无卵用的渐近线与函数作图

渐近线与函数作图

小象实战讲义 · 人工智能数学基础

在掌握了利用导数分析函数局部性质（如单调性、极值、凹凸性）后，我们还需要理解函数在定义域边界或无穷远处的整体趋势。本节将介绍一个刻画这种“远方”行为的工具——渐近线，并系统性地梳理函数作图的完整流程。学完本节，你将能够分析复杂函数在无穷远处的渐近行为，并综合运用导数、极限等工具，绘制出函数图像的关键特征草图。

💡 核心导读

本节你将学到：

1. 渐近线的定义与分类：理解水平、垂直和斜渐近线的几何与代数含义。
2. 斜渐近线的代数求法：掌握通过计算极限来求解斜渐近线方程的标准方法。
3. 函数作图的系统流程：梳理从定义域分析到渐近线判断的完整作图步骤。
4. 综合应用实例：通过一个有理函数，实战演练如何结合导数分析与渐近线判断绘制函数图像。

渐近线：函数图像的“远方指南”

渐近线描述了一条曲线在无限延伸时，与某条直线无限接近的趋势。从几何上看，若曲线 $y = f(x)$ 上动点 $P$ 沿曲线趋于无穷远时，该点到某定直线 $L$ 的距离趋于 $0$，则称直线 $L$ 为曲线的一条渐近线。

根据直线的方向，渐近线主要分为三类：

1. 水平渐近线：若 $\lim_{x \to +\infty} f(x) = b$ 或 $\lim_{x \to -\infty} f(x) = b$，则直线 $y = b$ 是曲线的一条水平渐近线。
2. 垂直渐近线：若 $\lim_{x \to a^+} f(x) = \infty$（或 $-\infty$），或 $\lim_{x \to a^-} f(x) = \infty$（或 $-\infty$），则直线 $x = a$ 是曲线的一条垂直渐近线。
3. 斜渐近线：若曲线在无穷远处与一条非水平也非垂直的直线 $y = kx + b$ 无限接近，则该直线为斜渐近线。

我们熟悉的函数 $y = \frac{1}{x}$ 有两条渐近线：$y = 0$（水平渐近线，因 $x \to \infty$ 时函数值趋于 $0$）和 $x = 0$（垂直渐近线，因 $x \to 0$ 时函数值趋于无穷）。函数 $y = \frac{1}{x-1}$ 则是将图像向右平移了一个单位，其渐近线变为 $x=1$ 和 $y=0$。

斜渐近线的代数求法

对于更一般的情形，如何求一条曲线的斜渐近线 $y = kx + b$ 呢？其核心思想是“同阶线性增长，差距趋于常数”。

假设当 $x \to +\infty$ 时，函数 $f(x)$ 与直线 $y = kx + b$ 无限接近。这意味着：

1. 增长率相同（同阶）：$f(x)$ 与 $x$ 的增长率在无穷远处应趋于一个常数 $k$。 $$k = \lim_{x \to +\infty} \frac{f(x)}{x}$$ 该极限必须存在且为有限值（$k \ne 0$ 且 $k \ne \infty$）。
2. 差距趋于常数：函数值与线性部分 $kx$ 的差值应趋于常数 $b$。 $$b = \lim_{x \to +\infty} [f(x) - kx]$$ 该极限也必须存在（为有限值）。

同理，可以讨论 $x \to -\infty$ 时的斜渐近线，只需将上述极限中的 $x \to +\infty$ 替换为 $x \to -\infty$ 即可。

求法总结： 欲求 $x \to +\infty$ 时的斜渐近线 $y = kx + b$：

1. 计算 $k = \lim_{x \to +\infty} \frac{f(x)}{x}$。若极限不存在或为无穷，则无斜渐近线。
2. 若 $k$ 存在且有限，再计算 $b = \lim_{x \to +\infty} [f(x) - kx]$。
3. 得到渐近线方程 $y = kx + b$。

水平渐近线可视为 $k=0$ 的特殊情况，垂直渐近线则需单独分析函数在有限点处的极限行为。

函数作图的系统流程

绘制一个陌生函数的图像，应遵循一套系统性的分析流程，以确保捕捉到所有关键特征。

1. 确定定义域：明确函数在哪些点有定义，哪些点无定义（如分母为零、偶次根号下为负等）。
2. 分析特殊点：
   • 间断点：对于无定义的点，计算其左极限 $\lim_{x \to a^-} f(x)$ 和右极限 $\lim_{x \to a^+} f(x)$，判断间断类型。若单侧极限为无穷，则该处可能存在垂直渐近线 $x = a$。
   • 不可导点：对于如 $|x|$ 在 $x=0$ 处的情况，需分别计算左导数 $f’$-(a)f’−​(a) 和右导数 $f’$+(a)，以了解该点附近的切线行为。
3. 利用一阶导数分析单调性与极值：
   • 计算 $f’(x)$。
   • 解方程 $f’(x) = 0$，找出稳定点（驻点）。
   • 根据 $f’(x)$ 在各区间的正负，判断函数的单调递增（$f’(x) > 0$） 或单调递减（$f’(x) < 0$） 区间。
   • 结合单调性的变化，确定极值点（如从左增右减判断为极大值点）。
4. 利用二阶导数分析凹凸性与拐点：
   • 计算 $f’’(x)$。
   • 解方程 $f’’(x) = 0$，找出可能的拐点候选。
   • 根据 $f’’(x)$ 在各区间的正负，判断函数的凹凸性：$f’’(x) > 0$ 为凸（开口向上），$f’’(x) < 0$ 为凹（开口向下）。
   • 确认 $f’’(x)$ 在候选点两侧变号，则该点为拐点（凹凸性改变的点）。
5. 分析无穷远处的行为与渐近线：
   • 计算 $\lim_{x \to +\infty} f(x)$ 和 $\lim_{x \to -\infty} f(x)$，判断是否存在水平渐近线。
   • 若水平渐近线不存在，尝试用前述方法判断是否存在斜渐近线。
   • 综合步骤 2 中找出的垂直渐近线。
6. 综合绘图：将以上所有信息（定义域边界、特殊点坐标、极值点、拐点、单调区间、凹凸区间、渐近线）整合到坐标系中，用光滑曲线连接，绘制出函数图像的草图。

这个过程虽然系统，但经验丰富的学习者往往对基本初等函数的图像非常熟悉，可以快速把握复合函数的整体形态。系统分析的价值在于处理陌生、复杂的函数。

综合实例：绘制 $y = \frac{x^2}{x-1}$ 的图像

让我们用上述流程分析函数 $y = f(x) = \frac{x^2}{x-1}$。

1. 定义域：分母不为零，故定义域为 $(-\infty, 1) \cup (1, +\infty)$。$x=1$ 是间断点。

2. 分析特殊点（间断点）： 计算 $x=1$ 处的单侧极限： $$\lim_{x \to 1^+} \frac{x^2}{x-1} = +\infty, \quad \lim_{x \to 1^-} \frac{x^2}{x-1} = -\infty$$ 因此，$x=1$ 是一条垂直渐近线。

3. 求渐近线（无穷远处）：

• 判断是否有斜渐近线： $$k = \lim_{x \to \infty} \frac{f(x)}{x} = \lim_{x \to \infty} \frac{x^2}{x(x-1)} = \lim_{x \to \infty} \frac{x}{x-1} = 1$$ $$b = \lim_{x \to \infty} [f(x) - 1 \cdot x] = \lim_{x \to \infty} \left( \frac{x^2}{x-1} - x \right) = \lim_{x \to \infty} \frac{x^2 - x(x-1)}{x-1} = \lim_{x \to \infty} \frac{x}{x-1} = 1$$ 故存在斜渐近线 $y = x + 1$。同理可证 $x \to -\infty$ 时也是同一条渐近线。

4. 一阶导数与单调性、极值： $$f’(x) = \frac{2x(x-1) - x^2 \cdot 1}{(x-1)^2} = \frac{x^2 - 2x}{(x-1)^2} = \frac{x(x-2)}{(x-1)^2}$$ 令 $f’(x)=0$，得稳定点 $x=0$ 和 $x=2$。分母 $(x-1)^2 > 0$（$x \ne 1$），故符号由分子 $x(x-2)$ 决定。

5. 二阶导数与凹凸性、拐点： $$f’’(x) = \frac{d}{dx} \left[ \frac{x^2-2x}{(x-1)^2} \right] = \frac{2}{(x-1)^3}$$ （具体求导过程略，可利用商法则或化简化简后求导）。 令 $f’’(x)=0$，方程无解。$f’’(x)$ 的符号由分母 $(x-1)^3$ 决定：

• 当 $x > 1$ 时，$f’’(x) > 0$，函数为凸（凹向上）。
• 当 $x < 1$ 时，$f’’(x) < 0$，函数为凹（凹向下）。 $x=1$ 不在定义域内，故该函数没有拐点。

6. 综合绘图：

• 画出垂直渐近线 $x=1$ 和斜渐近线 $y=x+1$。
• 标出极值点 $(0, 0)$（极大）和 $(2, 4)$（极小）。
• 根据单调性：图像从左远方递增至 $(0,0)$，然后递减并逼近 $x=1$ 两侧的无穷远；从 $x=1$ 右侧正无穷远处递减至 $(2,4)$，然后递增并沿 $y=x+1$ 方向延伸。
• 根据凹凸性：在 $x<1$ 区间图像是凹的，在 $x>1$ 区间图像是凸的。

最终可以勾勒出函数图像的双支形状。

import numpy as np
import matplotlib.pyplot as plt
import sympy as sp

# 定义符号变量和函数
x = sp.symbols('x')
f_expr = x**2 / (x - 1)
f = sp.lambdify(x, f_expr, 'numpy')

# 计算导数
f_prime_expr = sp.diff(f_expr, x)
f_double_prime_expr = sp.diff(f_prime_expr, x)
print("函数 f(x) =", f_expr)
print("一阶导数 f'(x) =", f_prime_expr)
print("二阶导数 f''(x) =", f_double_prime_expr)

# 计算渐近线
# 斜渐近线斜率 k
k = sp.limit(f_expr / x, x, sp.oo)
print(f"\n斜渐近线斜率 k = limit(f(x)/x, x->oo) = {k}")
# 斜渐近线截距 b
b = sp.limit(f_expr - k*x, x, sp.oo)
print(f"斜渐近线截距 b = limit(f(x)-{k}*x, x->oo) = {b}")
print(f"斜渐近线方程为: y = {k}*x + {b}")

# 垂直渐近线：寻找使分母为零的点
denom = sp.denom(f_expr)
vertical_asym = sp.solve(denom, x)
print(f"\n垂直渐近线: x = {vertical_asym[0]}")

# 数值绘图
x_vals_left = np.linspace(-5, 0.9, 100)   # 避开 x=1
x_vals_right = np.linspace(1.1, 5, 100)
y_vals_left = f(x_vals_left)
y_vals_right = f(x_vals_right)

# 渐近线
x_asym = np.linspace(-5, 5, 400)
y_slant_asym = k * x_asym + b  # 斜渐近线

plt.figure(figsize=(10, 6))
plt.plot(x_vals_left, y_vals_left, 'b-', label=r'<span class="katex"><span class="katex-mathml"><math xmlns="http://www.w3.org/1998/Math/MathML"><semantics><mrow><mi>y</mi><mo>=</mo><msup><mi>x</mi><mn>2</mn></msup><mi mathvariant="normal">/</mi><mo stretchy="false">(</mo><mi>x</mi><mo>−</mo><mn>1</mn><mo stretchy="false">)</mo></mrow><annotation encoding="application/x-tex">y=x^2/(x-1)</annotation></semantics></math></span><span class="katex-html" aria-hidden="true"><span class="katex-base"><span class="katex-strut" style="height:0.625em;vertical-align:-0.1944em;"></span><span class="mord mathnormal" style="margin-right:0.0359em;">y</span><span class="mspace" style="margin-right:0.2778em;"></span><span class="mrel">=</span><span class="mspace" style="margin-right:0.2778em;"></span></span><span class="katex-base"><span class="katex-strut" style="height:1.0641em;vertical-align:-0.25em;"></span><span class="mord"><span class="mord mathnormal">x</span><span class="msupsub"><span class="vlist-t"><span class="vlist-r"><span class="vlist" style="height:0.8141em;"><span style="top:-3.063em;margin-right:0.05em;"><span class="pstrut" style="height:2.7em;"></span><span class="katex-sizing reset-size6 size3 mtight"><span class="mord mtight">2</span></span></span></span></span></span></span></span><span class="mord">/</span><span class="mopen">(</span><span class="mord mathnormal">x</span><span class="mspace" style="margin-right:0.2222em;"></span><span class="mbin">−</span><span class="mspace" style="margin-right:0.2222em;"></span></span><span class="katex-base"><span class="katex-strut" style="height:1em;vertical-align:-0.25em;"></span><span class="mord">1</span><span class="mclose">)</span></span></span></span>', linewidth=2)
plt.plot(x_vals_right, y_vals_right, 'b-', linewidth=2)
plt.plot(x_asym, y_slant_asym, 'r--', label=r'斜渐近线 <span class="katex"><span class="katex-mathml"><math xmlns="http://www.w3.org/1998/Math/MathML"><semantics><mrow><mi>y</mi><mo>=</mo><mi>x</mi><mo>+</mo><mn>1</mn></mrow><annotation encoding="application/x-tex">y=x+1</annotation></semantics></math></span><span class="katex-html" aria-hidden="true"><span class="katex-base"><span class="katex-strut" style="height:0.625em;vertical-align:-0.1944em;"></span><span class="mord mathnormal" style="margin-right:0.0359em;">y</span><span class="mspace" style="margin-right:0.2778em;"></span><span class="mrel">=</span><span class="mspace" style="margin-right:0.2778em;"></span></span><span class="katex-base"><span class="katex-strut" style="height:0.6667em;vertical-align:-0.0833em;"></span><span class="mord mathnormal">x</span><span class="mspace" style="margin-right:0.2222em;"></span><span class="mbin">+</span><span class="mspace" style="margin-right:0.2222em;"></span></span><span class="katex-base"><span class="katex-strut" style="height:0.6444em;"></span><span class="mord">1</span></span></span></span>', alpha=0.7)
plt.axvline(x=vertical_asym[0], color='g', linestyle='--', label=r'垂直渐近线 <span class="katex"><span class="katex-mathml"><math xmlns="http://www.w3.org/1998/Math/MathML"><semantics><mrow><mi>x</mi><mo>=</mo><mn>1</mn></mrow><annotation encoding="application/x-tex">x=1</annotation></semantics></math></span><span class="katex-html" aria-hidden="true"><span class="katex-base"><span class="katex-strut" style="height:0.4306em;"></span><span class="mord mathnormal">x</span><span class="mspace" style="margin-right:0.2778em;"></span><span class="mrel">=</span><span class="mspace" style="margin-right:0.2778em;"></span></span><span class="katex-base"><span class="katex-strut" style="height:0.6444em;"></span><span class="mord">1</span></span></span></span>', alpha=0.7)

# 标记极值点
plt.scatter([0, 2], [f(0), f(2)], color='red', zorder=5, label='极值点')
plt.text(0, f(0)+0.3, '(0,0) 极大', ha='center')
plt.text(2, f(2)+0.3, '(2,4) 极小', ha='center')

plt.xlim(-5, 5)
plt.ylim(-10, 10)
plt.xlabel('x')
plt.ylabel('y')
plt.title(r'函数 <span class="katex"><span class="katex-mathml"><math xmlns="http://www.w3.org/1998/Math/MathML"><semantics><mrow><mi>y</mi><mo>=</mo><mfrac><msup><mi>x</mi><mn>2</mn></msup><mrow><mi>x</mi><mo>−</mo><mn>1</mn></mrow></mfrac></mrow><annotation encoding="application/x-tex">y = \frac{x^2}{x-1}</annotation></semantics></math></span><span class="katex-html" aria-hidden="true"><span class="katex-base"><span class="katex-strut" style="height:0.625em;vertical-align:-0.1944em;"></span><span class="mord mathnormal" style="margin-right:0.0359em;">y</span><span class="mspace" style="margin-right:0.2778em;"></span><span class="mrel">=</span><span class="mspace" style="margin-right:0.2778em;"></span></span><span class="katex-base"><span class="katex-strut" style="height:1.4213em;vertical-align:-0.4033em;"></span><span class="mord"><span class="mopen nulldelimiter"></span><span class="mfrac"><span class="vlist-t vlist-t2"><span class="vlist-r"><span class="vlist" style="height:1.0179em;"><span style="top:-2.655em;"><span class="pstrut" style="height:3em;"></span><span class="katex-sizing reset-size6 size3 mtight"><span class="mord mtight"><span class="mord mathnormal mtight">x</span><span class="mbin mtight">−</span><span class="mord mtight">1</span></span></span></span><span style="top:-3.23em;"><span class="pstrut" style="height:3em;"></span><span class="frac-line" style="border-bottom-width:0.04em;"></span></span><span style="top:-3.394em;"><span class="pstrut" style="height:3em;"></span><span class="katex-sizing reset-size6 size3 mtight"><span class="mord mtight"><span class="mord mtight"><span class="mord mathnormal mtight">x</span><span class="msupsub"><span class="vlist-t"><span class="vlist-r"><span class="vlist" style="height:0.8913em;"><span style="top:-2.931em;margin-right:0.0714em;"><span class="pstrut" style="height:2.5em;"></span><span class="katex-sizing reset-size3 size1 mtight"><span class="mord mtight">2</span></span></span></span></span></span></span></span></span></span></span></span><span class="vlist-s">​</span></span><span class="vlist-r"><span class="vlist" style="height:0.4033em;"><span></span></span></span></span></span><span class="mclose nulldelimiter"></span></span></span></span></span> 及其渐近线图像')
plt.legend()
plt.grid(True, alpha=0.3)
plt.show()

📝 动手练一练

1. 求渐近线：求函数 $y = \frac{2x^2 + 3x - 1}{x + 2}$ 的所有渐近线方程。
2. 分析作图：对于函数 $y = x + \frac{1}{x}$，请分析其定义域、单调性、极值、凹凸性、拐点及渐近线，并简要描述其图像的大致形状。

参考答案：

1. 垂直渐近线：分母为零时 $x+2=0$，即 $x=-2$。计算 $\lim_{x \to -2} f(x) = \infty$，故 $x=-2$ 是垂直渐近线。 斜渐近线：因为分子次数比分母高一次，存在斜渐近线。 $k = \lim_{x \to \infty} \frac{f(x)}{x} = \lim_{x \to \infty} \frac{2x^2+3x-1}{x(x+2)} = 2$。 $b = \lim_{x \to \infty} [f(x) - 2x] = \lim_{x \to \infty} \left( \frac{2x^2+3x-1}{x+2} - 2x \right) = \lim_{x \to \infty} \frac{(2x^2+3x-1) - 2x(x+2)}{x+2} = \lim_{x \to \infty} \frac{-x-1}{x+2} = -1$。 故斜渐近线为 $y = 2x - 1$。

2. 定义域：$x \ne 0$，即 $(-\infty, 0) \cup (0, +\infty)$。 导数：$y’ = 1 - \frac{1}{x^2}$，令 $y’=0$ 得 $x=\pm 1$。 单调性与极值：当 $x<-1$ 或 $x>1$ 时，$y’>0$，函数递增；当 $-1<x<0$ 或 $0<x<1$ 时，$y’<0$，函数递减。$x=-1$ 为极大值点，$y(-1)=-2$；$x=1$ 为极小值点，$y(1)=2$。 二阶导数与凹凸性：$y’’ = \frac{2}{x^3}$。当 $x>0$ 时，$y’’>0$，函数为凸；当 $x<0$ 时，$y’’<0$，函数为凹。$x=0$ 不在定义域，无拐点。 渐近线：$x=0$ 为垂直渐近线（因 $\lim_{x \to 0} y = \infty$）。由于 $\lim_{x \to \infty} [y - x] = 0$，故 $y=x$ 是斜渐近线。 图像描述：图像由两支组成，均以 $y=x$ 和 $x=0$ 为渐近线。在第三象限有一支，从 $y=x$ 下方逼近，在 $(-1,-2)$ 达到极大后下降并逼近负 $y$ 轴；在第一象限有一支，从正 $y$ 轴上方下降，在 $(1,2)$ 达到极小后上升并逼近 $y=x$。

本章小结

本节我们系统学习了函数作图的两个重要方面：远方行为的刻画（渐近线）与系统性的作图流程。

要点回顾：

• 渐近线分为水平、垂直和斜渐近线，它们分别描述了函数在无穷远处或间断点附近的极限行为。
• 斜渐近线 $y=kx+b$ 的求解依赖于两个极限：$k = \lim_{x \to \infty} \frac{f(x)}{x}$ 和 $b = \lim_{x \to \infty} [f(x) - kx]$。
• 函数作图是一个逻辑严密的系统工程，需依次考察：定义域、特殊点（间断、不可导）、一阶导数（单调、极值）、二阶导数（凹凸、拐点）以及无穷远处的渐近行为，最后综合所有信息绘图。

行动清单：

1. 掌握求法：面对一个新函数，尝试按照“垂直→水平/斜”的顺序，求出其所有渐近线。
2. 流程化分析：选取一个复杂的有理函数（如 $y = \frac{x^3}{x^2-4}$），严格按照本节介绍的六步作图流程，在纸上逐步分析并画出草图。
3. 代码验证：使用 Python 的 SymPy 库（如示例代码）对你分析的函数进行符号求导、求极限，并用 Matplotlib 绘制图像，验证你的分析结果。

— 小象教研组