一个函数的 $x$ 可以乘以某个数,$y$ 也可以乘以一个数,二者虽然都叫“缩放”,但它们的几何效果、作用方向、甚至“直觉感受”都是根本不同的。 把两者笼统地说成“函数图像被缩放了”是一种过度简化,容易造成混淆——尤其是对初学者。下面我们用清晰的方式来梳理两者的本质区别。
对 y 方向缩放:y = c \cdot f(x)
对整个函数乘以一个系数(例如,将 $f(x)$ 变为 $cf(x)$,其中$c>1$),这相当于在$y$轴方向上的拉伸或压缩。具体来说:
对于 $y = c \cdot f(x)$ 且 $c > 1$:函数图像沿着 $y$ 轴方向被拉伸,使得所有 $y$ 值都相应增大。这意味着图形在垂直方向上变得更高。
对于 $0 规则: 关键点:$x$ 坐标不变,每个点只是“上下移动” 举例: $y = \sin x$ vs $y = 2\sin x$ 对函数中的 $x$ 乘以一个系数(例如,将 $f(x)$ 变为 $f(kx)$,其中$k>1$),这相当于在 $x$ 轴上进行了一个压缩操作。这意味着,对于相同的 $x$ 范围,曲线看起来更加“紧凑”,因为原本分布在更大区间内的特征现在被挤进了更小的空间内。 它的规则是反直觉的: 关键点:$y$ 值不变,但达到该 $y$ 所需的 $x$ 变了 举例: $y = \sin x$ vs $y = \sin(2x)$ 为什么反直觉?
因为我们以为“乘以 2”会让东西变大,但在 $f(kx)$ 中,更大的 $k$ 意味着“用更小的 $x$ 就能达到原来的输入”,所以图像反而被“挤”到左边。 “$y$ 同向,$x$ 反向” 改 $y$:系数越大,图像越“大”(同向) 改 $x$:系数越大,图像越“小”(反向压缩) 或者: “$x$ 的变换是‘逆时间’的” $f(2x)$ 就像把原函数“快放 2 倍”,所以图像在水平方向“缩短”了。 平移(translation)中的符号方向($x + a$ 与 $x - a$)和缩放一样,也是“反直觉”的经典案例。靠死记硬背很容易:“左加右减”,但我们需要理解为什么。 函数 $ y = f(x - a) $ 的图像,是将 $ y = f(x) $ 向右平移 $a$ 个单位。 同样: ❓ 直觉上会觉得:“+ 应该往右,– 应该往左”,但事实却相反。 想象你是一个输入检查员,负责把 $x$ 值交给函数 $f$。 那么,要让新函数在某个位置“表现得和原函数在原点一样”,你需要怎么做? 设 $f(x) = x^2$,顶点在 $x=0$。 现在看 $g(x) = f(x - 2) = (x - 2)^2$。 问:$g(x)$ 的顶点在哪里? 解:当 $x - 2 = 0$ 时,$g(x) = 0$ → 所以 $x = 2$。 💡 为了让 $f$ “看到” 0(从而输出最小值),你必须给它一个比 0 大 2 的输入(即 $x=2$)。 “函数总是忠于它的输入。你想让它在新地方做旧事,就得提前‘补偿’。” 想让图像 向右移 $a$? 想让图像 向左移 $a$? 只有对 $x$ 的操作(无论是加减还是乘除)才是“反向”的,因为你在操控输入,而不是输出。 “对 $x$ 做什么,图像就朝相反方向跑。” 而对 $y$ 的操作(即整个函数): “对 $y$ 做什么,图像就朝相同方向走。”
→ 波峰从 1 变成 2,但波长(周期)不变。对 x 方向缩放:y = f(kx)
→ 周期从 $2\pi$ 缩短为 $\pi$,图像变“密”了,但振幅仍是 1。对比总结表
变换类型 公式 效果方向 $>1$ 时效果 $<1$ 时效果 是否改变形状? 垂直缩放 $y = c \cdot f(x)$ 上下($y$) 拉高、变陡 压扁、变平 是(斜率变) 水平缩放 $y = f(kx)$ 左右($x$) 压缩(变密) 拉伸(变疏) 是(变化率变) 一个帮助记忆的口诀
加减呢?
但为什么是减号却向右移?这看起来完全相反!正确理解方式:“补偿视角”(Compensation View)
举个具体例子
换句话说:整个图形必须向右移动 2 个单位,才能让 $f$ 在新位置“重现”原来的行为。口诀升级版
→ 那么在每个 $x$ 处,都要假装自己在 $x - a$(因为右边的点要模仿左边的行为)
→ 所以写成 $f(x - a)$
→ 在每个 $x$ 处,都要假装自己在 $x + a$
→ 所以写成 $f(x + a)$🆚 对比总结:平移 vs 缩放
变换 表达式 实际效果 为什么“反直觉”? 水平平移 $f(x - a)$ 向右 移 $a$ 函数需要“提前看到”未来的输入 水平缩放 $f(kx),\ k>1$ 向左压缩 函数用更小的 $x$ 就达到原效果 垂直平移 $f(x) + b$ 向上移 $b$ 同向!不反直觉 垂直缩放 $c f(x),\ c>1$ 向 上拉伸 同向!不反直觉 💡 记忆技巧(终极版)