KNOWECON WIKI

ARTICLE

二阶偏导数

二阶偏导数 (Second-Order Partial Derivative) 二阶偏导数 (Second-Order Partial Derivative) 是对多元函数的一阶偏导数再次求偏导所得的结果，是研究函数曲率、凹凸性和最优化二阶条件的基础工具。对于二元函数 z = f(x, y)，共有四个二阶偏导数。 定义与记号 设函数 f(x_1, , x_n

浏览 0 更新 2025-11-14

二阶偏导数 (Second-Order Partial Derivative)

二阶偏导数 (Second-Order Partial Derivative) 是对多元函数的一阶偏导数再次求偏导所得的结果，是研究函数曲率、凹凸性和最优化二阶条件的基础工具。对于二元函数 z=f(x,y)z = f(x, y)，共有四个二阶偏导数。

定义与记号

设函数 f(x1,…,xn)f(x_1, \dots, x_n) 具有一阶偏导数 ∂f∂xi\frac{\partial f}{\partial x_i}。则二阶偏导数定义为：

∂2f∂xj∂xi=∂∂xj(∂f∂xi)\frac{\partial^2 f}{\partial x_j \partial x_i} = \frac{\partial}{\partial x_j}\left( \frac{\partial f}{\partial x_i} \right)

对于二元函数 f(x,y)f(x, y)，四种二阶偏导数为：

  • fxx=∂2f∂x2f_{xx} = \frac{\partial^2 f}{\partial x^2}：对 xx 两次求偏导（纯二阶偏导）
  • fyy=∂2f∂y2f_{yy} = \frac{\partial^2 f}{\partial y^2}：对 yy 两次求偏导（纯二阶偏导）
  • fxy=∂2f∂y∂xf_{xy} = \frac{\partial^2 f}{\partial y \partial x}：先对 xx 再对 yy 求偏导（混合偏导）
  • fyx=∂2f∂x∂yf_{yx} = \frac{\partial^2 f}{\partial x \partial y}：先对 yy 再对 xx 求偏导（混合偏导）

克莱罗定理 (Clairaut's Theorem)

若 f(x,y)f(x, y) 的二阶混合偏导数 fxyf_{xy} 和 fyxf_{yx} 在点 (a,b)(a, b) 的某邻域内存在且连续，则它们在该点相等：

fxy(a,b)=fyx(a,b)f_{xy}(a, b) = f_{yx}(a, b)

这一定理也被称为施瓦茨定理 (Schwarz's Theorem)，意味着对于"表现良好"（二阶连续可微）的函数，求偏导的次序可以交换。该结论可推广到更高阶和高维情形。

海森矩阵 (Hessian Matrix)

将所有二阶偏导数组织成矩阵形式，即得到海森矩阵 HH：

H_f = \begin{bmatrix}

fxxf_{xx} \& fxyf_{xy} \\ fyxf_{yx} \& fyyf_{yy}

\end{bmatrix}

对于 nn 元函数，海森矩阵是 n×nn \times n 的对称矩阵（由克莱罗定理保证）。海森矩阵是多元函数二阶微分结构的完整刻画。

二阶条件与极值判定

在无约束最优化中，一阶条件 ∇f=0\nabla f = \mathbf{0} 给出驻点。驻点的性质由海森矩阵判定：

  • 若 HH 在该点正定（所有顺序主子式 >0>0，即 fxx>0f_{xx} > 0 且 det⁡H>0\det H > 0），则为严格局部极小值。
  • 若 HH 在该点负定（顺序主子式正负交替：fxx<0f_{xx} < 0，det⁡H>0\det H > 0），则为严格局部极大值。
  • 若 det⁡H<0\det H < 0，则为鞍点 (Saddle Point)。
  • 若 det⁡H=0\det H = 0，则二阶条件无法判定，需进一步分析。

凹凸性刻画

二阶偏导数直接刻画函数的凹凸性：

  • ff 是凸函数   ⟺  \iff 其海森矩阵处处半正定（对所有点，fxx≥0,fyy≥0,det⁡H≥0f_{xx} \geq 0, f_{yy} \geq 0, \det H \geq 0）。
  • ff 是凹函数   ⟺  \iff 其海森矩阵处处半负定（对所有点，fxx≤0,fyy≤0,det⁡H≥0f_{xx} \leq 0, f_{yy} \leq 0, \det H \geq 0）。

在经济模型中，效用函数通常被假定为拟凹的，生产函数通常被假定为拟凹或凹的，这些性质均可通过二阶偏导数验证。

约束最优化的加边海森矩阵

对于带有等式约束 g(x,y)=cg(x, y) = c 的拉格朗日乘数法优化问题，其二阶条件使用加边海森矩阵 (Bordered Hessian)：

\bar{H} = \begin{bmatrix}

0 \& gxg_x \& gyg_y \\ gxg_x \& Lxx\mathcal{L}_{xx} \& Lxy\mathcal{L}_{xy} \\ gyg_y \& Lyx\mathcal{L}_{yx} \& Lyy\mathcal{L}_{yy}

\end{bmatrix}

其中 L(x,y,λ)=f(x,y)−λ(g(x,y)−c)\mathcal{L}(x, y, \lambda) = f(x, y) - \lambda(g(x, y) - c) 是拉格朗日函数。通过加边海森矩阵的行列式符号判定条件极值。

在经济与金融中的应用

  1. 边际效用递减：效用函数 U(x1,x2)U(x_1, x_2) 满足 Ux1x1<0U_{x_1x_1} < 0，即二阶纯偏导为负，刻画了边际效用递减规律。
  2. 边际报酬递减：生产函数 Q(K,L)Q(K, L) 满足 QLL<0Q_{LL} < 0 和 QKK<0Q_{KK} < 0，即劳动的边际产量随劳动增加而递减。
  3. 风险厌恶度量：在期望效用理论中，Arrow-Pratt 绝对风险厌恶系数 rA(x)=−U′′(x)U′(x)r_A(x) = -\frac{U''(x)}{U'(x)} 依赖于效用函数的二阶导数，衡量决策者对风险的厌恶程度。
  4. 期权 Greeks：Black-Scholes 模型中的 Gamma (Γ=∂2V∂S2\Gamma = \frac{\partial^2 V}{\partial S^2}) 是期权价格对标的资产价格的二阶偏导数，衡量 Delta 的变化速率，是管理Gamma 风险的核心指标。
  5. 比较静态分析：经济学中参数变动对内生变量的影响常涉及二阶偏导数，如需求理论中的斯拉茨基方程 (Slutsky Equation) 分解价格变动的收入效应与替代效应。

计算示例

设 f(x,y)=x3+3x2y+y3f(x, y) = x^3 + 3x^2y + y^3：

一阶偏导：fx=3x2+6xyf_x = 3x^2 + 6xy，fy=3x2+3y2f_y = 3x^2 + 3y^2

二阶偏导：

fxx=6x+6y,fyy=6y,fxy=fyx=6xf_{xx} = 6x + 6y,\quad f_{yy} = 6y,\quad f_{xy} = f_{yx} = 6x

海森矩阵：H=[6x+6y6x6x6y]H = \begin{bmatrix} 6x+6y & 6x \\ 6x & 6y \end{bmatrix}

在驻点 (0,0)(0,0) 处，H=[0000]H = \begin{bmatrix} 0 & 0 \\ 0 & 0 \end{bmatrix}，det⁡H=0\det H = 0，二阶条件失效；在 (−1,1)(-1, 1) 处，det⁡H=0⋅6−6(−1)⋅6(−1)<0\det H = 0 \cdot 6 - 6(-1) \cdot 6(-1) < 0，为鞍点。

二阶偏导数是连接一元微积分与多元分析的关键桥梁，构成了现代经济理论中比较静态分析、对偶理论和计量经济学中极值估计的数学根基。