自在学
分类课程智能体订阅
分类课程AI导师价格
课程进度
2 / 12
上一节函数体系总览:从二次函数走向更多函数族下一节复合函数与反函数
自在学

© 2025 - 2026 自在学,保留所有权利。

公网安备湘公网安备43020302000292号 | 湘ICP备2025148919号-1

关于我们隐私政策使用条款

© 2025 自在学,保留所有权利。

公网安备湘公网安备43020302000292号湘ICP备2025148919号-1

数学高级代数与函数:指数、对数、多项式与有理函数函数变换:平移、伸缩、翻折与组合

函数变换:平移、伸缩、翻折与组合

一条函数图像很少只以“原始样子”出现。测量数据可能整体偏高,声音波形可能被放大,抛物线的顶点可能从原点移到别处,有理函数的渐近线也可能离开坐标轴。函数变换讨论的就是这些变化:图像上的点怎样移动,表达式中的符号怎样记录这种移动。

这一章不把变换当成一张需要硬背的表。我们从点开始:如果原图上有点 (u,f(u))(u,f(u))(u,f(u)),变换后的图像会把这个点送到哪里?只要能追踪点,平移、伸缩、翻折和组合都会变得有迹可循。


变换的共同语言:追踪点

函数图像是所有点 (x,f(x))(x,f(x))(x,f(x)) 的集合。做图像变换时,不必一次盯住整条曲线,可以先盯住一个可识别的点:顶点、端点、截距、拐点、渐近线旁的参考点,或者某个容易计算的点。

设原图上有一点

(u,v)=(u,f(u))(u,v)=(u,f(u))(u,v)=(u,f(u))

如果新函数是 ggg,我们关心的是这个点在 ggg 的图像上变成什么。竖直方向的变化通常直接改 vvv;水平方向的变化通常通过“让括号里的输入重新等于 uuu”来决定新的 xxx。

判断函数变换时,先问两个问题:表达式是在改输出,还是在改输入?输出改变时看 yyy 坐标怎样变;输入改变时看新的 xxx 要取什么值,才能让函数内部收到原来的输入。

例如,f(x)+3f(x)+3f(x)+3 是把输出加 333,所以 (u,v)(u,v)(u,v) 变成 (u,v+3)(u,v+3)(u,v+3)。而 f(x−3)f(x-3)f(x−3) 不是把点向左移 333,因为要让函数内部仍收到原来的 uuu,必须有 x−3=ux-3=ux−3=u,于是新的横坐标是 u+3u+3u+3。


输出变换:上下移动与纵向伸缩

输出变换发生在 f(x)f(x)f(x) 的外面。它们对每个输入 xxx 都做同样的输出处理,所以比较直观。

竖直平移

新函数

g(x)=f(x)+kg(x)=f(x)+kg(x)=f(x)+k

把原图上每个点 (u,v)(u,v)(u,v) 变成

(u,v+k)(u,v+k)(u,v+k)

当 k>0k>0k>0 时,图像整体上移 kkk 个单位;当 k<0k<0k<0 时,图像整体下移 ∣k∣|k|∣k∣ 个单位。图像的形状、宽度、左右位置都没有改变。

输出平移中,同一条函数曲线整体上移和下移,关键点保持相同的 x 坐标。

输出加上同一个常数时,每个点的高度改变相同的量。

竖直平移会直接影响值域。例如 f(x)=xf(x)=\sqrt{x}f(x)=x​ 的值域是 [0,∞)[0,\infty)[0,∞),那么

g(x)=x−4g(x)=\sqrt{x}-4g(x)=x​−4

的值域就是 [−4,∞)[-4,\infty)[−4,∞)。定义域仍然是 [0,∞)[0,\infty)[0,∞),因为输入没有被改变。

纵向伸缩

新函数

g(x)=af(x)g(x)=a f(x)g(x)=af(x)

把原图上每个点 (u,v)(u,v)(u,v) 变成

(u,av)(u,av)(u,av)

如果 a>1a>1a>1,点到 xxx 轴的竖直距离变为原来的 aaa 倍,图像看起来被拉高;如果 0<a<10<a<10<a<1,图像向 xxx 轴压近;如果 a<0a<0a<0,除了伸缩以外,还会关于 xxx 轴翻折。

纵向伸缩与横向伸缩的并列示意,左侧显示高度按 a 倍变化,右侧显示横坐标按 1/b 倍变化。

伸缩不是“图像变胖或变瘦”的口头感觉,而是坐标按固定倍数变化。

看一个具体例子。设

f(x)=x2−2f(x)=x^2-2f(x)=x2−2

则

g(x)=3f(x)−1=3(x2−2)−1=3x2−7g(x)=3f(x)-1=3(x^2-2)-1=3x^2-7g(x)=3f(x)−1=3(x2−2)−1=3x2−7

这里不能把 −1-1−1 和原来括号里的 −2-2−2 混成一次平移。正确理解是:先把原图每个输出乘以 333,再整体下移 111。原点处的输出从 f(0)=−2f(0)=-2f(0)=−2 变成

g(0)=3⋅(−2)−1=−7g(0)=3\cdot(-2)-1=-7g(0)=3⋅(−2)−1=−7

这正是点 (0,−2)(0,-2)(0,−2) 变为 (0,−7)(0,-7)(0,−7)。

当一个表达式同时有纵向伸缩和竖直平移时,顺序会影响结果。先把高度乘以 333 再下移 111,和先下移 111 再把全部高度乘以 333,通常不是同一条图像。


输入变换:左右移动与横向伸缩

输入变换发生在 fff 的括号里面。它们最容易让人误判方向,因为表达式不是直接告诉你“点的 xxx 坐标加多少”,而是告诉你“函数收到的输入被怎样改写”。

水平平移

新函数

g(x)=f(x−h)g(x)=f(x-h)g(x)=f(x−h)

要让 ggg 收到原函数的输入 uuu,必须满足

x−h=ux-h=ux−h=u

因此新横坐标是

x=u+hx=u+hx=u+h

所以原图上的 (u,v)(u,v)(u,v) 会变成

(u+h,v)(u+h,v)(u+h,v)

当 h>0h>0h>0 时,图像向右平移 hhh 个单位;当 h<0h<0h<0 时,图像向左平移 ∣h∣|h|∣h∣ 个单位。

输入平移中,原图的特征点从 x0 移到 x0+h,说明 f(x-h) 为什么向右移动。

水平平移要从“哪个新的 x 能制造原来的输入”来判断方向。

例如 f(x)=∣x∣f(x)=|x|f(x)=∣x∣ 的顶点在 (0,0)(0,0)(0,0)。函数

g(x)=∣x−5∣g(x)=|x-5|g(x)=∣x−5∣

的顶点在哪里?顶点对应原函数输入 000,所以要让 x−5=0x-5=0x−5=0,得到 x=5x=5x=5。顶点变为 (5,0)(5,0)(5,0),图像向右移动 555 个单位。

横向伸缩

新函数

g(x)=f(bx)g(x)=f(bx)g(x)=f(bx)

要让函数内部收到原来的输入 uuu,必须满足

bx=ubx=ubx=u

所以新的横坐标是

x=ubx=\frac{u}{b}x=bu​

原图上的点 (u,v)(u,v)(u,v) 变成

(ub,v)\left(\frac{u}{b},v\right)(bu​,v)

如果 b>1b>1b>1,横坐标变为原来的 1b\frac{1}{b}b1​,图像向 yyy 轴压缩;如果 0<b<10<b<10<b<1,横坐标变大,图像水平拉伸。若 b<0b<0b<0,还包含关于 yyy 轴的翻折。

在这个交互中拖动 a,b,h,ka,b,h,ka,b,h,k 时,注意观察同一个参考点怎样移动。只看曲线的外观容易猜错,跟踪点更稳。

横向变化为什么常常“反着来”

很多错误来自一句口头规则:“括号里减就向右,加就向左。”这句话可以作为结果,但不适合作为理由。更可靠的理由是等式。

如果原函数的某个特征出现在输入 u=4u=4u=4 处,那么在

g(x)=f(x−2)g(x)=f(x-2)g(x)=f(x−2)

中,这个特征会出现在满足 x−2=4x-2=4x−2=4 的地方,也就是 x=6x=6x=6。图像向右移动,是因为同一个内部输入需要更大的外部 xxx 才能得到。


翻折:符号放在哪里,镜子就在哪里

翻折本质上是某个坐标取相反数。输出取相反数,就是关于 xxx 轴翻折;输入取相反数,就是关于 yyy 轴翻折。

关于 x 轴翻折

新函数

g(x)=−f(x)g(x)=-f(x)g(x)=−f(x)

把原图上每个点 (u,v)(u,v)(u,v) 变成

(u,−v)(u,-v)(u,−v)

横坐标不变,纵坐标变成相反数,所以图像关于 xxx 轴翻折。

关于 y 轴翻折

新函数

g(x)=f(−x)g(x)=f(-x)g(x)=f(−x)

要让内部输入等于 uuu,需要 −x=u-x=u−x=u,即 x=−ux=-ux=−u。原图上的点 (u,v)(u,v)(u,v) 变成

(−u,v)(-u,v)(−u,v)

纵坐标不变,横坐标变成相反数,所以图像关于 yyy 轴翻折。

不对称函数曲线关于 x 轴和 y 轴翻折的比较。

符号在函数外面,改输出;符号在函数里面,改输入。

有些函数本身对称,翻折后看起来可能没有变化。例如 f(x)=x2f(x)=x^2f(x)=x2 满足 f(−x)=f(x)f(-x)=f(x)f(−x)=f(x),所以关于 yyy 轴翻折后仍是原图。用这类函数练习翻折容易误以为自己判断对了,因此学习初期最好用不对称曲线检验理解。


组合变换:先后关系不是口诀

组合变换常写成

g(x)=af(b(x−h))+kg(x)=a f(b(x-h))+kg(x)=af(b(x−h))+k

其中 aaa 和 kkk 改输出,bbb 和 hhh 改输入。追踪点时,设原图上一点为 (u,v)(u,v)(u,v)。要让新函数内部收到 uuu,需要

b(x−h)=ub(x-h)=ub(x−h)=u

解得

x=h+ubx=h+\frac{u}{b}x=h+bu​

输出则变成

y=av+ky=av+ky=av+k

所以点映射为

(u,v)→(h+ub,av+k)(u,v)\to\left(h+\frac{u}{b},av+k\right)(u,v)→(h+bu​,av+k)

组合变换中,原图上一点通过输入坐标和输出坐标的变化映射到新图上。

组合变换可以拆成两个坐标问题:新的 x 从内部输入条件解出,新的 y 由输出表达式给出。

例题:从点映射画出组合变换

设一条基准函数 fff 经过三个点

(−2,1),(0,−1),(3,2)(-2,1),\quad (0,-1),\quad (3,2)(−2,1),(0,−1),(3,2)

现在定义

g(x)=−2f(3(x−1))+4g(x)=-2f(3(x-1))+4g(x)=−2f(3(x−1))+4

求这三个点在新图像上的对应点。

先把新函数与一般形式比较。这里 a=−2a=-2a=−2,b=3b=3b=3,h=1h=1h=1,k=4k=4k=4。

对原图上一点 (u,v)(u,v)(u,v),新横坐标满足 3(x−1)=u3(x-1)=u3(x−1)=u,所以 x=1+u3x=1+\frac{u}{3}x=1+3u​。

新纵坐标为 y=−2v+4y=-2v+4y=−2v+4。这一步只处理输出,所以直接代入原来的 vvv。

三个点分别变为 (13,2)\left(\frac{1}{3},2\right)(31​,2)、(1,6)(1,6)(1,6)、(2,0)(2,0)(2,0)。把这些点连同图像形状一起移动、压缩、翻折,就能草绘新图。

顺序什么时候会影响结果

如果一个变换改输入,另一个改输出,它们通常互不干扰。例如先右移再纵向拉伸,与先纵向拉伸再右移,会得到同一条最终图像。

但两个变换都作用在同一个方向时,顺序往往会改变结果。以 f(x)=x2f(x)=x^2f(x)=x2 为例,先上移 222 再纵向放大 333,得到

3(f(x)+2)=3x2+63(f(x)+2)=3x^2+63(f(x)+2)=3x2+6

先纵向放大 333 再上移 222,得到

3f(x)+2=3x2+23f(x)+2=3x^2+23f(x)+2=3x2+2

这两条图像相差 444 个单位,不可能是同一条。

看到 f(bx+c)f(bx+c)f(bx+c) 时,不要直接把 ccc 当作水平平移量。先把内部整理成 b(x−h)b(x-h)b(x−h)。例如 f(2x−6)=f(2(x−3))f(2x-6)=f(2(x-3))f(2x−6)=f(2(x−3)),水平平移量是 333,不是 666。


从图像读出变换

从图像反推变换时,不要一开始就盯着整条曲线。先找“能跟踪的特征”,再比较这些特征从原图到新图发生了什么。

常用特征包括:绝对值函数的顶点,二次函数的顶点和对称轴,平方根函数的端点,对数函数的竖直渐近线,有理函数的竖直和水平渐近线,指数函数的水平渐近线,以及明显的截距或经过点。

从图像读出变换时,先标出顶点、端点、渐近线和截距等可追踪特征。

读图的核心不是猜公式,而是比较可追踪特征的位置和比例。

例题:由绝对值图像写式子

一条 V 形图像的顶点是 (2,−3)(2,-3)(2,−3),开口向下,并且从顶点向右走 111 个单位时,图像下降 444 个单位。把它看作 f(x)=∣x∣f(x)=|x|f(x)=∣x∣ 的变换,写出函数式。

原函数 ∣x∣|x|∣x∣ 的顶点是 (0,0)(0,0)(0,0)。顶点变为 (2,−3)(2,-3)(2,−3),说明有水平右移 222 和竖直下移 333。

开口向下,说明输出被乘以负数,也就是发生了关于 xxx 轴的翻折。

从顶点向右走 111,原来的 ∣x∣|x|∣x∣ 会上升 111;现在图像下降 444,说明纵向伸缩因子是 −4-4−4。

因此函数可以写成 g(x)=−4∣x−2∣−3g(x)=-4|x-2|-3g(x)=−4∣x−2∣−3。

读图时的检查顺序

先找母函数。图像像 V 形、抛物线、根式曲线、指数曲线、对数曲线还是有理函数?母函数选错,后面的变换会全部偏掉。

再找位置特征。顶点、端点、渐近线和对称轴通常比随机点更稳定。它们能直接告诉你 hhh 和 kkk。

接着看方向。开口向下、左右交换、分支换边,通常提示 a<0a<0a<0 或 b<0b<0b<0。

最后看比例。比较从关键点出发的水平距离和竖直距离,判断是纵向伸缩还是横向伸缩。不要只凭“看起来变窄”就下结论,因为横向压缩和纵向拉伸在某些曲线上会显得相似。


实际模型中的变换

函数变换不只用于画图题。现实模型常常先有一个基本形状,再根据单位、起点、基线和强度做调整。

例如,一个设备记录的温度变化形状可以用 T(t)T(t)T(t) 描述。如果传感器延迟了 222 分钟,读数还整体偏高 0.60.60.6 摄氏度,校正后的模型可能写成

C(t)=T(t+2)−0.6C(t)=T(t+2)-0.6C(t)=T(t+2)−0.6

这里 t+2t+2t+2 表示在当前时刻 ttt,我们使用原模型中更晚的输入来抵消延迟;−0.6-0.6−0.6 表示把输出整体下调。

再看一个振动或声音的简化模型。若 f(t)f(t)f(t) 表示标准波形,那么

g(t)=1.8f(4(t−0.5))+0.2g(t)=1.8f(4(t-0.5))+0.2g(t)=1.8f(4(t−0.5))+0.2

可以描述振幅变大、周期变短、整体延迟和基线抬高。虽然这里的母函数可能是三角函数,但变换语言仍然是同一套:输入控制时间位置和横向比例,输出控制高度和基线。

在后面的指数函数、对数函数、多项式函数和有理函数中,我们会反复用这套语言。例如指数模型的水平渐近线被 +k+k+k 改变,有理函数的竖直渐近线被 x−hx-hx−h 改变,多项式图像的端行为会被 aaa 的正负和大小影响。


常见误区与自检

最常见的错误是把输入变换当作输出变换处理。例如把 f(x−3)f(x-3)f(x−3) 说成“减 3 所以左移”,或者把 f(2x)f(2x)f(2x) 说成“乘 2 所以水平拉伸 2 倍”。遇到括号内的变化,先解出哪个新的 xxx 会制造原来的输入。

自检题

给定 fff 的图像,描述下列函数相对于 fff 的变换。

  1. g(x)=f(x)+5g(x)=f(x)+5g(x)=f(x)+5
  2. g(x)=f(x−4)g(x)=f(x-4)g(x)=f(x−4)
  3. g(x)=2f(x)−1g(x)=2f(x)-1g(x)=2f(x)−1
  4. g(x)=f(3x)g(x)=f(3x)g(x)=f(3x)
  5. g(x)=−f(x+2)g(x)=-f(x+2)g(x)=−f(x+2)
  6. g(x)=12f(−2(x−1))+3g(x)=\frac{1}{2}f(-2(x-1))+3g(x)=21​f(−2(x−1))+3
  1. 整体上移 555。
  2. 整体右移 444。
  3. 先纵向放大 222 倍,再下移 111。
  4. 横向压缩为原来的 13\frac{1}{3}31​。
  5. 先左移 222,再关于 xxx 轴翻折;这两个变换一个改输入、一个改输出,顺序不影响最终图像。
  6. 输入部分是 −2(x−1)-2(x-1)−2(x−1),所以包含关于 yyy 轴的翻折、横向压缩为原来的 12\frac{1}{2}21​,再右移 111;输出部分是纵向压缩为原来的 12\frac{1}{2}21​,再上移 333。更稳的说法是:原图上 (u,v)(u,v)(u,v) 变成 (1−u2,v2+3)\left(1-\frac{u}{2},\frac{v}{2}+3\right)(1−2u​,2v​+3)。

小结

函数变换的核心是坐标关系。f(x)+kf(x)+kf(x)+k 改输出高度,f(x−h)f(x-h)f(x−h) 改输入位置,af(x)af(x)af(x) 改点到 xxx 轴的竖直距离,f(bx)f(bx)f(bx) 改点到 yyy 轴的水平距离;负号放在外面是关于 xxx 轴翻折,负号放在里面是关于 yyy 轴翻折。

当多个变换组合在一起时,别急着背顺序。把内部整理成 b(x−h)b(x-h)b(x−h),把外部整理成 af(⋯ )+kaf(\cdots)+kaf(⋯)+k,再追踪原图上的点:

(u,v)→(h+ub,av+k)(u,v)\to\left(h+\frac{u}{b},av+k\right)(u,v)→(h+bu​,av+k)

这个式子既能帮你画图,也能帮你从图像反推表达式。

  • 变换的共同语言:追踪点
  • 输出变换:上下移动与纵向伸缩
    • 竖直平移
    • 纵向伸缩
  • 输入变换:左右移动与横向伸缩
    • 水平平移
    • 横向伸缩
    • 横向变化为什么常常“反着来”
  • 翻折:符号放在哪里,镜子就在哪里
    • 关于 x 轴翻折
    • 关于 y 轴翻折
  • 组合变换:先后关系不是口诀
    • 例题:从点映射画出组合变换
    • 顺序什么时候会影响结果
  • 从图像读出变换
    • 例题:由绝对值图像写式子
    • 读图时的检查顺序
  • 实际模型中的变换
  • 常见误区与自检
    • 自检题
    • 小结

目录

  • 变换的共同语言:追踪点
  • 输出变换:上下移动与纵向伸缩
    • 竖直平移
    • 纵向伸缩
  • 输入变换:左右移动与横向伸缩
    • 水平平移
    • 横向伸缩
    • 横向变化为什么常常“反着来”
  • 翻折:符号放在哪里,镜子就在哪里
    • 关于 x 轴翻折
    • 关于 y 轴翻折
  • 组合变换:先后关系不是口诀
    • 例题:从点映射画出组合变换
    • 顺序什么时候会影响结果
  • 从图像读出变换
    • 例题:由绝对值图像写式子
    • 读图时的检查顺序
  • 实际模型中的变换
  • 常见误区与自检
    • 自检题
    • 小结