1. 这不是口诀是函数图像的“位移导航图”——从机械背诵到空间直觉的跃迁你肯定见过那句被写在草稿纸边角、贴在课桌右下角、甚至刻进考试前焦虑记忆里的顺口溜“左加右减上加下减”。它像一道咒语念对了能解题念错了就全盘崩塌。但问题来了为什么是“左加右减”而不是“左减右加”为什么函数 $y f(x2)$ 的图像偏偏向左平移2个单位而不是向右当学生脱口而出“左加右减”却答不出“加在谁身上、减给谁看”时这句口诀就从工具退化成了枷锁。我带过三届高中数学强化班也帮某高校基础教学实验室设计过函数可视化教具最深的体会是函数图像的平移本质不是代数符号的左右游戏而是输入变量与输出值在坐标系中各自承担的“责任位移”。$f(x2)$ 中的 $2$ 是加在输入 $x$ 上的意味着你必须把“原本打算喂给函数的 $x$ 值”提前2个单位去喂——相当于把整个输入轴往左推了2格图像自然就跟着往左“漂”过去。而 $f(x)2$ 的 $2$ 是加在输出 $y$ 上的是函数算完之后再统一抬高2格图像当然整体上移。这个区别决定了你是靠肌肉记忆答题还是靠空间直觉建模。本文不讲“怎么背”只拆解“为什么这样动”并给出一套可验证、可触摸、可编程的实操路径。无论你是刚学函数的高中生还是需要给学生讲透原理的教师或是想用代码动态演示的教育技术开发者这套方法都绕不开一个核心把抽象的代数变换还原成坐标系里两个轴上可测量、可拖拽、可回溯的物理位移。接下来我会用一张坐标纸、一段Python代码、一个手绘草图带你亲手“推”动函数图像看清每一次平移背后真实的力学逻辑。2. 平移的本质输入轴与输出轴的“双轨位移系统”2.1 为什么“左加右减”是个危险的简化“左加右减上加下减”这八个字是教学史上一次成功的“降维打击”但它牺牲了最关键的因果链条。它把一个二维空间中的协同运动压缩成四个孤立的方向指令导致学生在面对复合变换比如先平移再伸缩或同时水平竖直移动时彻底失序。我们来解剖一个典型误区有学生看到 $y (x-3)^2 4$立刻判断“向右3向上4”答案正确但过程脆弱。当他遇到 $y 2(x1)^2 - 5$ 时就可能纠结“$1$ 是左还是右”甚至误以为系数2会影响平移方向。问题出在哪儿出在没分清“谁在动”和“动的是谁”。函数图像的每一个点 $(x, y)$都满足 $y f(x)$。当我们将函数变为 $y f(x - a)$ 时新图像上的点 $(x, y)$ 必须满足 $y f(x - a)$。为了找到这个新点对应原图像上的哪个点我们令 $x - a x$即 $x x a$。这意味着原图像上横坐标为 $x$ 的点现在出现在新图像上横坐标为 $x a$ 的位置。所以整个图像向右移动了 $a$ 个单位。同理对于 $y f(x) b$新图像上点满足 $y f(x) b$令 $y y b$则 $y y - b$即原图像上纵坐标为 $y$ 的点现在出现在新图像上纵坐标为 $y b$ 的位置图像整体上移 $b$ 单位。这里的关键洞察是水平平移由输入变量 $x$ 的变换驱动其方向与变换符号相反竖直平移由输出值 $y$ 的变换驱动其方向与变换符号相同。这不是口诀这是坐标映射的数学定义。提示你可以用一张透明胶片画出 $y x^2$ 的图像再用另一张胶片画出 $y (x-2)^2$。将第二张胶片向右平移2格两图完全重合——这就是“右移”的直观证明。反之若你把第二张胶片向左移2格它会与 $y (x2)^2$ 重合。动手试一次比背十遍口诀都管用。2.2 输入轴位移 vs 输出轴位移一场坐标系的“内部革命”把函数图像想象成一座悬浮在三维空间中的桥梁横轴 $x$ 和纵轴 $y$ 是它的两根承重梁。平移操作不是桥体在空中乱飞而是我们悄悄调整了其中一根梁的刻度标尺。输入轴位移水平平移当我们写 $y f(x a)$等价于重新定义了“什么是 $x$”。原来 $x0$ 的地方现在被我们标记为 $x-a$原来 $x1$ 的地方现在被标记为 $x1-a$。整个 $x$ 轴的刻度标尺向左平移了 $a$ 单位。而函数 $f$ 本身“认”的还是老规矩它只认自己输入端的数值。所以为了让 $f$ 算出原来 $x0$ 时的值我们必须把 $x-a$ 这个新坐标喂给它。结果就是图像上所有点的横坐标都增加了 $a$视觉上向左移动。这就像你把地图的经度线往西挪了10度北京城在地图上的位置就往东偏了10度——城市没动是你的参照系动了。输出轴位移竖直平移当我们写 $y f(x) b$是在 $y$ 轴上做文章。原来 $y0$ 的地方现在被我们标记为 $y-b$原来 $y1$ 的地方现在被标记为 $y1-b$。整个 $y$ 轴的刻度标尺向下平移了 $b$ 单位。函数 $f(x)$ 算出来的原始高度现在被我们统一加上 $b$所以图像整体上浮 $b$ 单位。这就像你给所有海拔数据加了100米珠峰的高度数字变大了但山本身没长高是你的海平面基准下沉了。这种“轴位移”视角彻底消除了方向混淆。它告诉你平移的“方向感”永远取决于你修改的是输入x还是输出y以及你修改的是轴的标尺导致反向运动还是值的结果导致同向运动。后续所有复杂变换——伸缩、翻折、对称——都可以用同一套逻辑推演问自己“我在动输入轴还是在动输出轴我是拉伸了轴的刻度还是放大了轴上的读数”2.3 复合平移的底层逻辑顺序无关但理解必须分层很多学生害怕 $y f(2x 4) - 3$ 这类表达式觉得“又是伸缩又是平移顺序搞错就全错”。其实只要抓住“输入轴”和“输出轴”两条主线顺序根本不是问题。我们来拆解输出轴部分$-3$ 是加在 $f(\cdot)$ 结果上的所以是纯粹的竖直下移3单位。这部分独立、清晰、无争议。输入轴部分$2x 4$ 是一个复合操作。关键在于它作用于 $x$所以全部属于“输入轴位移/伸缩”范畴。我们可以把它写成 $2(x 2)$。这就清晰了先对 $x$ 轴做“2”位移即轴左移2图像左移2再做“×2”伸缩即轴刻度压缩为原来一半图像横向压缩为一半。或者先做“×2”伸缩再做“4”位移注意此时的“4”是加在已经伸缩过的 $x$ 上的所以它对应的轴位移量是 $4/2 2$ 单位因为伸缩后1单位长度代表原来的0.5单位要达到同样的物理位移数值上得加更多。所以无论你先伸缩后平移还是先平移后伸缩最终图像的物理位置是一致的只是中间步骤的数值解释不同。教学上我强烈推荐先提取公因数写成 $f(2(x 2)) - 3$这样“先左移2再横压半最后下移3”的步骤一目了然且每一步都对应一个明确的轴操作。3. 实操验证从手绘草图到Python动态演示的完整闭环3.1 手绘验证法三步定位拒绝模糊想象再精妙的理论不落到纸上就是空中楼阁。我要求所有跟我学的学生面对任何平移问题必须完成以下三步手绘验证缺一不可锚定关键点在原函数 $y f(x)$ 上选出至少3个特征点。对于二次函数选顶点、y轴交点、一个对称点对于正弦函数选波峰、波谷、平衡点。记下它们的精确坐标 $(x_0, y_0), (x_1, y_1), (x_2, y_2)$。应用映射规则对目标函数 $y f(x - a) b$写出新旧坐标的映射关系$x_{new} x_{old} a$, $y_{new} y_{old} b$。将第一步的三个点坐标代入此关系计算出它们在新图像上的位置。例如原顶点 $(0, 0)$ 在 $y (x-3)^2 4$ 中新坐标为 $(03, 04) (3, 4)$。草图叠加验证在一张坐标纸上用浅色铅笔画出原函数草图并标出那三个原关键点。再用深色笔根据第二步算出的新坐标画出新函数的三个关键点并用光滑曲线连接。观察新图像是否真的由原图像整体平移而来顶点是否移到了 $(3,4)$y轴交点是否符合预期如果三点连线后形状扭曲说明计算或理解有误必须回头检查映射关系。这个方法看似笨拙但它强制你把抽象的“$f(x-3)$”翻译成具体的“$(0,0)$ 变成 $(3,0)$”把代数符号锚定在几何空间里。我见过太多学生跳过这一步直接凭感觉画图结果连开口方向都画反。手绘不是目的是建立空间直觉的必经之路。3.2 Python动态演示用代码“看见”平移的每一帧理论和手绘是静态的而真实世界的变化是连续的。用Python的Matplotlib库我们可以生成一个滑块动画让函数图像像被一只无形的手缓缓推动。下面这段代码是我为某在线教育平台开发的交互式教具核心已去除所有平台依赖纯本地可运行import numpy as np import matplotlib.pyplot as plt from matplotlib.widgets import Slider # 定义原函数以抛物线为例 def f(x): return x**2 # 创建x轴数据 x np.linspace(-5, 5, 400) y_original f(x) # 创建图形和子图 fig, ax plt.subplots(figsize(10, 6)) plt.subplots_adjust(bottom0.25) # 为滑块留出空间 # 绘制原函数灰色虚线作为参照 line_original, ax.plot(x, y_original, k--, alpha0.5, labely f(x)) # 初始化变换后的函数线红色实线 a_init, b_init 0, 0 # 初始平移量 y_transformed f(x - a_init) b_init line_transformed, ax.plot(x, y_transformed, r-, linewidth2, labely f(x-a)b) ax.set_xlim(-5, 5) ax.set_ylim(-5, 25) ax.set_xlabel(x) ax.set_ylabel(y) ax.set_title(函数图像平移动态演示y f(x-a) b) ax.legend() ax.grid(True) # 创建滑块 ax_a plt.axes([0.2, 0.1, 0.6, 0.03]) ax_b plt.axes([0.2, 0.05, 0.6, 0.03]) slider_a Slider(ax_a, 水平平移 a, -3.0, 3.0, valinita_init) slider_b Slider(ax_b, 竖直平移 b, -5.0, 5.0, valinitb_init) # 滑块更新函数 def update(val): a slider_a.val b slider_b.val # 重新计算变换后的y值 y_new f(x - a) b line_transformed.set_ydata(y_new) # 更新标题实时显示当前参数 ax.set_title(f函数图像平移动态演示y f(x-{a:.1f}) {b:.1f}) fig.canvas.draw_idle() slider_a.on_changed(update) slider_b.on_changed(update) plt.show()运行这段代码你会得到一个带两个滑块的窗口。拖动“水平平移 a”滑块红色曲线会左右滑动拖动“竖直平移 b”滑块它会上下浮动。重点观察当 $a$ 从0增加到2时整个红色抛物线向右滑动顶点从 $(0,0)$ 移动到 $(2,0)$当 $b$ 从0增加到3时它整体上浮顶点到达 $(2,3)$。这个过程把“左加右减”的模糊概念变成了肉眼可见的、连续的物理位移。你可以暂停在任意位置用鼠标悬停查看坐标精确验证你的手绘计算。对于教师这是课堂上无可替代的直观教具对于自学学生这是对抗“脑内想象失真”的最强武器。3.3 常见错误模式与即时矫正策略在上千次一对一辅导中我总结出学生在平移操作中最顽固的三大错误模式以及对应的“秒级矫正法”错误模式典型表现根本原因秒级矫正法实操验证符号混淆症看到 $f(x5)$ 就说“右移5”看到 $f(x)-7$ 就说“下移7”但无法解释为何前者是左移。将“”号与“右”、“上”强行绑定忽略了加号作用的对象输入vs输出。立即提问“$5$ 是加在 $x$ 上还是加在 $f(x)$ 的结果上” 强制区分对象。让学生写出映射关系$x_{new} x_{old} - 5$并代入一个具体点如原顶点 $(0,0)$计算新坐标 $( -5, 0)$亲眼看到是左移。复合操作失序症面对 $y \sqrt{x4} 2$先画 $y \sqrt{x}$再试图“先上移2再左移4”结果图像位置错误。误以为平移顺序影响最终结果未理解所有输入轴操作含平移和伸缩应统一视为对 $x$ 轴的改造。强制提取公因式将 $x4$ 视为 $x - (-4)$明确这是输入轴左移4。竖直部分 $2$ 独立处理。用动态演示代码分别只动 $a$ 滑块和只动 $b$ 滑块观察两者互不影响再同时动确认结果可叠加。零点幻觉症认为 $y f(x-3)$ 的图像其x轴交点零点一定在 $x3$ 处。混淆了“图像平移”与“函数零点求解”。平移不改变函数的“形状”只改变其“位置”零点需解方程 $f(x-3)0$即 $x-3$ 是原函数的零点。回归定义零点是使 $y0$ 的 $x$ 值。所以解 $f(x-3) 0 0$即 $f(x-3) 0$设 $u x-3$则 $f(u) 0$$u$ 是原零点故 $x u 3$。以 $f(x) x^2 - 1$ 为例原零点为 $x\pm1$。则 $f(x-3) (x-3)^2 - 1$ 的零点是 $x-3 \pm1$即 $x 4$ 或 $x 2$而非 $x3$。这些矫正法不是让你“记住答案”而是给你一把手术刀让你能随时切开错误找到病灶。每一次成功矫正都是对“输入轴/输出轴”模型的一次加固。4. 从平移出发构建函数变换的完整认知框架4.1 平移是基石伸缩与翻折是它的“同构兄弟”一旦你真正吃透了平移的“轴位移”本质伸缩Scaling和翻折Reflection就不再是新知识而是同一套逻辑在不同参数上的自然延伸。伸缩$y f(kx)$其中 $k 0$。这依然是对输入轴的操作。$kx$ 意味着我们把 $x$ 轴的刻度标尺拉伸$k1$或压缩$k1$了 $k$ 倍。例如$k2$则原 $x1$ 的点现在被标记为 $x0.5$整个轴被“挤”窄了图像在横向上看起来被压缩了一半。$y kf(x)$ 则是对输出轴的操作把 $y$ 轴刻度拉伸 $k$ 倍图像纵向拉高或压扁。翻折$y f(-x)$ 是对输入轴的镜像相当于把 $x$ 轴的正负方向调换图像关于y轴对称。$y -f(x)$ 是对输出轴的镜像把 $y$ 轴上下翻转图像关于x轴对称。你会发现所有这些变换都严格遵循一个铁律作用于 $x$ 的变换修改输入轴效果常与直觉相反如 $a$ 导致左移$-x$ 导致y轴对称作用于 $f(x)$ 整体的变换修改输出轴效果与直觉相同如 $b$ 导致上移$-f(x)$ 导致x轴对称。平移就是这个框架里最基础、最不容妥协的起点。没有它伸缩和翻折就成了无源之水。4.2 现实世界的映射从信号处理到计算机图形学函数变换绝非象牙塔里的智力游戏。它的影子遍布现代技术的毛细血管。音频信号处理当你在音乐软件里“快进”一段录音本质上是在对时间轴 $t$ 做伸缩变换 $y(t) \to y(2t)$让声音在更短时间内播放完毕。而“降噪”算法则常通过傅里叶变换将时域信号 $y(t)$ 转为频域 $Y(f)$在频域里对特定频率分量相当于 $Y(f)$ 的某个区间进行平移或衰减再逆变换回来。这里的“平移”就是对频率轴 $f$ 的精准外科手术。计算机图形学你在手机屏幕上拖动一张图片GPU执行的正是 $x_{new} x_{old} \Delta x$, $y_{new} y_{old} \Delta y$ 的平移变换。而图片的缩放、旋转则是更复杂的仿射变换矩阵其核心思想依然是对输入像素坐标和输出屏幕坐标两个轴系的协同操控。一个优秀的图形程序员脑子里时刻装着的就是这张“双轨位移系统”的导航图。机器学习中的数据预处理训练神经网络前常对输入特征做标准化Standardization$x_{new} \frac{x - \mu}{\sigma}$。这可以分解为先对输入轴做平移$-\mu$再做伸缩$/\sigma$。其目的就是让所有特征的“坐标系”对齐避免某些特征因数值过大而主导了学习过程。这和我们让 $y f(x2)$ 的图像左移是为了让它的顶点对准新的坐标原点逻辑完全一致。理解了这些你就明白中学课本里那个看似简单的 $y f(x-3) 4$其背后是工程师调试传感器信号的指尖是程序员渲染3D世界的代码是数据科学家清洗海量数据的脚本。它不是一个待解的题目而是一把打开现实世界黑箱的通用钥匙。4.3 教学与自学的黄金法则从“做题家”到“建模者”最后分享一条我反复验证、屡试不爽的黄金法则永远不要问“这个题怎么解”而要问“这个变换在坐标系里到底动了哪根轴怎么动的”。对于教师在讲解 $y 2\sin(3x - \pi) 1$ 时不要急于展开相位计算。先带着学生用彩笔在黑板上画出 $x$ 轴和 $y$ 轴然后指着 $3x - \pi$ 说“看所有动作都在 $x$ 轴上。$3x$ 是压缩$-\pi$ 是平移。我们先把 $-\pi$ 提出来$3(x - \pi/3)$。所以先对 $x$ 轴做‘右移 $\pi/3$’注意这里是右移因为是 $x - \pi/3$再做‘压缩为1/3’。$1$ 是 $y$ 轴上移1。” 每一步都对应一次轴的物理操作。对于自学学生拿到一个新函数第一件事不是动笔算而是拿出一张白纸画一个坐标系标出原点。然后在旁边写下“输入轴输出轴”。填空的过程就是强制自己进行归因分析。填完答案往往已呼之欲出。这条法则能把一个被动的“解题者”塑造成一个主动的“空间建模者”。后者才是未来十年最稀缺的能力。5. 常见问题与排查技巧实录来自一线教学的27个真实现场5.1 “我明明按口诀做了为什么图像画歪了”——坐标系基准点的隐形陷阱问题描述学生画 $y |x-2|$按“右移2”画出V形顶点在 $(2,0)$看起来完美。但当他画 $y |x-2| 1$ 时把整个V形上移顶点到了 $(2,1)$却总觉得哪里不对劲因为和参考答案的描点图有细微偏差。排查思路问题几乎100%出在坐标系的绘制精度上。学生画的坐标轴x轴和y轴未必严格垂直单位长度未必相等。$y |x-2|$ 的斜率是±1这意味着从顶点 $(2,0)$ 出发向右1格、向上1格必须精确落在网格线上。如果他的x轴单位是1cmy轴单位是0.8cm那么“向上1格”实际只上升了0.8cm斜率就变成了0.8图像就“歪”了。解决技巧强制使用方格纸这是最简单有效的方案。方格纸天然保证了x、y轴单位长度一致且垂直。“两点定一线”法画绝对值函数时不画顶点和一个点而是画顶点 $(2,0)$ 和两个对称点$(1,1)$ 和 $(3,1)$。这三个点确定一条完美的V形。如果三点不共线即 $(1,1)$ 和 $(3,1)$ 不在同一水平线上立刻检查坐标轴。动态验证用前面提供的Python代码输入 $a2, b1$观察生成的图像是否完美对称。如果代码图是标准的而手绘图有偏差问题一定在手绘环节。注意很多教辅书的插图为了美观会轻微调整比例但这对学生建立精确的空间直觉有害无益。坚持用标准方格纸是培养严谨性的第一步。5.2 “复合变换后函数的定义域/值域怎么求”——从图像位移反推数学约束问题描述给定 $f(x) \sqrt{x}$定义域 $[0, \infty)$。求 $g(x) \sqrt{x4} 2$ 的定义域。学生知道要解 $x4 \geq 0$得出 $x \geq -4$但无法将此与图像的“左移4”联系起来。深度解析定义域是函数“能接受的输入值集合”。$f(x) \sqrt{x}$ 只能接受 $x \geq 0$。那么 $g(x) f(x4) 2$它要求其内部的 $x4$ 必须满足 $f$ 的定义域要求即 $x4 \geq 0$。这等价于为了让 $f$ 的输入轴上“0”这个刻度对准新函数的 $x-4$ 这个位置我们必须把整个允许输入的区间 $[0, \infty)$也向左平移4个单位得到 $[-4, \infty)$。值域同理$f(x)$ 的值域是 $[0, \infty)$$g(x) f(x4) 2$ 相当于把 $f$ 的整个输出轴上移2所以值域变为 $[2, \infty)$。速查表平移对定义域/值域的影响变换形式对定义域的影响对值域的影响几何解释$y f(x - a)$原定义域整体右移$a$不变输入轴右移允许的输入范围随之右移$y f(x) b$不变原值域整体上移$b$输出轴上移所有输出值增加 $b$$y f(x - a) b$原定义域整体右移$a$原值域整体上移$b$输入轴与输出轴独立位移效果叠加这个表格不是死记硬背的结论而是“轴位移”模型的直接推论。每次求定义域你都在回答“为了让 $f$ 的输入轴上的‘安全区’覆盖到我的新 $x$ 值我需要把那个安全区往哪边挪”5.3 “考试时没时间画图怎么快速心算平移结果”——特征点心算三步法问题描述考试时间紧张不可能每次都画图或列点。如何在10秒内准确判断 $y \log_2(x1) - 3$ 的图像特征心算三步法亲测有效抓核心特征点对数函数 $y \log_2(x)$ 的核心点是 $(1, 0)$因为 $\log_2(1) 0$和 $(2, 1)$因为 $\log_2(2) 1$。这是它的“心脏”和“肩膀”。应用映射心算新坐标对于 $y \log_2(x1) - 3$映射是 $x_{new} x_{old} - 1$, $y_{new} y_{old} - 3$。$(1, 0) \to (1-1, 0-3) (0, -3)$$(2, 1) \to (2-1, 1-3) (1, -2)$锚定与排除立刻知道新图像必过 $(0, -3)$ 和 $(1, -2)$ 两点且渐近线原为 $x0$变为 $x -1$因为输入轴左移1y轴 $x0$ 现在对应原 $x1$所以渐近线 $x0$ 新位置是 $x-1$。有了这两个点和一条渐近线选项题可以秒杀解答题的草图也有了坚实支点。这个方法把复杂的函数行为浓缩为两个可心算的点。它之所以快是因为你只关注“心脏”和“肩膀”放弃了无关细节。这是高手和新手的分水岭高手用最少的信息构建最可靠的模型。5.4 “为什么有些函数平移后看起来不像平移”——奇点与不连续性的干扰问题描述学生画 $y \frac{1}{x}$ 和 $y \frac{1}{x-2} 1$发现后者不是前者简单地右移2、上移1因为两条双曲线的“分支”似乎发生了旋转或变形。真相揭露这是奇点不连续点位移造成的视觉错觉。$y \frac{1}{x}$ 的奇点在 $x0$图像在 $x0$ 处断开形成两条分离的分支。$y \frac{1}{x-2} 1$ 的奇点在 $x2$且整个图像上移1。所以左分支从 $(-\infty, 0)$ 移动到了 $(-\infty, 2)$右分支从 $(0, \infty)$ 移动到了 $(2, \infty)$并且所有点的y值都加了1。它确实是严格的平移只是因为奇点的存在让“平移”的连续性被视觉割裂了。验证技巧取极限点验证计算 $x \to 2^-$ 时$y \to -\infty$$x \to 2^$ 时$y \to \infty$。这和原函数 $x \to 0^\pm$ 时的行为完全一致只是中心从0移到了2。渐近线追踪原函数有竖直渐近线 $x0$ 和水平渐近线 $y0$。新函数的竖直渐近线是 $x2$$x$ 轴右移2水平渐近线是 $y1$$y$ 轴上移1。两条渐近线的平移是图像整体平移的铁证。遇到有奇点的函数永远先找它的渐近线。渐近线的平移是函数图像发生刚性平移的最可靠判据。5.5 “老师这个函数能平移成另一个函数吗”——函数等价性的终极判定问题描述给定 $f(x) x^2 - 4x 3$ 和 $g(x) x^2$问是否存在平移使得 $f(x)$ 的图像与 $g(x)$ 的图像重合终极判定法两个函数的图像能通过平移互相转化当且仅当它们的二阶导数或最高次项系数完全相同。因为平移不改变函数的“弯曲程度”和“开口大小”只改变其位置。$f(x) x^2 - 4x 3$二次项系数为1。$g(x) x^2$二次项系数也为1。所以可以。事实上$f(x) (x-2)^2 - 1$即 $f(x) g(x-2) - 1$向右平移2向下平移1。但如果 $f(x) 2x^2 - 4x 3$二次项系数为2而 $g(x) x^2$ 系数为1则无论怎么平移都无法重合因为一个开口宽一个开口窄。这时就需要伸缩变换来配合。这个判定法把一个看似开放的问题转化成了一个简单的代数比较。它是函数变换理论皇冠上的明珠也是我给优秀学生布置的终极思考题。我在某高校的函数建模工作坊上曾让学员用三天时间只为彻底吃透 $y f(x-a) b$ 
长河君 · 2026/10/31 4:58:18 · 阅读 1.2k 函数图像平移的本质：输入轴与输出轴的双轨位移
1. 这不是口诀是函数图像的“位移导航图”——从机械背诵到空间直觉的跃迁你肯定见过那句被写在草稿纸边角、贴在课桌右下角、甚至刻进考试前焦虑记忆里的顺口溜“左加右减上加下减”。它像一道咒语念对了能解题念错了就全盘崩塌。但问题来了为什么是“左加右减”而不是“左减右加”为什么函数 $y f(x2)$ 的图像偏偏向左平移2个单位而不是向右当学生脱口而出“左加右减”却答不出“加在谁身上、减给谁看”时这句口诀就从工具退化成了枷锁。我带过三届高中数学强化班也帮某高校基础教学实验室设计过函数可视化教具最深的体会是函数图像的平移本质不是代数符号的左右游戏而是输入变量与输出值在坐标系中各自承担的“责任位移”。$f(x2)$ 中的 $2$ 是加在输入 $x$ 上的意味着你必须把“原本打算喂给函数的 $x$ 值”提前2个单位去喂——相当于把整个输入轴往左推了2格图像自然就跟着往左“漂”过去。而 $f(x)2$ 的 $2$ 是加在输出 $y$ 上的是函数算完之后再统一抬高2格图像当然整体上移。这个区别决定了你是靠肌肉记忆答题还是靠空间直觉建模。本文不讲“怎么背”只拆解“为什么这样动”并给出一套可验证、可触摸、可编程的实操路径。无论你是刚学函数的高中生还是需要给学生讲透原理的教师或是想用代码动态演示的教育技术开发者这套方法都绕不开一个核心把抽象的代数变换还原成坐标系里两个轴上可测量、可拖拽、可回溯的物理位移。接下来我会用一张坐标纸、一段Python代码、一个手绘草图带你亲手“推”动函数图像看清每一次平移背后真实的力学逻辑。2. 平移的本质输入轴与输出轴的“双轨位移系统”2.1 为什么“左加右减”是个危险的简化“左加右减上加下减”这八个字是教学史上一次成功的“降维打击”但它牺牲了最关键的因果链条。它把一个二维空间中的协同运动压缩成四个孤立的方向指令导致学生在面对复合变换比如先平移再伸缩或同时水平竖直移动时彻底失序。我们来解剖一个典型误区有学生看到 $y (x-3)^2 4$立刻判断“向右3向上4”答案正确但过程脆弱。当他遇到 $y 2(x1)^2 - 5$ 时就可能纠结“$1$ 是左还是右”甚至误以为系数2会影响平移方向。问题出在哪儿出在没分清“谁在动”和“动的是谁”。函数图像的每一个点 $(x, y)$都满足 $y f(x)$。当我们将函数变为 $y f(x - a)$ 时新图像上的点 $(x, y)$ 必须满足 $y f(x - a)$。为了找到这个新点对应原图像上的哪个点我们令 $x - a x$即 $x x a$。这意味着原图像上横坐标为 $x$ 的点现在出现在新图像上横坐标为 $x a$ 的位置。所以整个图像向右移动了 $a$ 个单位。同理对于 $y f(x) b$新图像上点满足 $y f(x) b$令 $y y b$则 $y y - b$即原图像上纵坐标为 $y$ 的点现在出现在新图像上纵坐标为 $y b$ 的位置图像整体上移 $b$ 单位。这里的关键洞察是水平平移由输入变量 $x$ 的变换驱动其方向与变换符号相反竖直平移由输出值 $y$ 的变换驱动其方向与变换符号相同。这不是口诀这是坐标映射的数学定义。提示你可以用一张透明胶片画出 $y x^2$ 的图像再用另一张胶片画出 $y (x-2)^2$。将第二张胶片向右平移2格两图完全重合——这就是“右移”的直观证明。反之若你把第二张胶片向左移2格它会与 $y (x2)^2$ 重合。动手试一次比背十遍口诀都管用。2.2 输入轴位移 vs 输出轴位移一场坐标系的“内部革命”把函数图像想象成一座悬浮在三维空间中的桥梁横轴 $x$ 和纵轴 $y$ 是它的两根承重梁。平移操作不是桥体在空中乱飞而是我们悄悄调整了其中一根梁的刻度标尺。输入轴位移水平平移当我们写 $y f(x a)$等价于重新定义了“什么是 $x$”。原来 $x0$ 的地方现在被我们标记为 $x-a$原来 $x1$ 的地方现在被标记为 $x1-a$。整个 $x$ 轴的刻度标尺向左平移了 $a$ 单位。而函数 $f$ 本身“认”的还是老规矩它只认自己输入端的数值。所以为了让 $f$ 算出原来 $x0$ 时的值我们必须把 $x-a$ 这个新坐标喂给它。结果就是图像上所有点的横坐标都增加了 $a$视觉上向左移动。这就像你把地图的经度线往西挪了10度北京城在地图上的位置就往东偏了10度——城市没动是你的参照系动了。输出轴位移竖直平移当我们写 $y f(x) b$是在 $y$ 轴上做文章。原来 $y0$ 的地方现在被我们标记为 $y-b$原来 $y1$ 的地方现在被标记为 $y1-b$。整个 $y$ 轴的刻度标尺向下平移了 $b$ 单位。函数 $f(x)$ 算出来的原始高度现在被我们统一加上 $b$所以图像整体上浮 $b$ 单位。这就像你给所有海拔数据加了100米珠峰的高度数字变大了但山本身没长高是你的海平面基准下沉了。这种“轴位移”视角彻底消除了方向混淆。它告诉你平移的“方向感”永远取决于你修改的是输入x还是输出y以及你修改的是轴的标尺导致反向运动还是值的结果导致同向运动。后续所有复杂变换——伸缩、翻折、对称——都可以用同一套逻辑推演问自己“我在动输入轴还是在动输出轴我是拉伸了轴的刻度还是放大了轴上的读数”2.3 复合平移的底层逻辑顺序无关但理解必须分层很多学生害怕 $y f(2x 4) - 3$ 这类表达式觉得“又是伸缩又是平移顺序搞错就全错”。其实只要抓住“输入轴”和“输出轴”两条主线顺序根本不是问题。我们来拆解输出轴部分$-3$ 是加在 $f(\cdot)$ 结果上的所以是纯粹的竖直下移3单位。这部分独立、清晰、无争议。输入轴部分$2x 4$ 是一个复合操作。关键在于它作用于 $x$所以全部属于“输入轴位移/伸缩”范畴。我们可以把它写成 $2(x 2)$。这就清晰了先对 $x$ 轴做“2”位移即轴左移2图像左移2再做“×2”伸缩即轴刻度压缩为原来一半图像横向压缩为一半。或者先做“×2”伸缩再做“4”位移注意此时的“4”是加在已经伸缩过的 $x$ 上的所以它对应的轴位移量是 $4/2 2$ 单位因为伸缩后1单位长度代表原来的0.5单位要达到同样的物理位移数值上得加更多。所以无论你先伸缩后平移还是先平移后伸缩最终图像的物理位置是一致的只是中间步骤的数值解释不同。教学上我强烈推荐先提取公因数写成 $f(2(x 2)) - 3$这样“先左移2再横压半最后下移3”的步骤一目了然且每一步都对应一个明确的轴操作。3. 实操验证从手绘草图到Python动态演示的完整闭环3.1 手绘验证法三步定位拒绝模糊想象再精妙的理论不落到纸上就是空中楼阁。我要求所有跟我学的学生面对任何平移问题必须完成以下三步手绘验证缺一不可锚定关键点在原函数 $y f(x)$ 上选出至少3个特征点。对于二次函数选顶点、y轴交点、一个对称点对于正弦函数选波峰、波谷、平衡点。记下它们的精确坐标 $(x_0, y_0), (x_1, y_1), (x_2, y_2)$。应用映射规则对目标函数 $y f(x - a) b$写出新旧坐标的映射关系$x_{new} x_{old} a$, $y_{new} y_{old} b$。将第一步的三个点坐标代入此关系计算出它们在新图像上的位置。例如原顶点 $(0, 0)$ 在 $y (x-3)^2 4$ 中新坐标为 $(03, 04) (3, 4)$。草图叠加验证在一张坐标纸上用浅色铅笔画出原函数草图并标出那三个原关键点。再用深色笔根据第二步算出的新坐标画出新函数的三个关键点并用光滑曲线连接。观察新图像是否真的由原图像整体平移而来顶点是否移到了 $(3,4)$y轴交点是否符合预期如果三点连线后形状扭曲说明计算或理解有误必须回头检查映射关系。这个方法看似笨拙但它强制你把抽象的“$f(x-3)$”翻译成具体的“$(0,0)$ 变成 $(3,0)$”把代数符号锚定在几何空间里。我见过太多学生跳过这一步直接凭感觉画图结果连开口方向都画反。手绘不是目的是建立空间直觉的必经之路。3.2 Python动态演示用代码“看见”平移的每一帧理论和手绘是静态的而真实世界的变化是连续的。用Python的Matplotlib库我们可以生成一个滑块动画让函数图像像被一只无形的手缓缓推动。下面这段代码是我为某在线教育平台开发的交互式教具核心已去除所有平台依赖纯本地可运行import numpy as np import matplotlib.pyplot as plt from matplotlib.widgets import Slider # 定义原函数以抛物线为例 def f(x): return x**2 # 创建x轴数据 x np.linspace(-5, 5, 400) y_original f(x) # 创建图形和子图 fig, ax plt.subplots(figsize(10, 6)) plt.subplots_adjust(bottom0.25) # 为滑块留出空间 # 绘制原函数灰色虚线作为参照 line_original, ax.plot(x, y_original, k--, alpha0.5, labely f(x)) # 初始化变换后的函数线红色实线 a_init, b_init 0, 0 # 初始平移量 y_transformed f(x - a_init) b_init line_transformed, ax.plot(x, y_transformed, r-, linewidth2, labely f(x-a)b) ax.set_xlim(-5, 5) ax.set_ylim(-5, 25) ax.set_xlabel(x) ax.set_ylabel(y) ax.set_title(函数图像平移动态演示y f(x-a) b) ax.legend() ax.grid(True) # 创建滑块 ax_a plt.axes([0.2, 0.1, 0.6, 0.03]) ax_b plt.axes([0.2, 0.05, 0.6, 0.03]) slider_a Slider(ax_a, 水平平移 a, -3.0, 3.0, valinita_init) slider_b Slider(ax_b, 竖直平移 b, -5.0, 5.0, valinitb_init) # 滑块更新函数 def update(val): a slider_a.val b slider_b.val # 重新计算变换后的y值 y_new f(x - a) b line_transformed.set_ydata(y_new) # 更新标题实时显示当前参数 ax.set_title(f函数图像平移动态演示y f(x-{a:.1f}) {b:.1f}) fig.canvas.draw_idle() slider_a.on_changed(update) slider_b.on_changed(update) plt.show()运行这段代码你会得到一个带两个滑块的窗口。拖动“水平平移 a”滑块红色曲线会左右滑动拖动“竖直平移 b”滑块它会上下浮动。重点观察当 $a$ 从0增加到2时整个红色抛物线向右滑动顶点从 $(0,0)$ 移动到 $(2,0)$当 $b$ 从0增加到3时它整体上浮顶点到达 $(2,3)$。这个过程把“左加右减”的模糊概念变成了肉眼可见的、连续的物理位移。你可以暂停在任意位置用鼠标悬停查看坐标精确验证你的手绘计算。对于教师这是课堂上无可替代的直观教具对于自学学生这是对抗“脑内想象失真”的最强武器。3.3 常见错误模式与即时矫正策略在上千次一对一辅导中我总结出学生在平移操作中最顽固的三大错误模式以及对应的“秒级矫正法”错误模式典型表现根本原因秒级矫正法实操验证符号混淆症看到 $f(x5)$ 就说“右移5”看到 $f(x)-7$ 就说“下移7”但无法解释为何前者是左移。将“”号与“右”、“上”强行绑定忽略了加号作用的对象输入vs输出。立即提问“$5$ 是加在 $x$ 上还是加在 $f(x)$ 的结果上” 强制区分对象。让学生写出映射关系$x_{new} x_{old} - 5$并代入一个具体点如原顶点 $(0,0)$计算新坐标 $( -5, 0)$亲眼看到是左移。复合操作失序症面对 $y \sqrt{x4} 2$先画 $y \sqrt{x}$再试图“先上移2再左移4”结果图像位置错误。误以为平移顺序影响最终结果未理解所有输入轴操作含平移和伸缩应统一视为对 $x$ 轴的改造。强制提取公因式将 $x4$ 视为 $x - (-4)$明确这是输入轴左移4。竖直部分 $2$ 独立处理。用动态演示代码分别只动 $a$ 滑块和只动 $b$ 滑块观察两者互不影响再同时动确认结果可叠加。零点幻觉症认为 $y f(x-3)$ 的图像其x轴交点零点一定在 $x3$ 处。混淆了“图像平移”与“函数零点求解”。平移不改变函数的“形状”只改变其“位置”零点需解方程 $f(x-3)0$即 $x-3$ 是原函数的零点。回归定义零点是使 $y0$ 的 $x$ 值。所以解 $f(x-3) 0 0$即 $f(x-3) 0$设 $u x-3$则 $f(u) 0$$u$ 是原零点故 $x u 3$。以 $f(x) x^2 - 1$ 为例原零点为 $x\pm1$。则 $f(x-3) (x-3)^2 - 1$ 的零点是 $x-3 \pm1$即 $x 4$ 或 $x 2$而非 $x3$。这些矫正法不是让你“记住答案”而是给你一把手术刀让你能随时切开错误找到病灶。每一次成功矫正都是对“输入轴/输出轴”模型的一次加固。4. 从平移出发构建函数变换的完整认知框架4.1 平移是基石伸缩与翻折是它的“同构兄弟”一旦你真正吃透了平移的“轴位移”本质伸缩Scaling和翻折Reflection就不再是新知识而是同一套逻辑在不同参数上的自然延伸。伸缩$y f(kx)$其中 $k 0$。这依然是对输入轴的操作。$kx$ 意味着我们把 $x$ 轴的刻度标尺拉伸$k1$或压缩$k1$了 $k$ 倍。例如$k2$则原 $x1$ 的点现在被标记为 $x0.5$整个轴被“挤”窄了图像在横向上看起来被压缩了一半。$y kf(x)$ 则是对输出轴的操作把 $y$ 轴刻度拉伸 $k$ 倍图像纵向拉高或压扁。翻折$y f(-x)$ 是对输入轴的镜像相当于把 $x$ 轴的正负方向调换图像关于y轴对称。$y -f(x)$ 是对输出轴的镜像把 $y$ 轴上下翻转图像关于x轴对称。你会发现所有这些变换都严格遵循一个铁律作用于 $x$ 的变换修改输入轴效果常与直觉相反如 $a$ 导致左移$-x$ 导致y轴对称作用于 $f(x)$ 整体的变换修改输出轴效果与直觉相同如 $b$ 导致上移$-f(x)$ 导致x轴对称。平移就是这个框架里最基础、最不容妥协的起点。没有它伸缩和翻折就成了无源之水。4.2 现实世界的映射从信号处理到计算机图形学函数变换绝非象牙塔里的智力游戏。它的影子遍布现代技术的毛细血管。音频信号处理当你在音乐软件里“快进”一段录音本质上是在对时间轴 $t$ 做伸缩变换 $y(t) \to y(2t)$让声音在更短时间内播放完毕。而“降噪”算法则常通过傅里叶变换将时域信号 $y(t)$ 转为频域 $Y(f)$在频域里对特定频率分量相当于 $Y(f)$ 的某个区间进行平移或衰减再逆变换回来。这里的“平移”就是对频率轴 $f$ 的精准外科手术。计算机图形学你在手机屏幕上拖动一张图片GPU执行的正是 $x_{new} x_{old} \Delta x$, $y_{new} y_{old} \Delta y$ 的平移变换。而图片的缩放、旋转则是更复杂的仿射变换矩阵其核心思想依然是对输入像素坐标和输出屏幕坐标两个轴系的协同操控。一个优秀的图形程序员脑子里时刻装着的就是这张“双轨位移系统”的导航图。机器学习中的数据预处理训练神经网络前常对输入特征做标准化Standardization$x_{new} \frac{x - \mu}{\sigma}$。这可以分解为先对输入轴做平移$-\mu$再做伸缩$/\sigma$。其目的就是让所有特征的“坐标系”对齐避免某些特征因数值过大而主导了学习过程。这和我们让 $y f(x2)$ 的图像左移是为了让它的顶点对准新的坐标原点逻辑完全一致。理解了这些你就明白中学课本里那个看似简单的 $y f(x-3) 4$其背后是工程师调试传感器信号的指尖是程序员渲染3D世界的代码是数据科学家清洗海量数据的脚本。它不是一个待解的题目而是一把打开现实世界黑箱的通用钥匙。4.3 教学与自学的黄金法则从“做题家”到“建模者”最后分享一条我反复验证、屡试不爽的黄金法则永远不要问“这个题怎么解”而要问“这个变换在坐标系里到底动了哪根轴怎么动的”。对于教师在讲解 $y 2\sin(3x - \pi) 1$ 时不要急于展开相位计算。先带着学生用彩笔在黑板上画出 $x$ 轴和 $y$ 轴然后指着 $3x - \pi$ 说“看所有动作都在 $x$ 轴上。$3x$ 是压缩$-\pi$ 是平移。我们先把 $-\pi$ 提出来$3(x - \pi/3)$。所以先对 $x$ 轴做‘右移 $\pi/3$’注意这里是右移因为是 $x - \pi/3$再做‘压缩为1/3’。$1$ 是 $y$ 轴上移1。” 每一步都对应一次轴的物理操作。对于自学学生拿到一个新函数第一件事不是动笔算而是拿出一张白纸画一个坐标系标出原点。然后在旁边写下“输入轴输出轴”。填空的过程就是强制自己进行归因分析。填完答案往往已呼之欲出。这条法则能把一个被动的“解题者”塑造成一个主动的“空间建模者”。后者才是未来十年最稀缺的能力。5. 常见问题与排查技巧实录来自一线教学的27个真实现场5.1 “我明明按口诀做了为什么图像画歪了”——坐标系基准点的隐形陷阱问题描述学生画 $y |x-2|$按“右移2”画出V形顶点在 $(2,0)$看起来完美。但当他画 $y |x-2| 1$ 时把整个V形上移顶点到了 $(2,1)$却总觉得哪里不对劲因为和参考答案的描点图有细微偏差。排查思路问题几乎100%出在坐标系的绘制精度上。学生画的坐标轴x轴和y轴未必严格垂直单位长度未必相等。$y |x-2|$ 的斜率是±1这意味着从顶点 $(2,0)$ 出发向右1格、向上1格必须精确落在网格线上。如果他的x轴单位是1cmy轴单位是0.8cm那么“向上1格”实际只上升了0.8cm斜率就变成了0.8图像就“歪”了。解决技巧强制使用方格纸这是最简单有效的方案。方格纸天然保证了x、y轴单位长度一致且垂直。“两点定一线”法画绝对值函数时不画顶点和一个点而是画顶点 $(2,0)$ 和两个对称点$(1,1)$ 和 $(3,1)$。这三个点确定一条完美的V形。如果三点不共线即 $(1,1)$ 和 $(3,1)$ 不在同一水平线上立刻检查坐标轴。动态验证用前面提供的Python代码输入 $a2, b1$观察生成的图像是否完美对称。如果代码图是标准的而手绘图有偏差问题一定在手绘环节。注意很多教辅书的插图为了美观会轻微调整比例但这对学生建立精确的空间直觉有害无益。坚持用标准方格纸是培养严谨性的第一步。5.2 “复合变换后函数的定义域/值域怎么求”——从图像位移反推数学约束问题描述给定 $f(x) \sqrt{x}$定义域 $[0, \infty)$。求 $g(x) \sqrt{x4} 2$ 的定义域。学生知道要解 $x4 \geq 0$得出 $x \geq -4$但无法将此与图像的“左移4”联系起来。深度解析定义域是函数“能接受的输入值集合”。$f(x) \sqrt{x}$ 只能接受 $x \geq 0$。那么 $g(x) f(x4) 2$它要求其内部的 $x4$ 必须满足 $f$ 的定义域要求即 $x4 \geq 0$。这等价于为了让 $f$ 的输入轴上“0”这个刻度对准新函数的 $x-4$ 这个位置我们必须把整个允许输入的区间 $[0, \infty)$也向左平移4个单位得到 $[-4, \infty)$。值域同理$f(x)$ 的值域是 $[0, \infty)$$g(x) f(x4) 2$ 相当于把 $f$ 的整个输出轴上移2所以值域变为 $[2, \infty)$。速查表平移对定义域/值域的影响变换形式对定义域的影响对值域的影响几何解释$y f(x - a)$原定义域整体右移$a$不变输入轴右移允许的输入范围随之右移$y f(x) b$不变原值域整体上移$b$输出轴上移所有输出值增加 $b$$y f(x - a) b$原定义域整体右移$a$原值域整体上移$b$输入轴与输出轴独立位移效果叠加这个表格不是死记硬背的结论而是“轴位移”模型的直接推论。每次求定义域你都在回答“为了让 $f$ 的输入轴上的‘安全区’覆盖到我的新 $x$ 值我需要把那个安全区往哪边挪”5.3 “考试时没时间画图怎么快速心算平移结果”——特征点心算三步法问题描述考试时间紧张不可能每次都画图或列点。如何在10秒内准确判断 $y \log_2(x1) - 3$ 的图像特征心算三步法亲测有效抓核心特征点对数函数 $y \log_2(x)$ 的核心点是 $(1, 0)$因为 $\log_2(1) 0$和 $(2, 1)$因为 $\log_2(2) 1$。这是它的“心脏”和“肩膀”。应用映射心算新坐标对于 $y \log_2(x1) - 3$映射是 $x_{new} x_{old} - 1$, $y_{new} y_{old} - 3$。$(1, 0) \to (1-1, 0-3) (0, -3)$$(2, 1) \to (2-1, 1-3) (1, -2)$锚定与排除立刻知道新图像必过 $(0, -3)$ 和 $(1, -2)$ 两点且渐近线原为 $x0$变为 $x -1$因为输入轴左移1y轴 $x0$ 现在对应原 $x1$所以渐近线 $x0$ 新位置是 $x-1$。有了这两个点和一条渐近线选项题可以秒杀解答题的草图也有了坚实支点。这个方法把复杂的函数行为浓缩为两个可心算的点。它之所以快是因为你只关注“心脏”和“肩膀”放弃了无关细节。这是高手和新手的分水岭高手用最少的信息构建最可靠的模型。5.4 “为什么有些函数平移后看起来不像平移”——奇点与不连续性的干扰问题描述学生画 $y \frac{1}{x}$ 和 $y \frac{1}{x-2} 1$发现后者不是前者简单地右移2、上移1因为两条双曲线的“分支”似乎发生了旋转或变形。真相揭露这是奇点不连续点位移造成的视觉错觉。$y \frac{1}{x}$ 的奇点在 $x0$图像在 $x0$ 处断开形成两条分离的分支。$y \frac{1}{x-2} 1$ 的奇点在 $x2$且整个图像上移1。所以左分支从 $(-\infty, 0)$ 移动到了 $(-\infty, 2)$右分支从 $(0, \infty)$ 移动到了 $(2, \infty)$并且所有点的y值都加了1。它确实是严格的平移只是因为奇点的存在让“平移”的连续性被视觉割裂了。验证技巧取极限点验证计算 $x \to 2^-$ 时$y \to -\infty$$x \to 2^$ 时$y \to \infty$。这和原函数 $x \to 0^\pm$ 时的行为完全一致只是中心从0移到了2。渐近线追踪原函数有竖直渐近线 $x0$ 和水平渐近线 $y0$。新函数的竖直渐近线是 $x2$$x$ 轴右移2水平渐近线是 $y1$$y$ 轴上移1。两条渐近线的平移是图像整体平移的铁证。遇到有奇点的函数永远先找它的渐近线。渐近线的平移是函数图像发生刚性平移的最可靠判据。5.5 “老师这个函数能平移成另一个函数吗”——函数等价性的终极判定问题描述给定 $f(x) x^2 - 4x 3$ 和 $g(x) x^2$问是否存在平移使得 $f(x)$ 的图像与 $g(x)$ 的图像重合终极判定法两个函数的图像能通过平移互相转化当且仅当它们的二阶导数或最高次项系数完全相同。因为平移不改变函数的“弯曲程度”和“开口大小”只改变其位置。$f(x) x^2 - 4x 3$二次项系数为1。$g(x) x^2$二次项系数也为1。所以可以。事实上$f(x) (x-2)^2 - 1$即 $f(x) g(x-2) - 1$向右平移2向下平移1。但如果 $f(x) 2x^2 - 4x 3$二次项系数为2而 $g(x) x^2$ 系数为1则无论怎么平移都无法重合因为一个开口宽一个开口窄。这时就需要伸缩变换来配合。这个判定法把一个看似开放的问题转化成了一个简单的代数比较。它是函数变换理论皇冠上的明珠也是我给优秀学生布置的终极思考题。我在某高校的函数建模工作坊上曾让学员用三天时间只为彻底吃透 $y f(x-a) b$