数理经济学chap7专用课件.ppt

约束优化（II） 第七章 基本内容 只有约束函数中含有参数． 给出目标函数的最优值对约束优化问题中参数变化的灵敏度，进而解释拉格朗日乘子的数学含义和经济学上的含义． 目标函数和约束函数中均含有参数 给出经济学中约束优化的包络定理，给出目标函数的最优值对约束优化问题中参数变化的灵敏度． 给出约束极大化和极小化问题的二阶充分条件 它可用来判断由一阶必要条件得到的可能的候选解中哪些是真正的极值点． 讨论约束问题的比较静态分析． 等式约束中拉格朗日乘子的含义 一个等式约束 定理7.1.1 设f和h是两个变量的C 1函数，a?R是参数．令(x1*(a)， x2*(a))是下面问题的解： max f(x1，x2) s.t. h(x1，x2) = a （7.1.1） 相应的拉格朗日乘子为(?1*(a)，?，?m*(a))． 假设xi*(a)和?j*(a)，i = 1，2，?，n是a =（a1，?，am）的可微函数，且NDCQ成立．则对j = 1，2，?，m有 不等式约束中拉格朗日乘子的含义 不等式约束 定理7.1.3 设f 和g1，g2，?，gk是Rn上的C 1函数，令a =（a1，?，ak）是外生参数，(x1*(a)，?，xn*(a))是下面问题的解： max f (x1，?，xn)，s.t. gj (x1，?，xn) ? aj，j =1，2，?，k． 相应的拉格朗日乘子为 (?1*(a)，?，?k*(a))． 假设xi*(a)和?j*(a)是a =（a1，?，ak）的可微函数，i = 1，2，?，n，j = 1，2，?，k，且NDCQ成立．则 约束优化下的包络定理 包络定理（Envelop Theorems） 上一节的定理7.1.1、定理7.1.2和定理7.1.3是一类定理的特殊情形．这类定理描述了一种参数优化问题中的目标函数的最优值是如何随着其中的任一参数的变化而变化的．这类定理叫做包络定理（Envelop Theorems）． 无约束优化问题的包络定理已在第五章做了介绍． 下面给出约束优化问题的包络定理，其中所考虑的约束优化问题具有特点：约束函数和目标函数中均含有参数． 二阶充分条件 一阶条件 ? 一条经济原理 在经济模型的分析中，由极大化（或极小化）问题的一阶条件经常可得出一条经济原理：描述了最优解处，内生变量与外生变量和（或）参数之间的关系．例如，在第2.4.4节中，对竞争行业内的厂商来说，利润最大化的一阶条件意味着，最优产量处的边际收益等于边际成本（定理2.4.5） ． 二阶充分条件 从经济学角度看，二阶条件有时对应一条经济原理。如定理2.4.6中利润极大化的二阶条件是：在最优产量处，厂商的边际成本呈现为递增的．P79例5.6.2中的二阶充分条件等价于同一等产量线在最优解(a*，b*)处是严格凸的． 从计算角度看，二阶条件可帮助我们从满足一阶条件的问题的候选解中选出极大点．如二阶条件排除了图7.3.1中的q1点是使利润极大化的产量． 用于比较静态分析 二阶充分条件… 无约束问题的二阶充分条件等价于考虑某个二次型的正负定性 下面集中于约束优化极大化和极小化问题的二阶充分条件． 约束问题的二阶充分条件与一个二次型在一个线性方程组的约束下的正负定性密切相关． 定理 7.3.1 （等式约束极大化问题的二阶充分条件） 令f，hi (i = 1，2，?，m)是n元C 2函数，考虑问题： max f(x1，?，xn) （7.3.1） s.t x?Ch = {x = (x1，?，xn) ?Rn | hi(x) = ci，i = 1，2，?，m } 定理 7.3.3 （等式约束极小化问题的二阶充分条件） 令f，hi (i = 1，2，?，m)是n元C 2函数，考虑问题： min f(x1，?，xn) （7.3.1） s.t x?Ch = {x = (x1，?，xn) ?Rn | hi(x) = ci，i = 1，2，?，m } 约束优化的比较静态分析 一个等式约束 考虑下面的带参数或外生变量的等式约束优化问题 max f(x; a) s.t. h(x; a) = 0， （7.4.1） 这里设f 和h是Rn+1 ? R的C1函数，a?R． 约束优化的比较静态分析 多个等式约束 考虑下面的带参数或外生变量的等式约束优化问题 max f(x；a) s.t. hj(x；a