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 ,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。
函数图像是所有点 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
如果新函数是 ,我们关心的是这个点在 的图像上变成什么。竖直方向的变化通常直接改 ;水平方向的变化通常通过“让括号里的输入重新等于 ”来决定新的 。
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 坐标怎样变;输入改变时看新的 要取什么值,才能让函数内部收到原来的输入。
例如, 是把输出加 ,所以 变成 。而 不是把点向左移 ,因为要让函数内部仍收到原来的 ,必须有 ,于是新的横坐标是 。
输出变换发生在 的外面。它们对每个输入 都做同样的输出处理,所以比较直观。
新函数
把原图上每个点 变成
当 时,图像整体上移 个单位;当 时,图像整体下移 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 的值域是 ,那么
的值域就是 。定义域仍然是 ,因为输入没有被改变。
新函数
把原图上每个点 变成
如果 ,点到 轴的竖直距离变为原来的 倍,图像看起来被拉高;如果 ,图像向 轴压近;如果 ,除了伸缩以外,还会关于 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
则
这里不能把 和原来括号里的 混成一次平移。正确理解是:先把原图每个输出乘以 ,再整体下移 。原点处的输出从 变成
这正是点 变为 。
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 再下移 ,和先下移 再把全部高度乘以 ,通常不是同一条图像。
输入变换发生在 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 坐标加多少”,而是告诉你“函数收到的输入被怎样改写”。
新函数
要让 收到原函数的输入 ,必须满足
因此新横坐标是
所以原图上的 会变成
当 时,图像向右平移 个单位;当 时,图像向左平移 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 的顶点在 。函数
的顶点在哪里?顶点对应原函数输入 ,所以要让 ,得到 。顶点变为 ,图像向右移动 个单位。
新函数
要让函数内部收到原来的输入 ,必须满足
所以新的横坐标是
原图上的点 变成
如果 ,横坐标变为原来的 ,图像向 轴压缩;如果 ,横坐标变大,图像水平拉伸。若 ,还包含关于 轴的翻折。
在这个交互中拖动 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。
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 处,那么在
中,这个特征会出现在满足 的地方,也就是 。图像向右移动,是因为同一个内部输入需要更大的外部 才能得到。
翻折本质上是某个坐标取相反数。输出取相反数,就是关于 轴翻折;输入取相反数,就是关于 轴翻折。
新函数
把原图上每个点 变成
横坐标不变,纵坐标变成相反数,所以图像关于 轴翻折。
新函数
要让内部输入等于 ,需要 ,即 。原图上的点 变成
纵坐标不变,横坐标变成相反数,所以图像关于 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 满足 ,所以关于 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。
组合变换常写成
其中 和 改输出, 和 改输入。追踪点时,设原图上一点为 。要让新函数内部收到 ,需要
解得
输出则变成
所以点映射为

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。
设一条基准函数 经过三个点
现在定义
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 ,,,。
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 为例,先上移 再纵向放大 ,得到
先纵向放大 再上移 ,得到
这两条图像相差 个单位,不可能是同一条。
看到 时,不要直接把 当作水平平移量。先把内部整理成 。例如 ,水平平移量是 ,不是 。
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。
一条 V 形图像的顶点是 ,开口向下,并且从顶点向右走 个单位时,图像下降 个单位。把它看作 的变换,写出函数式。
原函数 的顶点是 。顶点变为 ,说明有水平右移 和竖直下移 。
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 和 。
接着看方向。开口向下、左右交换、分支换边,通常提示 或 。
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。
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 描述。如果传感器延迟了 分钟,读数还整体偏高 摄氏度,校正后的模型可能写成
这里 表示在当前时刻 ,我们使用原模型中更晚的输入来抵消延迟; 表示把输出整体下调。
再看一个振动或声音的简化模型。若 表示标准波形,那么
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 改变,有理函数的竖直渐近线被 改变,多项式图像的端行为会被 的正负和大小影响。
最常见的错误是把输入变换当作输出变换处理。例如把 说成“减 3 所以左移”,或者把 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 会制造原来的输入。
给定 的图像,描述下列函数相对于 的变换。
函数变换的核心是坐标关系。 改输出高度, 改输入位置, 改点到 轴的竖直距离, 改点到 轴的水平距离;负号放在外面是关于 轴翻折,负号放在里面是关于 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 ,把外部整理成 ,再追踪原图上的点:
这个式子既能帮你画图,也能帮你从图像反推表达式。
对原图上一点 ,新横坐标满足 ,所以 。
新纵坐标为 。这一步只处理输出,所以直接代入原来的 。
三个点分别变为 、、。把这些点连同图像形状一起移动、压缩、翻折,就能草绘新图。
开口向下,说明输出被乘以负数,也就是发生了关于 轴的翻折。
从顶点向右走 ,原来的 会上升 ;现在图像下降 ,说明纵向伸缩因子是 。
因此函数可以写成 。