Qu'est-ce qu'un logarithme en base 2 ?
Le logarithme en base 2 d'un nombre x répond à la question : « à quelle puissance faut-il élever 2 pour obtenir x ? » Par exemple, \(\log_{2}(8) = 3\) car \(2^{3} = 8\). Les logarithmes en base 2 occupent une place centrale en informatique, en théorie de l'information et dans les systèmes numériques, où les données se mesurent en bits et en puissances de deux.
Comment utiliser ce calculateur
Saisissez n'importe quel nombre positif x dans le champ prévu à cet effet : le calculateur affiche aussitôt \(\log_{2}(x)\). Il indique également le logarithme naturel (\(\ln x\)) et le logarithme décimal (\(\log_{10} x\)) pour faciliter la comparaison. Seuls les nombres positifs possèdent un logarithme réel, x doit donc être strictement supérieur à zéro.
La formule expliquée
La plupart des calculatrices et des langages de programmation fournissent le logarithme naturel (ln) et le logarithme décimal (log₁₀), mais pas directement le logarithme en base 2. La formule de changement de base résout ce problème :
$$\log_{2}\left(\text{Number}\right) = \frac{\ln\left(\text{Number}\right)}{\ln(2)}$$
Comme \(\ln(2) \approx 0{,}6931472\), il suffit de diviser le logarithme naturel de x par cette constante pour le convertir en base 2. La même astuce fonctionne avec log₁₀ : \(\log_{2}(x) = \frac{\log_{10}(x)}{\log_{10}(2)}\).
Exemple concret
Calculons \(\log_{2}(10)\). Commençons par le logarithme naturel : \(\ln(10) \approx 2{,}302585\). Divisons ensuite par \(\ln(2) \approx 0{,}693147\). Le résultat est $$\frac{2{,}302585}{0{,}693147} \approx 3{,}321928.$$ Ainsi, \(2^{3{,}321928} \approx 10\), ce qui confirme le calcul.
Questions fréquentes
Pourquoi x doit-il être positif ? Le logarithme de zéro ou d'un nombre négatif n'est pas défini dans l'ensemble des nombres réels : le calculateur exige donc \(x > 0\).
Que vaut \(\log_{2}(1)\) ? Il est égal à 0, car toute base élevée à la puissance 0 donne 1.
Où utilise-t-on le logarithme en base 2 ? On le retrouve dans le calcul des capacités de stockage, la complexité des algorithmes (par exemple, la recherche dichotomique s'exécute en temps \(O(\log_{2} n)\)), l'entropie en théorie de l'information et le calcul des intervalles musicaux.
