切向量

切向量 (Tangent Vector)

切向量（Tangent Vector）是微分几何与多元微积分中的基础概念，刻画曲线在一点处的"瞬时方向"和"速率"，并推广至高维流形上的方向导数。在经济学中，切向量是理解边际替代率、梯度优化与比较静态分析的关键几何语言。

初等微积分中的切向量

设光滑曲线由向量值函数 $\mathbf{r}(t) = (x_1(t), \dots, x_n(t))$ 参数化，则其在 $t = t_0$ 处的切向量定义为：

其几何意义为曲线在该点的"速度向量"：方向沿切线，模长等于速率。若 $\mathbf{r}(t)$ 描述质点的运动轨迹，切向量即为瞬时速度。在经济学中，若 $\mathbf{r}(t)$ 表示消费束随时间的变化路径，切向量描述消费调整的方向和速度。

微分几何中的抽象定义

在现代微分几何框架下，$n$ 维光滑流形 $M$ 在点 $p \in M$ 处的切向量有三种等价刻画：① 曲线等价类：所有满足 $\gamma(0) = p$ 的光滑曲线在局部坐标下按一阶导数相等划分等价类，每类即一个切向量，最贴近"方向"直觉；② 导子 (Derivation)：定义切向量为光滑函数芽环上的线性导子 $v: C^\infty_p(M) \to \mathbb{R}$，满足 Leibniz 法则 $v(fg) = v(f)g(p) + f(p)v(g)$，$v(f)$ 即方向导数，该代数定义不依赖坐标选取；③将切空间 $T_pM$ 定义为余切空间的对偶空间。

切空间与切丛

点 $p$ 处全体切向量构成一个 $n$ 维实向量空间，称为切空间（Tangent Space），记作 $T_pM$。在局部坐标 $(x^1, \dots, x^n)$ 下，自然基底为偏导算子 $\{\frac{\partial}{\partial x^1}\big|_p, \dots, \frac{\partial}{\partial x^n}\big|_p\}$，任意切向量可唯一表示为 $v = \sum_{i=1}^n v^i \frac{\partial}{\partial x^i}\big|_p$。各点切空间粘合成切丛 $TM$（$2n$ 维流形），其截面即向量场。

坐标变换与链式法则

切向量的分量在坐标变换下服从逆变（Contravariant）变换律。设局部坐标 $(x^i)$ 与 $(\tilde{x}^j)$，分量变换为 $\tilde{v}^j = \sum_{i=1}^n \frac{\partial \tilde{x}^j}{\partial x^i} v^i$，其中 $\frac{\partial \tilde{x}^j}{\partial x^i}$ 为雅可比矩阵。切向量是一阶逆变张量。

在经济学中的应用

边际替代率与无差异曲线

在消费者理论中，无差异曲线上任意一点的切向量与边际替代率（MRS）密切相关。无差异曲线 $U(x, y) = c$ 的切向量斜率为 $-\frac{\partial U/\partial x}{\partial U/\partial y}$，即 MRS，刻画在效用不变前提下两种商品的替代方向。

梯度与最优化

目标函数 $f: \mathbb{R}^n \to \mathbb{R}$ 的梯度 $\nabla f(p)$ 并非切向量，而是余切向量。梯度与切向量 $v$ 的配对 $\nabla f(p) \cdot v = df_p(v)$ 给出方向导数。在约束最优化（如拉格朗日乘数法）中，约束曲面切空间与目标函数梯度的正交性是极值必要条件。

比较静态与相图

在动态经济系统中，微分方程 $\dot{x} = F(x)$ 在相空间中定义一个切向量场，每一点处的箭头即为切向量，轨道的切线方向由 $F(x)$ 给出。相图分析据此判断系统收敛或发散的模式，广泛应用于索洛增长模型、Ramsey 模型等宏观动态分析。

与相关概念的区分

• 法向量 (Normal Vector)：与切向量正交。曲面上一点处的法向量垂直于切平面。最优化中，目标函数梯度是约束曲面切空间的法向量。
• 梯度 (Gradient)：梯度是余切向量（协变），切向量是逆变对象。在欧氏度量下二者可通过内积同构转化，但在一般流形上需借助黎曼度量。
• 方向导数 (Directional Derivative)：切向量 $v$ 作用于函数 $f$ 得到方向导数 $D_v f = df(v)$，切向量本身是施加求导的"算子"。
• 切平面 (Tangent Plane)：曲面上一点处所有切向量张成的仿射子空间，是局部线性近似（一阶泰勒展开）的几何载体。

切向量概念贯穿微积分、微分几何与理论经济学，是连接几何直观与分析运算的桥梁，也是张量分析、黎曼几何与动态优化理论的必要前置。