第二讲最优化的数理结构(中级微观经济学复旦大学,张军)解析.ppt

中级微观经济学(上) 张军 经济学教授 复旦大学中国经济研究中心 第2讲 最优化的数理结构 最优化的一阶条件 二阶条件 凹规划 比较静态 包络定理 最优化的一阶条件 无约束极值 一维情况下: 若 ，则可以取 ，使得 ，即通过点 的移动，可以使目标函数值增加；若 ，则可以取 ，从而 ，目标函数值还可以继续增加。因此，当 取得极值，即目标函数值不再增加时，上述情形不可能发生，即有 。 多维情形下： 梯度向量 等值面 在点 处指向值增加（变化）的法方向，也就是在点 处 值增加最快的方向。 一般的，约束由等式 表示，点 的变化向量 是受限制的，具体的，将约束等式全微分， 等式约束极值的拉格朗日求解法： 其中 是n维向量，是参数，我们称之为拉格朗日乘子 非线性规划问题的求解：库恩－塔克条件 第一步：作拉格朗日函数 第二步：求一阶条件 把上面两个式子结合起来，就是非线性规划问题在最优解处的一阶必要条件，我们称之为库恩－塔克条件（Kuhn-Tucker Condition）。 与等式约束极值问题的一阶必要条件相比，库恩－塔克条件是用不等式形式出现的，因此给求解带来了很大的麻烦。下面我们用一个具体的例子来看非线性规划库恩－塔克条件的求解过程。 拟线性偏好（Quasi-Linear Preference） 作拉格朗日数 ，一阶必要条件（库恩－塔克条件）： 如何求解？一般情况下，我们要讨论 组合成的8种情况，不过，在这一具体的问题中，我们可以通过分析题目中隐含的条件（经济含义）初步确定未知量的范围，以减少讨论的可能情形。 比如，在此问题中，边际效用 均为正（即偏好关系满足局部非饱和性），推得不会有收入剩余，否则可以通过继续增加消费，使得效用增加，因此预算约束是紧的，即 ；另外，由效用函数的形式， 。因此，需要讨论的情形只有两种了： 第一种情形： 。此时库恩－塔克条件变为： 第二种情形 ：此时，库恩－塔克条件变为： 求得 ,并且有 。 二阶条件 无约束极值与泰勒展开: 在点 附近的一个近似估计： 将函数在最优解 处泰勒展开： 我们将 称为函数 在点 处附近取得了极大值的二阶充分条件。同样，极小值的二阶（充分）条件为 。 约束极值的两阶条件: 构造拉格朗日函数 一阶条件: 我们对 求全微分，并在点 处取值： 其中 为函数 在点 处的偏导数。 对 全微分得: 对函数 求两阶全微分： 对约束等式 求二阶全微分，得到： 代入上式，有： 将一阶条件 代入，得： 如果我们用下面的拉格朗日函数的偏导数代入 则 写出矩阵的形式： 其中 由微积分的知识，我们知道，如果在点 处有 则函数 取得极大值；如果在点 处有 ，则函数 取得极小值。 将 代入上式，得： 显然，等式右边括号外边的部分为正，所以 的正负取决于括号部分的符号。 因此我们就把 称为加边的海赛行列式，就像是由无约束极值问题的海赛行列式再加了两条边。 当 时，函数在点 处取得极大值，也即 ，这就是约束极大值问题二阶充分条件；同样，当 ， ，函数在点 处取得极小值，此为约束极小值问题的二阶充分条件。 凹规划 前面的讨论都是通过微分法，分析最优解在一个小的邻域内应满足的条件，所以我们说这样求得的解只是在这个小的邻域内成立的，是局部的，因此我们称之为局部解(Local Optima)。在整个定义域内，可能存在很多个满足这样性质的点，因此我们需要比较