一对一映射

一对一映射 (One-to-One Mapping / Injective Function)

一对一映射，又称单射 (Injective Function)，是数学中函数分类的核心概念之一。给定函数 $f: X \to Y$，若对任意 $x_1, x_2 \in X$，当 $x_1 \neq x_2$ 时恒有 $f(x_1) \neq f(x_2)$，则称 $f$ 是单射。等价地，若 $f(x_1) = f(x_2)$ 蕴含 $x_1 = x_2$，则 $f$ 为一对一映射。直观而言，定义域中不同的元素在值域中有不同的像，不存在两个不同的输入被映射到同一个输出。

数学定义与判别

设 $f: X \to Y$ 为一函数。$f$ 是单射当且仅当：

对于实值函数 $f: \mathbb{R} \to \mathbb{R}$，可借助水平线检验 (Horizontal Line Test) 判断：任意一条水平线至多与图像相交一次，则 $f$ 是单射。例如 $f(x) = e^x$ 是单射（严格单调递增），而 $f(x) = x^2$ 在 $\mathbb{R}$ 上不是单射（因 $f(-2) = f(2) = 4$），但限制在 $x \geq 0$ 上则为单射。

单射、满射与双射

在函数分类中，一对一映射需与以下概念区分：

• 满射 (Surjective/Onto)：值域中每个元素都有原像，即 $f(X) = Y$。单射不要求覆盖整个陪域。
• 双射 (Bijective)：同时满足单射与满射，构成定义域与值域之间完美的一一对应。

若 $f$ 是单射，则 $f: X \to f(X)$ 为双射（陪域限制为值域后自动满射），因此在其值域上存在逆函数 $f^{-1}: f(X) \to X$。

单调性与单射

严格单调的实值函数必然是单射：若 $f$ 在区间 $I$ 上严格单调递增（即 $x_1 < x_2 \implies f(x_1) < f(x_2)$），则不同输入不可能产生相同输出。然而单射并不要求单调性——例如离散定义域上的函数可以是单射但谈论单调性无意义。在经济学中，许多关键函数（如效用函数的单调变换、生产函数等）的严格单调性确保了其一对一性质。

经济学中的应用

效用理论与偏好表示：在消费者理论中，效用函数 $U: \mathbb{R}^n_+ \to \mathbb{R}$ 的任意严格单调递增变换 $V(x) = g(U(x))$（其中 $g: \mathbb{R} \to \mathbb{R}$ 为严格递增函数）保持相同的偏好排序。由于 $g$ 是单射，它不会将两个原本效用水平不同的消费束合并为同一数值，从而保证了偏好表示的序数一致性。这正是序数效用论成立的基础：只要 $g$ 是一对一的严格单调变换，偏好信息即被完整保留。

需求函数与可逆性：希克斯需求函数 $h(p, u)$ 和马歇尔需求函数 $x(p, w)$ 在某些条件下作为价格或效用的函数可能满足单射性质，这对于福利分析中的等价性度量（如等价性变化量与补偿性变化量）以及识别个体偏好参数具有重要计量意义。

博弈论与机制设计：在贝叶斯博弈和拍卖理论中，参与者的策略是从私人类型空间到行动空间的映射。显示原理 (Revelation Principle) 要求均衡策略构成一个一对一映射（即参与者如实报告类型的直接机制可被设计），以确保信息传递的完整性。此外，在合同理论中，激励相容约束往往依赖于类型-配置映射的单射性质来分离不同类型的代理人。

计量经济学：在工具变量估计中，第一阶段回归要求工具变量与内生解释变量之间存在一一对应的相关关系（即秩条件，矩阵满列秩等价于线性映射的单射性质）。若该映射非单射，则存在弱工具变量问题，导致第二阶段估计不一致。

常见例子

• 单射：$f(x) = e^x$、$f(x) = \ln x$、$f(x) = x^3$、任何严格单调函数。
• 非单射：$f(x) = x^2$（$\mathbb{R}$ 上，正负映射至同点）、$f(x) = \sin x$（周期函数，无穷多输入映射至同一输出）、常数函数 $f(x) = c$。
• 经济学实例：CES效用函数 $U(x_1, x_2) = (x_1^\rho + x_2^\rho)^{1/\rho}$ 的单调变换 $\tilde{U} = \ln U$ 是一对一的，因此两者代表相同偏好。