高级微观经济学最优化.pptVIP

* * * * A2.2.2 二阶条件 实值函数局部内点最优化的二阶必要条件 设f(x)是二次连续可微的. 1.如果在点x*处f(x)达到了一个局部内点极大值,那么,H(X*)是负半定的. 2.如果f(x)在点x?处达到了一个局部内点极小值,那么,H(X?)是负正定的. 定理A2.10 * * 或者H(X*)≤0,由于z是任意取的,这以为着H(X*)是负半定的.同理,如果在点x=x?处f被最小化,那么, g?(0)≥0,使得,H(X?)是半正定的. 定理A2.10证明 设 有 (p.1) 设f(x)在x=x*处取得最大值,根据定理A2.8 必定有g?(0)≤0. 在点x*处或者在t=0处给(p.1)取值, * * 定理A2.11 海赛矩阵负定与正定的充分条件 设f(x)是二次连续可微的,并设Di(x)是海赛矩阵H(x)的第i阶的主子式. 1.如果(-1)iDi(x)0,i=1,…n,那么,H(x)是负定的. 2.如果Di(x)0,i=1,…n,那么,H(x)是正定的. 如果在定义域内,对所有x,条件1成立,那么f是严格凹的.如果在定义域内,对所有x,条件2成立,那么f是严格凸的. * * 定理A2.11海赛矩阵负定与正定的充分条件证明 证明思路:借助定理A2.4的第四条(如果对于D中所有x,H(x)是负定的,那么,f是严格凹的.)将定理A2.12转化为矩阵的主子式改变符号是负定的,全为正为正定的. (P.2) * * * * 定理A2.12 实值函数局部内点最优化的充分条件 设f(x)是二次连续可微的,则: 1.如果fi(x*)=0,(-1)iDi(x)0,i=1,…n,那么, f(x)在x*处将会获得一个局部极大值 2.如果fi(x?)=0 并且Di(x?)0,i=1,…n,那么, f(x)在x?处将会获得一个局部极小值 * * * * 定理A2.13 (无约束的)局部与全局最优化 设f(x)是D上一个二次连续可微的实值凹函数.这里,点x*是D的一个内部点,那么如下三个命题等价: 1.?f(x*)=0 2.在x*处f获得一个局部极大值. 3.在x*处f获得一个全局极大值. 证明:显然,3?2,并依A2.9,2?1,因此,只需证明1?3 由1.假设,?f(x*)=0,由于f是凹的,定理A2.4蕴涵对于定义域的所有x, f(x)≤f(x*)+ ?f(x*)(x-x*) 结合假设: f(x)≤f(x*) 所以,f在x*处达到全局最大值. * * 定理A2.14 严格凹性/凸性与全局最优化的唯一性 1.如果x*最大化了严格凹函数f,那么,x*是唯一全局最大化值点.例如,设f(x*)f(x),?x?D,x?x*. 2.如果x?最小化了严格凹函数f,那么,x?是唯一全局最小化值点.例如,设f(x?)f(x),?x?D,x?x*. 证明:用反证法.如果x*是函数f的全局最大值点,但x*不唯一,?存在x?≠x*使得f(x?)=f(x*). 如果,设xt=tx?+(1-t)x*,那么,根据严格凹性, f(xt)tf(x?)+(1-t)f(x*),?t?(0,1) 由于, f(x?)=f(x*), f(xt)tf(x?)+(1-t)f(x?), 即f(xt)f(x?),这与假设x?是f的一个全局最大值的假设矛盾,因此,严格凹函数的任何全局最大值必是唯一的. * * 定理A2.15 唯一全局最优化的充分条件 设f(x)是D上一个二次连续可微的. 1.如果f(x)是严格凹的,并且fi(x*)=0,i=1,…,n;那么,x*是f(x)的唯一全局最大化值点. 2.如果f(x)是严格凸的,并且fi(x?)=0,i=1,…,n;那么,x?是f(x)的唯一全局最小化值点. * * A2.3 约束最优化 Maxf(x1,x2),受约束于 g(x1,x2)=0 x1,x2 目标函数 选择变量 约束集或者可行集 求解方法:代入法 1.x2=g?(x1) 2.Maxf(x1,g?(x1)) * * A2.4 拉格朗日方法 x1,x2 Maxf(x1,x2),受约束于 g(x1,x2)=0 L(x1,x2,?)?f(x1,x2)+ ? g(x1,x2) 定理A2.16 拉格朗日定理 * * A2.3.6 库恩—塔克条件 x1,x2 Maxf(x1,x2),受约束于 g(x1,x2)≥0 L(x1,x2,?)?f(x1,x2)+ ? g(x1,x2) 非线性规划问题 库恩—塔克条件: f1+ ?g1=0 f2+ ?g2=0 ?g(x1,x2)=0 ?g≥0,g(x1,x2)≥0 * * A2.20 受不等式条件约束的实值函数最优化的(库恩—塔克)必要条件 * * A2.4 值函数 x Maxf(x1,x2),受约束于 g(x,a)=0,且x≥0 M(a)=maxf(x