§2.凹函数定义和其判定方法.PDFVIP

§2. 凹函数定义及其判定方法 2.1 凹函数定义 1. 一元凹凸函数定义 （y=f(x) ） ① 如果对任意X1,X2 ∈D( 函数定义域)，都存在t ∈[0,1]且满足 则称该函数为凹函数。 E.g. 生产函数 （生产可能性边际） ②如果对任意X1,X2 ∈D( 函数定义域) ，都存在t ∈[0,1]且满足 则称该函数为凸函数。 E.g. y=1/x 从函数图像任意点的切线判断函数凹凸性： ①凹函数图像上任意点的切线都在图形之上。 ② 函数图像上任意点的切线都在图形之下。 2.2 凸集的定义 （注;没有凹集） 如果对任意X1,X2 ∈集合S,都存在t ∈[0,1]且满足 则成S 为凸集。 （任意两点的连线仍在集合内） 推论：f(X)为凹函数是f(X) 的上等高集为凸集的充分非必要条件 E.g. 注：f(X)为拟凹函数是f(X) 的上等高集为凸集的充分必要条件 2.3 多元情况下 （n 维空间R ）凹函数的判定 以二元为例 E.g. 效用函数 （无差异曲线）U(X1 ，X2) 1） 任意点的切平面在图形之上 2 ）凹函数Hessian 矩阵为半负定的 三个概念 ①凹函数——Hessian 矩阵半负定 ②严格凹函数——Hessian 矩阵负定 ③拟凹函数——加边Hessian 矩阵半负定 - 1 - 结论 2.4 雅可比矩阵与Hessian 矩阵 1） 雅可比矩阵 2)Hessian 矩阵及其顺序子式 3 ）顺序子式负半定的充要条件是：所有奇数阶顺序子式行列式小于等于零，所有偶数阶顺 序子式行列式大于等于零 （先负后正 符号间隔） 4 ）加边Hessian 矩阵及其顺序子式 加边Hessian 矩阵是Hessian 矩阵增广一行一列。 例1 判定函数f(x,y)=xy(x0,y0) 的凹凸性？ 2.5 加边Hessian 矩阵的应用——条件极值 在判断一元函数y=f(x)最值时，不仅要满足一阶条件： （极大值极小值） 还要满足二阶条件： （最大值） （最小值） 同样地，在n 元函数y=f （X ）中，我们可以用矩阵给出一个紧致的表达式。我们要做的就 是在原Hessian 矩阵的基础上添加几行几列，然后分析这个增广后的矩阵。 例如：我们最大化y=f(X1,X2,…..Xn) ，其自变量满足约束条件： g(X1,X2,…..Xn)=0 用拉格朗日乘数法进行求解，条件极值的一阶条件 二阶条件用到的加边Hessian 矩阵表示。 - 2 - §3. Excel 矩阵计算演示 Excel 中除了基于纯量的计算函数外，同时还有许多矩阵运算函数，通过这些这些函数，可 以直观、快速的完成一些复杂的计算。本例将全面介绍如何在工作表中进行矩阵运算。 【Summary】 1、矩阵转置 Excel 函数： Transpose(原矩阵) 2 、矩阵乘法，A 、B 矩阵相乘 Excel 函数： MMult(矩阵A ，矩阵B) 3、求逆矩阵 Excel 函数： MInverse (原矩阵) 4 、求矩阵行列式的值 Excel 函数： MDETERM(矩阵) 5、以上函数均有两种操作方法： 一是直接在公示栏输入以上相应公式； 二是选择“插入→函数→常用函数”，然后选择相应函数即可。 【矩阵类型】 矩阵的基本类型包括行向量、列向量和矩阵，这些形式在工作表中都可以得到直观地展现， 如：