多项式函数像一条由代数结构控制的连续曲线。它的整体方向由最高次项决定,它在哪里碰到或穿过 轴由零点决定,它在零点附近的动作由重数决定。只要抓住这几件事,很多看似复杂的图像就能被拆成可以判断的局部信息。
本章的目标不是把每个多项式都精确画到每个弯曲处,而是学会从式子读出图像的骨架:两端往哪里走,哪些位置是 轴截距,曲线在这些位置是穿过还是贴着,最多可能出现多少次局部转折,以及怎样把这些线索连成合理草图。

图示:多项式标准式把最高次项、首项系数和常数项放在同一条结构线上。
一个多项式函数可以写成有限个非负整数次幂项的和:
这里 是非负整数,。每个 是一项, 是这一项的系数。指数必须是非负整数,所以 是多项式函数,而 、、 都不是多项式函数。
当多项式按指数从高到低排列时,最左边的非零项叫首项。首项的指数是多项式的次数,首项前面的系数叫首项系数。例如
的次数是 ,首项是 ,首项系数是 。次数看的是最高指数,不是项数,也不是系数绝对值最大的那一项。
零多项式 没有通常意义下的次数。常数函数 且 是 次多项式,因为它可以写成 。
有时多项式会写成因式形式:
这种形式特别适合读零点和重数。标准式适合读首项、次数和首项系数;因式形式适合读图像在哪里接触 轴。学习多项式图像时,经常要在这两种形式之间切换。
端行为描述的是当 沿着数轴向很大的正方向或很大的负方向移动时,函数值最终怎样变化。多项式的端行为由首项决定,因为当 很大时,最高次幂项增长得最快,低次项的影响会被压到相对很小。
例如
在靠近原点的一段可能受 明显影响,但从远处看, 最终会控制整体方向。因此这个函数左右两端都会向上。

图示:次数的奇偶决定两端是同向还是反向,首项系数的正负决定向上或向下。
端行为可以用一张表快速判断:
如果用符号写,设首项是 。当 为偶数且 时:
当 为奇数且 时:
这些符号是“输入沿某个方向越来越大时,输出最终沿某个方向变化”的简写,不要把 当作一个可以到达的数字。
判断端行为时,不需要展开每一项的精确值。先找最高指数,再看它的系数正负,就能决定图像两端最终的方向。
如果 ,那么 是函数 的一个零点。若 是实数,图像上就有一个 轴截距 。所以“零点”是输入值,“截距”是图像上的点。
在因式形式中,零点很容易看出来。若
那么零点是 、、。其中 来自因式 ,它出现了两次,所以它不是一个普通的单次零点。
零点的数量要小心数。不同的实零点最多有 个,但也可能更少。一个 次多项式可能只有一个实零点,因为其他零点可能是非实数,也可能多个零点重合在同一个位置。
图像上的 轴截距只显示实零点。多项式方程在更大的数系中还可能有非实数解,但这些解不会直接表现为图像与 轴的交点。
如果因式 出现在多项式中,就说 是重数为 的零点。重数控制图像在 附近的局部动作。
当 是奇数时, 在 的左右两侧符号相反,所以图像会穿过 轴。当 是偶数时, 在 的左右两侧符号相同,所以图像会贴着 轴后折回。

图示:奇数重数穿过,偶数重数贴着;重数越高,零点附近越平。
重数不只决定“穿过”或“贴着”,还影响曲线在零点附近的平坦程度。重数 通常像一条斜线直接过轴;重数 仍然穿过,但会在过轴处短暂变平;重数 会贴着反弹;重数 也贴着反弹,而且在接触点附近更平。
局部转折点是图像从上升变下降,或从下降变上升的位置。一个 次多项式最多有 个局部转折点。

图示:次数给出局部转折点的上限,但实际转折点可能少于这个上限。
“最多”这两个字很重要。 次多项式最多有 个局部转折点,但它可以只有 个,甚至在某些特殊情况下没有明显的多次起伏。次数提供的是图像复杂度的上限,不是精确承诺。
次数也限制零点数量。一个 次多项式最多有 个不同的实零点。如果按重数计算,在复数范围内会有 个零点;在图像草图中,我们通常关注能在 轴上看见的实零点。
不要用“看到几个转折点”直接倒推出唯一的次数。一个有两个转折点的图像可能来自 次多项式,也可能来自更高次的多项式。图像只能给出最低可能次数或排除某些情况,不能自动锁定唯一答案。
如果一个多项式已经写成因式形式,草图可以按固定顺序搭起来。

图示:从因式形式读出零点、重数和端行为,再把局部动作连成整体曲线。
考虑函数
我们不急着展开它。先看次数:三个因式的指数和是
所以它是 次多项式。首项系数来自每个因式的最高次项相乘,再乘外面的 ,因此首项系数为 。次数为偶数且首项系数为负,所以左右两端都向下。
先标出零点。由 得 ,由 得 ,由 得 。
再判断每个零点的重数。 是重数 ,图像穿过; 是重数 ,图像贴着反弹; 是重数 ,图像变平后穿过。
接着确定端行为。函数是偶次且首项系数为负,所以最左端向下,最右端也向下。
最后用符号变化检查连接方式。因为 是偶数重数,图像经过它时不换到 轴另一侧;因为 和 是奇数重数,图像会换到另一侧。
这个例子的 轴截距也可以顺手计算:
所以草图应经过 。这个点能帮助我们避免把中间部分连得太高或太低。
草图不是猜线条,而是把四类信息拼起来:端行为、零点位置、重数动作和一个或几个辅助点。只要这些信息彼此一致,草图就有可靠的骨架。
有时题目不给公式,而给图像特征。比如:一个多项式函数满足以下条件:
先把零点和重数转成因式。穿过通常可以先用奇数重数,最简单是 ;贴着用偶数重数,最简单是 ;变平后穿过可用 。
这个乘积的次数是
偶次多项式的两端应同向,但题目要求左端向上、右端向下,两端反向。这说明我们不能选这些最小重数后就结束,因为当前次数的奇偶不对。
保留局部动作不变的前提下,可以把某个奇数重数增加 ,例如把 的重数从 改为 :
次数变为
仍然是偶次,不合要求。若把贴着的 从 改为 ,也只会增加偶数,仍不会改变奇偶。因此这组要求本身有矛盾:两个奇数重数零点和一个偶数重数零点的重数和必为偶数,端行为应同向,不可能左端向上右端向下。
从图像特征写函数时,不能只把“穿过”和“贴着”翻译成因式,还要检查次数奇偶和端行为是否一致。有些描述看似完整,其实互相冲突。
如果把题目第一条改成“左右两端都向下”,那么一个可能的函数是
负号让偶次多项式的两端都向下,三个零点附近的局部动作也符合描述。
多项式常用于描述一段区间内的变化趋势。二次函数可以描述抛物线形轨迹和面积优化;三次或四次多项式可以拟合一段销售量、温度、材料形变或生产成本数据;更高次多项式还可以在计算中近似一些不容易直接计算的函数。

图示:多项式模型适合服务当前数据窗口,离开观测区间后端行为可能变得不合理。
不过,多项式模型要有使用窗口。一个三次函数可能在某几个月内很好地拟合销量,但如果把它向未来很远处外推,它可能预测出负销量或无限增长。端行为提醒我们:多项式的远端趋势很强,不一定符合真实世界的长期限制。
因此,在实际问题中使用多项式模型时,要同时说明两件事:模型在哪个输入范围内由数据支持,以及在这个范围外是否仍有现实意义。图像的端行为越夸张,越要谨慎外推。
把次数看成项数。 有三项,但次数是 。
把首项系数看成最大的系数。 的首项是 ,首项系数是 ,不是 。
只数不同零点,不数重数。 的不同实零点有两个,但按重数计算的次数是 。
以为偶数重数一定在 轴上方反弹。偶数重数只说明不穿过,图像可以从上方贴着反弹,也可以从下方贴着反弹。
把图像窗口边缘当成端行为。屏幕上看到的左右边缘只是当前窗口,不一定足够远。判断端行为应先看首项。
以为 次多项式一定有 个转折点。次数只给上限,不保证达到上限。
练习一:判断函数
的次数、首项系数和端行为。
次数是 ,首项系数是 。因为次数为偶数且首项系数为正,图像左右两端都向上。
练习二:函数
有哪些实零点?在每个零点处图像是穿过还是贴着?
零点是 、、。 的重数为 ,图像贴着 轴; 的重数为 ,图像变平后穿过; 的重数为 ,图像直接穿过。
练习三:一个多项式左端向下、右端向上,并且在 贴着 轴,在 穿过 轴。写出一个可能的函数。
左端向下、右端向上说明它可以是奇次且首项系数为正。 贴着,可用偶数重数 ; 穿过,可用奇数重数 。一个可能的函数是
它是三次,首项系数为正,符合端行为要求。
练习四:判断下面说法是否一定正确:“一个 次多项式一定有 个局部转折点。”
不一定。 次多项式最多有 个局部转折点,但实际数量可能少于 。例如某些五次函数只显示两个甚至更少的明显转折。