简介《Precalculus with Limits》第三版由 Ron Larson 编写面向准备 AP Calculus 及大学微积分先修课程的学生与自学者重点解决从函数基础到极限概念的衔接问题。资源为 1 个 PDF 文件压缩包约 28.51MB内容完整覆盖教材主体便于在电脑或平板上随时查阅。书中系统梳理了线性函数、绝对值函数、平方根函数、立方函数、指数函数与对数函数等基本初等函数的定义域、值域、截距、单调性及对称性并配有大量图像与性质对照表帮助读者直观理解函数变化规律。这些内容正是理解极限、连续与导数等微积分核心概念的前提。目前已有 175 人学习适合需要夯实预科基础、备考 AP Calculus 或提前适应大学数学节奏的读者可作为课堂之外的补充参考与考前复习材料。1. 从一张函数速查表说起这本预微积分教材到底能帮你解决什么如果你正在准备 AP Calculus 或者大学微积分先修课大概率会遇到一个尴尬局面极限的定义能背导数公式能套但一碰到函数图像分析就卡壳。比如题目给一个分段函数让你判断单调区间和奇偶性或者让你写出反正切函数的定义域和水平渐近线脑子里没有一张清晰的“函数档案卡”每一步都像在重新推导。这本《Precalculus with Limits》第三版核心价值恰恰在于它把预微积分阶段最常用的十几个母函数——线性、绝对值、平方根、倒数、指数、对数、三角、反三角——全部整理成了结构统一的速查表。每张表固定给出定义域、值域、截距、增减性、对称性、渐近线这几个维度你不需要翻遍笔记去拼凑直接对照就能完成函数分析。它适合两类人一类是正在学 AP Calculus 但函数基础不牢的另一类是想系统梳理初等函数性质、为极限和导数做准备的。这本书不是习题集而是一本“函数性质字典”用好了能省下大量翻书时间。2. 母函数速查表怎么读定义域、值域与对称性的参数化拆解2.1 为什么先啃母函数而不是直接刷极限题很多人一上来就刷极限计算结果遇到含绝对值的极限就翻车根源在于对母函数的图像和性质没有形成条件反射。极限的很多技巧——比如洛必达法则、等价无穷小替换——都建立在函数在特定点附近的行为之上。如果你不清楚绝对值函数在 x0 处有个尖点、不可导不清楚倒数函数在 x0 处有垂直渐近线那么极限存在性的判断就会变成玄学。这本书把母函数单独拎出来做速查表本质上是让你先把“函数长什么样”这件事刻进肌肉记忆再去处理极限的运算规则。常见做法是每学一个母函数先默写它的定义域、值域、截距和对称性再画草图最后才去做相关极限题。这个顺序不能反。2.2 速查表里每个字段的读法以绝对值函数 f(x)|x| 为例速查表给出的信息可以拆成几个层次来理解。定义域是全体实数值域是 [0, ∞)这意味着函数图像不会出现在 x 轴下方。截距方面x 截距和 y 截距都是 (0,0)说明图像经过原点。增减性上x0 时递减x0 时递增这个转折点就是尖点所在。对称性标注为偶函数、关于 y 轴对称验证方法是 f(-x)f(x)。这些字段不是孤立的增减性和对称性结合就能直接画出 V 形图像。再比如倒数函数 f(x)1/x定义域是 x≠0值域是 y≠0没有截距在 (-∞,0) 和 (0,∞) 上分别递减奇函数关于原点对称垂直渐近线是 y 轴水平渐近线是 x 轴。把这些字段串起来图像的两个分支就自然浮现了。2.3 用 Python 做一张可交互的母函数速查表光看书上的静态表格还不够我一般会自己写一个小脚本把母函数的定义域、值域和图像用代码跑一遍加深印象。下面这段代码用 sympy 和 matplotlib 把几个核心母函数的性质打印出来并画图你可以直接改参数来验证书上的结论。import sympy as sp import numpy as np import matplotlib.pyplot as plt x sp.symbols(x, realTrue) # 定义母函数及其性质字典 parent_functions { Linear: { expr: x, domain: (-inf, inf), range: (-inf, inf), symmetry: Odd, intercepts: (0,0) }, Absolute: { expr: sp.Abs(x), domain: (-inf, inf), range: [0, inf), symmetry: Even, intercepts: (0,0) }, SquareRoot: { expr: sp.sqrt(x), domain: [0, inf), range: [0, inf), symmetry: Neither, intercepts: (0,0) }, Reciprocal: { expr: 1/x, domain: (-inf,0) U (0,inf), range: (-inf,0) U (0,inf), symmetry: Odd, intercepts: None }, Cubic: { expr: x**3, domain: (-inf, inf), range: (-inf, inf), symmetry: Odd, intercepts: (0,0) }, Exponential: { expr: 2**x, domain: (-inf, inf), range: (0, inf), symmetry: Neither, intercepts: (0,1) }, Logarithmic: { expr: sp.log(x), domain: (0, inf), range: (-inf, inf), symmetry: Neither, intercepts: (1,0) } } # 打印性质表 for name, props in parent_functions.items(): print(f--- {name} ---) print(f Expression: f(x) {props[expr]}) print(f Domain: {props[domain]}) print(f Range: {props[range]}) print(f Symmetry: {props[symmetry]}) print(f Intercepts: {props[intercepts]}) print() # 绘制图像 fig, axes plt.subplots(2, 4, figsize(16, 8)) axes axes.flatten() x_vals np.linspace(-3, 3, 400) plot_configs [ (Linear, x_vals, x_vals), (Absolute, x_vals, np.abs(x_vals)), (SquareRoot, np.linspace(0, 3, 200), np.sqrt(np.linspace(0, 3, 200))), (Reciprocal, x_vals[x_vals ! 0], 1/x_vals[x_vals ! 0]), (Cubic, x_vals, x_vals**3), (Exponential, x_vals, 2**x_vals), (Logarithmic, np.linspace(0.01, 3, 200), np.log(np.linspace(0.01, 3, 200))), ] for ax, (name, xv, yv) in zip(axes, plot_configs): ax.plot(xv, yv, b-, linewidth1.5) ax.axhline(0, colork, linewidth0.5) ax.axvline(0, colork, linewidth0.5) ax.set_title(name) ax.set_ylim(-3, 3) ax.grid(True, alpha0.3) axes[-1].axis(off) plt.tight_layout() plt.savefig(parent_functions.png, dpi100) plt.show()这段代码的逻辑很直接先用 sympy 定义符号变量和函数表达式把每个母函数的定义域、值域、对称性、截距存成字典方便打印对照。然后用 numpy 生成绘图数据注意平方根和对数函数的定义域限制所以 x 的取值区间要单独处理。倒数函数在 x0 处要排除否则会报除零错误。最后用 matplotlib 画成 2×4 的子图网格每个子图都画出坐标轴和网格线方便观察截距和渐近线。参数方面x_vals 的范围可以根据需要调整比如想看指数函数在更大范围的行为把 linspace 的上限改大即可。运行后你会得到一张包含七个母函数图像的图和书上的速查表对照着看印象会深很多。3. 从函数性质到极限三角与反三角函数的定义域陷阱3.1 三角函数速查表里的关键参数这本书对三角函数的处理比一般预微积分教材更细。正弦函数 f(x)sin x 的定义域是全体实数值域是 [-1,1]周期是 2πx 截距在 nπ 处y 截距是 (0,0)奇函数关于原点对称。余弦函数类似但它是偶函数y 截距是 (0,1)。正切函数 f(x)tan x 就需要注意了定义域是 x≠π/2nπ值域是全体实数周期是 πx 截距在 nπ 处垂直渐近线在 xπ/2nπ 处奇函数。这些参数在求极限时直接决定能不能直接代入。比如求 lim(x→π/2) tan x你不能直接代入因为 π/2 不在定义域内需要看左右极限结果是正无穷和负无穷极限不存在。如果速查表没读透这种题很容易误判。3.2 反三角函数的值域限制与极限计算反三角函数是另一个容易踩坑的地方。反正弦函数 f(x)arcsin x 的定义域是 [-1,1]值域是 [-π/2, π/2]截距是 (0,0)奇函数。反余弦函数 f(x)arccos x 的定义域也是 [-1,1]但值域是 [0,π]截距是 (0,1)。反正切函数 f(x)arctan x 的定义域是全体实数值域是 (-π/2, π/2)截距是 (0,0)奇函数有两条水平渐近线 y±π/2。这些值域限制在求极限时至关重要。比如 lim(x→∞) arctan x π/2lim(x→-∞) arctan x -π/2如果你不知道值域是 (-π/2, π/2)就可能把极限写成无穷大。再比如 lim(x→1⁻) arccos x 0lim(x→-1⁺) arccos x π这些边界值都直接来自值域定义。3.3 用数值验证三角函数的极限行为光看定义域和值域还不够我习惯用数值方法验证一下极限行为。下面这段代码用 Python 计算正切函数在 π/2 附近和反正切函数在无穷远处的数值帮助你直观感受极限的存在与否。import numpy as np # 正切函数在 pi/2 附近的左右极限 eps 1e-6 left np.tan(np.pi/2 - eps) right np.tan(np.pi/2 eps) print(ftan(pi/2 - eps) {left:.2f}) print(ftan(pi/2 eps) {right:.2f}) # 输出应该是一个很大的正数和一个很大的负数说明极限不存在 # 反正切函数在无穷远处的极限 large_vals [10, 100, 1000, 10000] for v in large_vals: print(farctan({v}) {np.arctan(v):.6f}) # 输出会逐渐逼近 pi/2 ≈ 1.570796 # 反余弦函数在边界处的值 for v in [1, 0.999999, -0.999999, -1]: print(farccos({v}) {np.arccos(v):.6f}) # 输出会显示从 0 到 pi 的变化这段代码分三部分第一部分取 π/2 左右各一个极小偏移量 eps计算 tan 值你会看到左边是很大的正数右边是很大的负数说明左右极限不一致极限不存在。第二部分取一系列递增的 x 值计算 arctan结果逐渐逼近 π/2验证了水平渐近线。第三部分取 arccos 在边界附近的值验证值域是 [0,π]。参数 eps 可以调整但不要太小以免浮点误差1e-6 是个比较稳妥的值。这种数值验证方法在考试时没法用但平时用来加深理解非常有效。4. 避坑与排查函数性质分析中最容易翻车的五个点4.1 现象平方根函数值域写成全体实数原因只看了定义域 x≥0想当然认为值域也是全体实数。实际上平方根函数的输出永远非负值域是 [0,∞)。解决每次写值域前先问自己“这个函数的输出最小是多少、最大是多少”平方根的最小输出是 0没有上限所以值域是 [0,∞)。4.2 现象倒数函数说它在整个定义域上递减原因把 (-∞,0) 和 (0,∞) 两个区间上的递减性合并成了“整个定义域递减”。但倒数函数在 x-1 时值为 -1在 x1 时值为 1-11 但函数值反而增大了所以不能说在整个定义域上递减。解决单调性必须指明区间倒数函数的递减性只在 (-∞,0) 和 (0,∞) 上分别成立。4.3 现象反正切函数的水平渐近线写成 y±π原因把值域 (-π/2, π/2) 和周期 π 搞混了。反正切函数的值域是开区间 (-π/2, π/2)所以水平渐近线是 yπ/2 和 y-π/2不是 ±π。解决记住反三角函数的值域都是有限区间arcsin 和 arccos 的值域长度是 πarctan 的值域长度也是 π但端点不同。4.4 现象绝对值函数在 x0 处说它可导原因看到绝对值函数在 x0 和 x0 时都是直线就认为整个函数光滑。但 x0 处图像有一个尖点左导数是 -1右导数是 1不相等所以不可导。解决遇到分段函数或带绝对值的函数先找分段点分别求左右导数相等才可导。4.5 现象对数函数的定义域写成全体实数原因把对数函数和指数函数的定义域搞混了。指数函数的定义域是全体实数但对数函数是指数函数的反函数定义域和值域互换所以对数函数的定义域是 (0,∞)值域是全体实数。解决记住“指数定义域全体值域正对数定义域正值域全体”一对反函数定义域和值域互换。5. 把速查表用进极限计算一个参数化验证的进阶习惯5.1 从函数性质到极限存在性的判断链路极限计算的核心不是套公式而是判断函数在趋近点附近的行为。这本书的母函数速查表提供了一条清晰的判断链路先看趋近点是否在定义域内如果在直接代入如果不在看是哪种类型的间断点。对于倒数函数和正切函数趋近点是垂直渐近线左右极限至少有一个是无穷极限不存在。对于绝对值函数趋近点是尖点左右导数不一致但极限存在。对于反三角函数趋近点可能在值域边界极限就是边界值。这条链路走熟了大部分极限题都能在动笔前判断出结果的存在性和大致范围。5.2 用参数化脚本批量验证极限我后来养成了一个习惯每学完一组母函数就写一个参数化脚本批量计算它们在关键点处的极限值和速查表对照。下面这段代码用 sympy 的 limit 函数批量验证几个典型极限你可以把函数列表替换成自己正在学的内容。import sympy as sp x sp.symbols(x, realTrue) # 定义待验证的极限列表(表达式, 趋近点, 方向) limits_to_check [ (sp.Abs(x)/x, 0, ), # 右极限应为 1 (sp.Abs(x)/x, 0, -), # 左极限应为 -1 (1/x, 0, ), # 右极限应为 inf (1/x, 0, -), # 左极限应为 -inf (sp.atan(x), sp.oo, ), # 应为 pi/2 (sp.atan(x), -sp.oo, -), # 应为 -pi/2 (sp.log(x), 0, ), # 应为 -inf (sp.sqrt(x), 0, ), # 应为 0 ] for expr, point, direction in limits_to_check: result sp.limit(expr, x, point, dirdirection) print(flim(x-{point}{direction}) {expr} {result})这段代码的逻辑是把表达式、趋近点和方向组成元组列表用 sympy 的 limit 函数逐个计算。dir 参数控制方向 表示右极限- 表示左极限。输出结果可以直接和速查表对照比如 Abs(x)/x 在 0 处的右极限是 1左极限是 -1验证了绝对值函数的尖点行为。1/x 在 0 处的左右极限分别是 inf 和 -inf验证了垂直渐近线。atan(x) 在正负无穷处的极限是 ±π/2验证了水平渐近线。log(x) 在 0 处的右极限是 -inf验证了垂直渐近线。这个脚本的好处是你可以随时添加新的函数和趋近点批量验证不用手动一个个算。5.3 一个具体的技巧先画图再算极限最后分享一个我踩过坑之后养成的习惯不管多简单的极限题先花十秒钟在草稿纸上画一下函数在趋近点附近的大致图像。绝对值函数在 0 附近是 V 形倒数函数在 0 附近是两支曲线正切函数在 π/2 附近是上下无限延伸的。图像画出来极限是存在、不存在、还是无穷一目了然。这个习惯帮我避免了很多低级错误比如把不存在的极限硬算出一个数或者把无穷极限写成有限值。从那以后我每次遇到函数极限题都强制自己先画图再动笔希望这个习惯也能帮到你。本文还有配套的精品资源点击获取