经济学的数学工具学第六章 最优化.pptVIP

第六章 最优化 在本章我们将介绍最优化的一些基本概念：无约束最优与有约束最优；局部最优与全局最优；有约束局部最优与有约束局部最优，然后介绍其一般解决思路，在本章的最后将简单介绍矩阵微积分的一些内容 第1节 无约束最优化 局部最优与全局最优 定义 邻域：点 的 邻域为如下点集 函数 在 取得局部最大点，如果在 的某个邻域内的所有点上都有 。 函数 在 取得局部最小点，如果在 的某个邻域内的所有点上都有 。 函数 在 取得全局最大点，如果在定义域内所有点上都有 。 函数 在 取得全局最小点，如果在定义域内所有点上都有 。 邻域 要得到严格最优的相关概念，只需将上述最优概念中的不等号变为严格不等号即可 临界点：任意满足 的点都叫做函数 的临界点 定理 如果 为 的局部最大点或最小点，那么 为临界点 鞍点 严格局部最大点与严格全局最大点 临界点与鞍点 定理1 令 为 的临界点 （i）如果海赛矩阵 在 取值时为负定矩阵，则 为 的严格局部最大点。 （ii）如果海赛矩阵 在 取值时为正定矩阵，则 为 的严格局部最小 点。 定理2 如果 为 的临界点而 在 为不定的，则 为鞍点。 例 其一阶条件为 临界点为 海赛矩阵为 临界点 ，此处 其主子式为0，0，—81，故 为不定的而点 为鞍点。 临界点 ，此处 其顺序主子式为18，243，故 为正定矩阵而点 为严格局部最小点 第2节 局部最优与全局最优 定理3：全局性定理I 令 以及 为 的一凸子集 （i）如果 为 上的凹函数而 为一临界点，则 为全局最大 （ii）如果 为 上的凸函数而 为一临界点，则 为全局最小点。 例 生产函数 总利润函数 一阶条件 临界点 海赛矩阵 利润函数定义域 的一次主子数为 在定义域内两者都小于等于零，二次主子式为 在定义域内其大于等于零，故海赛矩阵为半负定的，那么，该两临界点为全局最大点，厂商的投入品需求函数为 第3节 有约束最优化 目标函数与约束函数 最优化 约束条件 或者 optimize 拉格朗日乘子法 拉格朗日函数： 其中 为拉格朗日乘子 有约束最大值点与无约束最大值点 定理 设 为下面问题的解 则存在一个数 使得 为拉格朗日函数 的临界点，而最优化的一阶条件可写作 二阶条件 定义 拉格朗日函数 相关的加边海赛矩阵为 的顺序主子式为： 定理4 令 为拉格朗日函数的临界点，则 （i） 为该有约束问题的局部最大点，如果在此点取值时 （ii） 为该有约束问题的局部最小点，如果在此点取值时 例 拉格朗日函数为 一阶条件： 临界点： 加边海赛矩阵 顺序主子式 故 为其有约束局部最大点。 第4节 有约束局部最优和有约束全局最优 定理4 II 如果可行解集为凸集而目标函数在此集合上为连续凹（凸）函数，则任意局部最大点（最小点）也是全局最大点（最小点）。如果目标函数在此可行集上为严格凹（凸）函数，则该全局最大点（最小点）只有一个。 定义 闭集：所有边界点都包含在集合中的集合。 边界点：集合 中的一点 为的