海森矩阵

海森矩阵 (Hessian Matrix)

海森矩阵（Hessian Matrix），也称Hessian矩阵或海瑟矩阵，在数学和应用数学中是由多元标量函数 $f(\mathbf{x})$ 的所有二阶偏导数组成的方块矩阵，描述函数在某一点附近的局部曲率（curvature）。由19世纪德国数学家路德维希·奥托·黑塞命名，在优化理论、统计学和经济学等领域扮演核心角色。

定义与性质

n维实值函数 $f: \mathbb{R}^n \to \mathbb{R}$，所有二阶偏导数存在，点 $\mathbf{x} = (x_1, \ldots, x_n)$ 处海森矩阵 $H(f)(\mathbf{x})$ 为 $n \times n$ 矩阵，元素 $(i,j)$ 为 $\partial^2 f/(\partial x_i \partial x_j)(\mathbf{x})$。完整矩阵形式为对称矩阵，若二阶偏导数连续，由Schwarz定理或Clairaut定理保证交叉导数相等，$\partial^2 f/(\partial x_i \partial x_j) = \partial^2 f/(\partial x_j \partial x_i)$，海森矩阵为实对称矩阵，具备正（负）定和半正（负）定的谱性质。

优化与经济学中的应用

一阶条件方面，梯度 $\nabla f(\mathbf{x}) = 0$ 给出驻点（局部极值的必要条件）。二阶充分条件通过海森矩阵分类驻点：若海森矩阵在驻点处正定（所有特征值大于0），则为局部最小值；负定（所有特征值小于0），则为局部最大值；不定则为鞍点。凸性判断方面，f为凸函数当且仅当海森矩阵处处半正定，凹函数对应处处半负定。

在经济学中，海森矩阵有广泛应用。无约束优化在生产者理论中，成本函数的海森矩阵决定成本函数的凹性和边际成本的变化方向。利润函数的海森矩阵描述利润对价格和要素的各种交叉弹性。计量经济学中最大似然估计的Hessian矩阵为负的对数似然函数的二阶导矩阵，其负期望定义为Fisher信息矩阵，Fisher信息矩阵之逆等于MLE的渐近方差，通过Cramer-Rao下界建立估计精度的理论极限。海森矩阵作为多变量微积分中二阶优化的基本工具，在算法经济学、结构估计和动态随机一般均衡（DSGE）的参数估计中，构成了非线性优化的数值理论基础，牛顿法方向为 $-H^{-1}\nabla f$，利用曲率信息加速收敛。