KNOWECON WIKI

ARTICLE

符号函数

符号函数 (Sign Function) 符号函数（记作 sgn(x) 或 sign(x)）是定义在实数上的分段函数，用于提取一个实数的正负符号信息。它是数学分析、控制论及经济学建模中的基础工具函数，将连续实数映射到离散三元集 \-1, 0, 1\。 定义 符号函数的标准定义为： 函数仅返回三个可能值：正数映射为 +1，负数映射为 -1，零映射为 0。零点取

浏览 5 更新 2025-07-14

符号函数 (Sign Function)

符号函数（记作 sgn⁡(x)\operatorname{sgn}(x) 或 sign⁡(x)\operatorname{sign}(x)）是定义在实数上的分段函数，用于提取一个实数的正负符号信息。它是数学分析、控制论及经济学建模中的基础工具函数，将连续实数映射到离散三元集 {−1,0,1}\{-1, 0, 1\}。

定义

符号函数的标准定义为：

sgn⁡(x)={−1,x<00,x=01,x>0\operatorname{sgn}(x) = \begin{cases} -1, & x < 0 \\ 0, & x = 0 \\ 1, & x > 0 \end{cases}

函数仅返回三个可能值：正数映射为 +1+1，负数映射为 −1-1，零映射为 00。零点取值有时约定为 11 或未定义，但 00 保留奇函数对称性，在经济学中最常见。

基本性质

奇偶性：符号函数是严格的奇函数：

sgn⁡(−x)=−sgn⁡(x),∀x∈R\operatorname{sgn}(-x) = -\operatorname{sgn}(x), \quad \forall x \in \mathbb{R}

与绝对值的关系：对任意实数 xx，有恒等式：

x=sgn⁡(x)⋅∣x∣,∣x∣=sgn⁡(x)⋅xx = \operatorname{sgn}(x) \cdot |x|, \quad |x| = \operatorname{sgn}(x) \cdot x

由此导出 x≠0x \neq 0 时的重要表达：

sgn⁡(x)=x∣x∣=∣x∣x\operatorname{sgn}(x) = \frac{x}{|x|} = \frac{|x|}{x}

乘法性质：sgn⁡(xy)=sgn⁡(x)⋅sgn⁡(y)\operatorname{sgn}(xy) = \operatorname{sgn}(x) \cdot \operatorname{sgn}(y)。

不连续性：在 x=0x=0 处存在跳跃间断点，左极限 −1-1，右极限 +1+1，在分布导数意义下与狄拉克δ函数产生联系。

与其它函数的关系

单位阶跃函数（Heaviside）：

sgn⁡(x)=2H(x)−1\operatorname{sgn}(x) = 2H(x) - 1

其中 H(x)H(x) 是单位阶跃函数。该关系揭示了符号函数与开关函数的等价性。

导数的分布意义：在分布理论（广义函数）框架下：

ddxsgn⁡(x)=2δ(x)\frac{d}{dx}\operatorname{sgn}(x) = 2\delta(x)

其中 δ(x)\delta(x) 为狄拉克δ函数，常用于信号处理和微分方程中处理跳跃不连续性。

光滑近似：因不连续性不便进行梯度下降等数值计算，常使用光滑逼近：

sgn⁡(x)≈tanh⁡(kx),k≫1\operatorname{sgn}(x) \approx \tanh(kx), \quad k \gg 1

或代数近似 sgn⁡(x)≈x/x2+ε2,  ε→0+\operatorname{sgn}(x) \approx x / \sqrt{x^2 + \varepsilon^2},\; \varepsilon \to 0^+。

经济学应用

边际分析方向判定：sgn⁡(f′′(x∗))\operatorname{sgn}(f''(x^*)) 判定极值类型——负号为极大值，正号为极小值。

弹性符号解释：需求价格弹性 η\eta 通常为负（需求定律），sgn⁡(η)=−1\operatorname{sgn}(\eta) = -1 标识正常品。交叉价格弹性符号区分替代品（正）与互补品（负）。

KKT条件与约束判定：在非线性规划的KKT条件中，λi>0\lambda_i > 0 当且仅当第 ii 个不等式约束为有效约束且增大 bib_i 将提升目标值。符号函数刻画了约束紧性与乘子符号的对应关系。

趋势跟随策略：趋势跟随规则可写作 sgn⁡(Pt−MAt)\operatorname{sgn}(P_t - \text{MA}_t)，价格上穿移动平均生成多头信号（+1+1），下穿时空头（−1-1）。

损失厌恶与符号敏感性：前景理论中，sgn⁡(x−r)\operatorname{sgn}(x - r) 决定个体处于收益域（凹函数）还是损失域（凸且更陡），符号函数充当参考点偏离方向的触发器。

其它学科应用

控制论：滑模控制中控制律 u=−k⋅sgn⁡(s)u = -k \cdot \operatorname{sgn}(s)（ss 为滑模面）利用符号函数的开关特性实现鲁棒轨迹跟踪。

机器学习：感知器分类归结为 y^=sgn⁡(w⊤x+b)\hat{y} = \operatorname{sgn}(\mathbf{w}^\top\mathbf{x} + b)，将线性组合映射为二元标签；支持向量机决策函数同理。

数论：勒让德符号和克罗内克符号可视为符号函数在模算术中的推广，用于判定二次剩余。

符号函数虽形式极简，却是连接连续分析与离散决策的桥梁——从最优条件判定到开关控制再到分类阈值，这一"原子化"工具展现了基础概念的跨学科穿透力。