ARTICLE

凹凸性

函数的凹凸性是微积分和经济学中描述函数曲线弯曲方向的重要概念。凹凸性刻画了函数图像的几何形状,是判断函数极值性质、优化问题以及经济模型中边际变化规律的关键工具。在经济学中,生产函数的凹凸性关系到规模报酬,效用函数的凹凸性则反映了消费者的风险偏好。凹凸性的概念最早可追溯到古希腊几何学中对曲线弯曲程度的直观认识,但现代意义上的严格定义来自数学分析和凸分析理论。

浏览 0 更新 2025-10-29

函数的凹凸性是微积分和经济学中描述函数曲线弯曲方向的重要概念。凹凸性刻画了函数图像的几何形状,是判断函数极值性质、优化问题以及经济模型中边际变化规律的关键工具。在经济学中,生产函数的凹凸性关系到规模报酬,效用函数的凹凸性则反映了消费者的风险偏好。凹凸性的概念最早可追溯到古希腊几何学中对曲线弯曲程度的直观认识,但现代意义上的严格定义来自数学分析和凸分析理论。

定义与几何解释

若函数 f f 在区间 I I 上连续,且对任意 x1,x2I x_1, x_2 \in I λ[0,1] \lambda \in [0,1] ,满足 f(λx1+(1λ)x2)λf(x1)+(1λ)f(x2) f(\lambda x_1 + (1-\lambda)x_2) \geq \lambda f(x_1) + (1-\lambda)f(x_2) ,则称 f f 凹函数(concave function)。若不等号反向,则为 凸函数(convex function)。直观而言,凹函数的图像位于其任意两点连线之上方,凸函数的图像位于连线之下方。若将不等号改为严格不等号(> > < < ),则称为严格凹函数或严格凸函数。这一几何解释使得凹凸性极为直观:连接曲线上任意两点的弦,如果始终位于曲线下方,则函数为凹;如果始终位于曲线上方,则函数为凸。需要注意,国内数学教材对"凹凸"的命名与国外教材有时相反,经济学文献通常采用与国际数学接轨的定义。

二阶导数判别法

对于二阶可导的函数,凹凸性可通过二阶导数轻松判断:若 f(x)0 f''(x) \leq 0 在整个定义域内恒成立,则 f f 为凹函数;若 f(x)0 f''(x) \geq 0 恒成立,则 f f 为凸函数。这一判别条件在实际应用中极为便捷,只需检查二阶导数的符号即可。常见例子包括:f(x)=lnx f(x) = \ln x 的二阶导数为 f(x)=1/x2<0 f''(x) = -1/x^2 < 0 ,故 lnx \ln x 是凹函数,这解释了为什么对数效用函数具有边际效用递减的性质;f(x)=x2 f(x) = x^2 的二阶导数 f(x)=2>0 f''(x) = 2 > 0 ,故为凸函数,其图像呈向上弯曲的抛物线;f(x)=ex f(x) = e^x 的二阶导数为 f(x)=ex>0 f''(x) = e^x > 0 ,同样为凸函数。

拐点

拐点(inflection point)是指函数凹凸性发生改变的点。在拐点处,二阶导数由正变负或由负变正,即 f(x)=0 f''(x) = 0 f(x) f''(x) x x 两侧变号。例如,f(x)=x3 f(x) = x^3 x=0 x = 0 f(x)=6x f''(x) = 6x 由负变正,故 x=0 x = 0 为拐点,函数在 x<0 x < 0 时为凸,在 x>0 x > 0 时为凹。判定拐点需要检查二阶导数是否变号,仅满足 f(x)=0 f''(x) = 0 不足以保证拐点存在,例如 f(x)=x4 f(x) = x^4 x=0 x = 0 f(0)=0 f''(0) = 0 但二阶导数不变号,故并非拐点。

詹森不等式

凹凸性的最重要推论之一是 詹森不等式(Jensen's inequality):若 f f 为凹函数,则 f(E[X])E[f(X)] f(\mathbb{E}[X]) \geq \mathbb{E}[f(X)] ;若 f f 为凸函数,则 f(E[X])E[f(X)] f(\mathbb{E}[X]) \leq \mathbb{E}[f(X)] 。这一定理在经济学和金融学中具有核心地位。在期望效用理论中,对于风险厌恶者(凹效用函数),确定性的期望值带来的效用高于赌博的期望效用,这正是风险厌恶的数学本质。詹森不等式也是保险定价、资产定价和福利经济学中消费者剩余度量等领域的理论基础。

凹凸性与最优化

凹凸性与最优化问题密切相关。对于凹函数,任何局部极大值也是全局极大值;对于凸函数,任何局部极小值也是全局极小值。这一性质极大简化了经济模型中的求解过程。在生产者理论和消费者理论中,厂商利润最大化问题往往涉及凹生产函数的全局最优点求解,而成本最小化问题则涉及凸成本函数的全局最优。此外,凹函数的水平集为上水平集(superlevel set),是凸集,这一性质在约束优化中具有重要价值。

多元函数的凹凸性

多元函数的凹凸性可通过 海森矩阵(Hessian matrix)的正定或负定性来判别:若海森矩阵半负定,则该多元函数为凹函数;若海森矩阵半正定,则为凸函数。具体而言,若海森矩阵的所有顺序主子式满足特定的符号条件(奇数阶主子式非正、偶数阶主子式非负),则函数为凹。这一定义推广了单变量情形下的二阶导数判别法,在一般均衡理论、宏观经济学和多商品最优化问题中发挥着基础性作用。

拟凹性与拟凸性

在经济学的消费者理论和生产者理论中,严格凹凸性的要求有时过强。拟凹函数(quasiconcave function)的定义更为宽松:若对任意 x1,x2 x_1, x_2 λ[0,1] \lambda \in [0,1] ,有 f(λx1+(1λ)x2)min{f(x1),f(x2)} f(\lambda x_1 + (1-\lambda)x_2) \geq \min\{f(x_1), f(x_2)\} ,则 f f 为拟凹函数。无差异曲线凸向原点的性质等价于效用函数为拟凹函数,这正是标准消费者理论的基石。任何凹函数都是拟凹函数,但反之不成立,因此拟凹性在经济学应用中更为普遍。

经济应用举例

在宏观经济学中,索洛增长模型假设生产函数为凹函数且满足稻田条件,确保经济收敛于稳态。在新古典经济增长理论中,凹生产函数保证了资本积累过程的稳定性。在金融学中,期权的凸性(gamma)反映了衍生品价格对标的资产价格的二阶敏感性,凸性越大的期权风险越高,凸性套利策略广泛应用于固定收益市场。在公共经济学中,税收的累进性也与效用函数的凹凸性相关,凸性越强的税制对高收入者的边际税率越高。

综上所述,函数的凹凸性从几何直观到数学判别,再到经济应用,构成了一个系统而有力的分析框架。凹凸性不仅提供了理解函数局部和全局行为的工具,更是连接数学理论与经济现象的桥梁,是掌握微观经济学、宏观经济学、金融学以及最优化理论的必备前提。