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)),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)) 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))
如果新函数是 g,我们关心的是这个点在 g 的图像上变成什么。竖直方向的变化通常直接改 v;水平方向的变化通常通过“让括号里的输入重新等于 u”来决定新的 x。
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 y 坐标怎样变;输入改变时看新的 x 要取什么值,才能让函数内部收到原来的输入。
例如,f(x)+3 是把输出加 3,所以 (u,v) 变成 (u,v+3)。而 f(x−3) 不是把点向左移 3,因为要让函数内部仍收到原来的 u,必须有 x−3=u,于是新的横坐标是 u+3。
输出变换:上下移动与纵向伸缩
输出变换发生在 f(x) 的外面。它们对每个输入 x 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)+k
把原图上每个点 (u,v) 变成
(u,v+k)
当 k>0 时,图像整体上移 k 个单位;当 k<0 时,图像整体下移 ∣k∣ 个单位。图像的形状、宽度、左右位置都没有改变。

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)=x 的值域是 [0,∞),那么
g(x)=x−4
的值域就是 [−4,∞)。定义域仍然是 [0,∞),因为输入没有被改变。
纵向伸缩
新函数
g(x)=af(x)
把原图上每个点 (u,v) 变成
(u,av)
如果 a>1,点到 x 轴的竖直距离变为原来的 a 倍,图像看起来被拉高;如果 0<a<1,图像向 x 轴压近;如果 a<0,除了伸缩以外,还会关于 x 轴翻折。

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)=x2−2
则
g(x)=3f(x)−1=3(x2−2)−1=3x2−7
这里不能把 −1 和原来括号里的 −2 混成一次平移。正确理解是:先把原图每个输出乘以 3,再整体下移 1。原点处的输出从 f(0)=−2 变成
g(0)=3⋅(−2)−1=−7
这正是点 (0,−2) 变为 (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 3 再下移 1,和先下移 1 再把全部高度乘以 3,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 f 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 x 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)
要让 g 收到原函数的输入 u,必须满足
x−h=u
因此新横坐标是
x=u+h
所以原图上的 (u,v) 会变成
(u+h,v)
当 h>0 时,图像向右平移 h 个单位;当 h<0 时,图像向左平移 ∣h∣ 个单位。

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∣ 的顶点在 (0,0)。函数
g(x)=∣x−5∣
的顶点在哪里?顶点对应原函数输入 0,所以要让 x−5=0,得到 x=5。顶点变为 (5,0),图像向右移动 5 个单位。
横向伸缩
新函数
g(x)=f(bx)
要让函数内部收到原来的输入 u,必须满足
bx=u
所以新的横坐标是
x=bu
原图上的点 (u,v) 变成
(bu,v)
如果 b>1,横坐标变为原来的 b1,图像向 y 轴压缩;如果 0<b<1,横坐标变大,图像水平拉伸。若 b<0,还包含关于 y 轴的翻折。
在这个交互中拖动 a,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=4 处,那么在
g(x)=f(x−2)
中,这个特征会出现在满足 x−2=4 的地方,也就是 x=6。图像向右移动,是因为同一个内部输入需要更大的外部 x 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 x 轴翻折;输入取相反数,就是关于 y 轴翻折。
关于 x 轴翻折
新函数
g(x)=−f(x)
把原图上每个点 (u,v) 变成
(u,−v)
横坐标不变,纵坐标变成相反数,所以图像关于 x 轴翻折。
关于 y 轴翻折
新函数
g(x)=f(−x)
要让内部输入等于 u,需要 −x=u,即 x=−u。原图上的点 (u,v) 变成
(−u,v)
纵坐标不变,横坐标变成相反数,所以图像关于 y 轴翻折。

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)=x2 满足 f(−x)=f(x),所以关于 y 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))+k
其中 a 和 k 改输出,b 和 h 改输入。追踪点时,设原图上一点为 (u,v)。要让新函数内部收到 u,需要
b(x−h)=u
解得
x=h+bu
输出则变成
y=av+k
所以点映射为
(u,v)→(h+bu,av+k)

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 f 经过三个点
(−2,1),(0,−1),(3,2)
现在定义
g(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=−2,b=3,h=1,k=4。
对原图上一点 (u,v),新横坐标满足 3(x−1)=u,所以 x=1+3u。
新纵坐标为 y=−2v+4。这一步只处理输出,所以直接代入原来的 v。
三个点分别变为 (31,2)、(1,6)、(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)=x2 为例,先上移 2 再纵向放大 3,得到
3(f(x)+2)=3x2+6
先纵向放大 3 再上移 2,得到
3f(x)+2=3x2+2
这两条图像相差 4 个单位,不可能是同一条。
看到 f(bx+c) 时,不要直接把 c 当作水平平移量。先把内部整理成 b(x−h)。例如 f(2x−6)=f(2(x−3)),水平平移量是 3,不是 6。
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。

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),开口向下,并且从顶点向右走 1 个单位时,图像下降 4 个单位。把它看作 f(x)=∣x∣ 的变换,写出函数式。
原函数 ∣x∣ 的顶点是 (0,0)。顶点变为 (2,−3),说明有水平右移 2 和竖直下移 3。
开口向下,说明输出被乘以负数,也就是发生了关于 x 轴的翻折。
从顶点向右走 1,原来的 ∣x∣ 会上升 1;现在图像下降 4,说明纵向伸缩因子是 −4。
因此函数可以写成 g(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 h 和 k。
接着看方向。开口向下、左右交换、分支换边,通常提示 a<0 或 b<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) 描述。如果传感器延迟了 2 分钟,读数还整体偏高 0.6 摄氏度,校正后的模型可能写成
C(t)=T(t+2)−0.6
这里 t+2 表示在当前时刻 t,我们使用原模型中更晚的输入来抵消延迟;−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) 表示标准波形,那么
g(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 改变,有理函数的竖直渐近线被 x−h 改变,多项式图像的端行为会被 a 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) 说成“减 3 所以左移”,或者把 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 x 会制造原来的输入。
自检题
给定 f 的图像,描述下列函数相对于 f 的变换。
- g(x)=f(x)+5
- g(x)=f(x−4)
- g(x)=2f(x)−1
- g(x)=f(3x)
- g(x)=−f(x+2)
- g(x)=21f(−2(x−1))+3
- 整体上移 5。
- 整体右移 4。
- 先纵向放大 2 倍,再下移 1。
- 横向压缩为原来的 31。
- 先左移 2,再关于 x 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。
- 输入部分是 −2(x−1),所以包含关于 y 轴的翻折、横向压缩为原来的 21,再右移 1;输出部分是纵向压缩为原来的 21,再上移 3。更稳的说法是:原图上 (u,v) 变成 (1−2u,2v+3)。
小结
函数变换的核心是坐标关系。f(x)+k 改输出高度,f(x−h) 改输入位置,af(x) 改点到 x 轴的竖直距离,f(bx) 改点到 y 轴的水平距离;负号放在外面是关于 x 轴翻折,负号放在里面是关于 y 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),把外部整理成 af(⋯)+k,再追踪原图上的点:
(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。