ejemplo. Imagínese si un periodista tiene que decir “que el terremoto fue [matemáticas] 10 ^ 2 [/ matemáticas] y que uno fue [matemáticas] 10 ^ 8 [/ matemáticas]”. Esos números son difíciles de manejar, y es mucho mejor decir que era un 2 u 8 en una escala logarítmica.