值域

值域 (Range of a Function)

值域（Range）是数学分析中描述函数输出范围的基本概念。设函数 $f: A \to B$，其中 $A$ 为定义域（Domain），$B$ 为陪域（Codomain），则值域 $R(f)$ 或 $\operatorname{Im}(f)$ 定义为定义域中所有元素在映射下的像所构成的集合：

值域是陪域的子集，仅包含映射实际到达的那些值。当 $R(f) = B$ 时，称函数为满射（Surjective/onto）。区分值域与陪域在泛函分析、拓扑学以及经济均衡的存在性证明中至关重要。

常见函数的值域求解

确定值域通常结合函数表达式与定义域约束进行分析：

二次函数：$f(x) = ax^2 + bx + c$（$a \neq 0$），配方法得顶点 $\left(-\frac{b}{2a}, f\left(-\frac{b}{2a}\right)\right)$。$a > 0$ 时值域为 $\left[f\left(-\frac{b}{2a}\right), +\infty\right)$；$a < 0$ 时为 $\left(-\infty, f\left(-\frac{b}{2a}\right)\right]$。

指数函数与对数函数：$e^x: \mathbb{R} \to (0, +\infty)$，值域为 $(0, +\infty)$；$\ln x: (0, +\infty) \to \mathbb{R}$，值域为 $(-\infty, +\infty)$。这两类函数在经济增长理论（索洛模型、内生增长模型）和效用函数中频繁出现。

三角函数：$\sin x$ 和 $\cos x$ 的值域均为 $[-1, 1]$，$\tan x$ 的值域为 $(-\infty, +\infty)$。三角函数在计量经济学中处理周期性时间序列（如季节调整）时有重要应用。

有理函数：通过单调性、渐近线和极值分析确定值域区间。例如 $f(x) = \frac{1}{x}$（$x \neq 0$）的值域为 $(-\infty, 0) \cup (0, +\infty)$。

值域在经济模型中的应用

生产函数：柯布-道格拉斯生产函数 $Q = AK^\alpha L^\beta$（$A > 0$，$\alpha, \beta > 0$，$K, L > 0$）的值域为 $(0, +\infty)$，表明正向要素投入总能产生正向产出。值域的有界性或无界性直接影响厂商最优化问题中解的存在性：若利润函数的值域无上界且约束集非紧致，则利润最大化可能无解。

效用函数：常相对风险厌恶（CRRA）效用函数：

当 $\gamma > 1$ 时值域为 $\left(-\infty, \frac{1}{\gamma-1}\right)$；当 $0 < \gamma < 1$ 时值域为 $\left(-\frac{1}{1-\gamma}, +\infty\right)$。值域的有界性在动态规划和递归宏观经济模型中影响值函数迭代的收敛性。

生产可能性边界：生产可能性边界（PPF）本质上是给定资源与技术约束下两种商品产量组合的值域。若两种商品的生产函数分别为 $Y_1 = f_1(L_1)$ 和 $Y_2 = f_2(L_2)$，且劳动禀赋约束 $L_1 + L_2 \le \bar{L}$，则 PPF 正是映射 $(L_1, L_2) \mapsto (Y_1, Y_2)$ 在上述约束下的值域。

值域与反函数

函数存在反函数的必要条件是其为单射（Injective）。若 $f$ 同时为单射和满射（即双射），则反函数 $f^{-1}: B \to A$ 的定义域恰为 $f$ 的值域。这一性质在经济学中广泛应用：反需求函数正是需求函数的反函数，其定义域为需求量集合的值域；反供给函数同理。当反函数难以解析表达时，值域分析为数值求解提供了边界依据。

值域与极值定理

魏尔斯特拉斯极值定理指出：若函数在有界闭区间上连续，则其值域也是有界闭区间 $[m, M]$，其中 $m$ 和 $M$ 分别为最小值和最大值。这保证了优化理论中最优解的存在性。对于经济学中的目标函数（如利润函数、效用函数），判断其值域是否为闭区间是验证最优解存在性的关键步骤。若约束集紧致且目标函数连续，则最优值必然落在值域内，由此可运用拉格朗日乘数法或库恩-塔克条件求解。

更广泛的映射视角

值域的概念超越了单一函数的输出集。在经济分析中，它抽象为给定约束下可达到的状态空间：埃奇沃斯盒状图中的契约曲线描绘了帕累托有效配置的值域；博弈论中策略组合的支付向量构成了博弈的值域；一般均衡理论中超额需求函数的值域性质直接影响不动点定理对均衡存在性的证明。

值域作为函数理论的核心概念，既是数学分析的基础工具，也贯穿经济模型从假设到结论的映射全过程。对其性质的准确把握有助于精确界定模型预测的范围与局限。