KNOWECON WIKI

ARTICLE

杨氏定理

杨氏定理 (Young's Theorem) 杨氏定理（Young's Theorem），又称对称偏导数定理或施瓦茨定理（Schwarz's Theorem），是多元微积分中关于交叉偏导数对称性的核心定理。它断言：若一个多元函数在包含某点的开邻域内具有连续的二阶偏导数，则交叉偏导数在该点相等，即求导次序可交换。该定理是比较静态分析、最优化理论和微观经济学中众

浏览 0 更新 2025-07-19

杨氏定理 (Young's Theorem)

杨氏定理（Young's Theorem），又称对称偏导数定理或施瓦茨定理（Schwarz's Theorem），是多元微积分中关于交叉偏导数对称性的核心定理。它断言：若一个多元函数在包含某点的开邻域内具有连续的二阶偏导数，则交叉偏导数在该点相等，即求导次序可交换。该定理是比较静态分析、最优化理论和微观经济学中众多结论的数学基石。

定理的正式陈述

设 f:Rn→R f: \mathbb{R}^n \to \mathbb{R} 在包含点 x0∈Rn \mathbf{x}_0 \in \mathbb{R}^n 的一个开集上有定义。若对任意 i,j∈{1,2,…,n} i, j \in \{1, 2, \dots, n\} ，二阶偏导数 ∂2f∂xi∂xj \frac{\partial^2 f}{\partial x_i \partial x_j} 和 ∂2f∂xj∂xi \frac{\partial^2 f}{\partial x_j \partial x_i} 在 x0 \mathbf{x}_0 的某邻域内存在且在 x0 \mathbf{x}_0 处连续，则：

∂2f∂xi∂xj(x0)=∂2f∂xj∂xi(x0)\frac{\partial^2 f}{\partial x_i \partial x_j}(\mathbf{x}_0) = \frac{\partial^2 f}{\partial x_j \partial x_i}(\mathbf{x}_0)

最常用的二元情形下：

∂2f∂x∂y=∂2f∂y∂x\frac{\partial^2 f}{\partial x \partial y} = \frac{\partial^2 f}{\partial y \partial x}

即先对 x x 求偏导再对 y y 求偏导，与先对 y y 再对 x x 的结果相同。

关键前提：连续性条件

杨氏定理并非无条件成立。核心前提是二阶交叉偏导数在考察点处连续。若该条件不满足，存在反例：

> 考虑 f(x,y)=xy(x2−y2)x2+y2 f(x, y) = \frac{xy(x^2 - y^2)}{x^2 + y^2} （当 (x,y)≠(0,0) (x,y) \neq (0,0) ），且 f(0,0)=0 f(0,0) = 0 。可以证明在 (0,0) (0,0) 处，∂2f∂x∂y(0,0)=0 \frac{\partial^2 f}{\partial x \partial y}(0,0) = 0 而 ∂2f∂y∂x(0,0)=0 \frac{\partial^2 f}{\partial y \partial x}(0,0) = 0 ，但二阶偏导数在原点不连续，且该例实际相等；更经典的反例 f(x,y)=xy(x2−y2)x2+y2 f(x, y) = \frac{xy(x^2 - y^2)}{x^2 + y^2} 在原点有 ∂2f∂x∂y(0,0)≠∂2f∂y∂x(0,0) \frac{\partial^2 f}{\partial x \partial y}(0,0) \neq \frac{\partial^2 f}{\partial y \partial x}(0,0) 的情况出现于某些精心构造的函数中。

经典的皮亚诺（Peano）反例表明：交叉偏导数存在但不连续时，二者可能不等。因此连续性条件是充分条件，而非必要条件——存在交叉偏导数相等但导数不连续的情形。

在经济学中的应用

1. 比较静态分析中的对称性

在消费者理论中，希克斯需求函数（补偿需求函数）的交叉价格导数满足对称性：

∂hi(p,u)∂pj=∂hj(p,u)∂pi\frac{\partial h_i(\mathbf{p}, u)}{\partial p_j} = \frac{\partial h_j(\mathbf{p}, u)}{\partial p_i}

这一结论直接源于杨氏定理：希克斯需求是支出函数 e(p,u) e(\mathbf{p}, u) 对价格的偏导数（谢泼德引理），交错价格导数即为支出函数的交叉二阶偏导，由杨氏定理自然对称。矩阵 [∂hi/∂pj] [\partial h_i / \partial p_j] 也因此是一个对称、半负定的斯卢茨基矩阵 (Slutsky Matrix)。

类似地，在厂商理论中，条件要素需求的交叉价格效应也因成本函数的二阶交叉偏导对称而对称：∂xi∗/∂wj=∂xj∗/∂wi \partial x_i^* / \partial w_j = \partial x_j^* / \partial w_i 。

2. 杨氏定理与可积性条件

杨氏定理为需求系统的可积性条件提供了必要基础。当一个需求函数系统要从一个良定义的效用函数或支出函数中导出时，交叉价格效应的对称性便是必要的检验条件之一——这正是所谓"对称性约束"。

3. 包络定理与最优值函数

在包络定理的二次扩展中，当我们需要考察最优值函数 V(θ)=max⁡xf(x,θ) V(\theta) = \max_x f(x, \theta) 对参数的曲率（即 ∂2V/∂θi∂θj \partial^2 V / \partial \theta_i \partial \theta_j ）时，该二阶导的对称性依赖于 f f 本身满足杨氏定理的条件。

4. 性质良好的生产函数与效用函数

经济学中通常假设生产函数和效用函数是二阶连续可微的（C2 C^2 ），这保证了杨氏定理成立。在此框架下，边际技术替代率 (MRTS) 和边际替代率 (MRS) 的单调性分析以及等产量线/无差异曲线的曲率分析都依赖于交叉偏导的对称性和由此导出的海森矩阵的对称性。

与海森矩阵的关系

对于一个 n n 元函数 f(x1,…,xn) f(x_1, \dots, x_n) ，其海森矩阵 (Hessian Matrix) H \mathbf{H} 定义为：

Hij=∂2f∂xi∂xj\mathbf{H}_{ij} = \frac{\partial^2 f}{\partial x_i \partial x_j}

杨氏定理直接保证了当 f f 是 C2 C^2 函数时，海森矩阵是一个对称矩阵，即 H=H⊤ \mathbf{H} = \mathbf{H}^\top 。这一对称性在凸优化中尤为重要：海森矩阵的对称性意味着其特征值均为实数，从而可据以判断函数的凹性/凸性——当海森矩阵半负定时，函数为凹函数，这恰是经济优化问题中对目标函数的常见要求。

相关概念

  • 施瓦茨定理：杨氏定理的别称，在欧洲大陆教材中更常用。
  • 克莱罗定理 (Clairaut's Theorem)：在部分法语文献中对此定理的称呼。
  • 黑塞矩阵的对称性：杨氏定理的直接推论。
  • 全微分：杨氏定理保证全微分形式 ∑i∂f∂xidxi \sum_i \frac{\partial f}{\partial x_i} dx_i 在恰当微分方程中满足交叉条件 ∂M/∂y=∂N/∂x \partial M / \partial y = \partial N / \partial x ，这是全微分方程可解的基础。

总结

杨氏定理是多元微积分中一条看似朴素但影响深远的定理。在经济学中，它支撑了需求系统的对称性、比较静态分析的严谨推导，以及凸优化中目标函数的曲率分析。凡涉及交叉偏导交换次序之处，背后皆有杨氏定理的保证。