数理经济学04-最优化理论初步.docxVIP

第三章静态最优化理论初步 § 3.1基本问题 max f (x)s.t.gd max f (x) s.t. gdx)乞0 i=1, 2,…，m hj( X ) = 0 j=1 , 2,…，n 其中，x - R , f, gi, hj都疋义在开集 D Rn。f称为目标函数，gi, hj称为约束条件。 带有约束条件的优化问题称为约束极值问 无约束条件的优化问题称为无约束极值问题, 题。 最优化理论研究的主要内容： 1） 解的存在性条件； 2） 近似算法。 处理存在性问题的常用方法： Lagrange 方法； 基本定理 Kuhn-Tucker 定理 § 3.2基础知识 1）梯度 I f = ( f ；X1 丄)T Xn Hesse矩阵 -2 C -：xi 汶 j i, j = 1, 2，…，n ;:2f -n Xi -2 ：：2f Xv X2 -2 -X^ ：Xn 『f -X2 ： Xn ：：2f Xn X1 -Xn -X2 -2 Xn 2）凸分析初步 凸集的定义 设S是Rn空间中的一个子集，若对任意的 x,y S，及任意的0 _ r - 1，有 v x (1 j ) y 三 S 则称S是Rn空间中的凸集。 凸集的性质： 1、 凸集的交集也是凸集； 2、 定义集合 S 三｛z:z iXi +a2X2 中HI+anXn,x 总 s,a E R,i =1,2,|,n｝ 称为Si的线性和。设S , i=1,2,|H, n都是Rn空间中的凸集，则也是 Rn空间中的凸集; 3、设S，=1,2, |||, n都是Rn空间中的凸集，则它们的笛卡尔积也是 Rn空间中的凸集。 凸函数和凹函数的定义： 定义：设f是定义在Rn空间中的凸集S上的实值函数，若对 - X, 定义：设f是定义在Rn空间中的凸集 脚3f [vx (1 -打 y] _ v f (x) (1 - v) f (y) 脚 3 则称f是定义在S上的凹函数。若有 f ^x (1 - Ry] V ^f(x) - (1 - v)f (y) 则称f是定义在s上的凸函数。 若对任意的- x,y?S，上述不等式 都是严格的不等式，则称函数为严格凹 (凸)函数。 元凸(凹)函数的几何意义是曲线上任意两点的连线都在曲线的上(下)方。如图。 1、 线性函数是唯一一个既是凹函数，有是凸函数的 函数。 y = sin x y = sin x。 凹函数的一些常用性质: 1、 设f是定义在凸集S上的实值凹函数，贝U对于R,集合｛x:x，S, f(x)_a｝是 凸集； 2、 凹函数的非负线性组合仍是凹函数，即对于 ai-0 , i =1,2,Hl,k，若fi , i =1,2,lU,k是凹函数，则aj a?f2川 ak fk也是凹函数; k.3、设S是Rn空间中的凸集，f是S k. 及任意的e s，ej no,且日1 +日2十川+S =1,有 f(3Xi 协2 III 耳兀)」f (Xi) Rf (X2)III Hf(Xk) 4、 设S是Rn空间中的凸集，f是S上的实值可微函数，f是凹函数的必要充分条件是 对任意的Xn Xi ? S， w xmL(Xi — Xo)M f(Xi) — f(Xo) 5、 设S是Rn空间中的开凸集，f是S上的实值二阶可微实值函数，贝V f在S上是凹的, f在S上是凹的, 如果对-x ? S , f在S上是凸的, iv. 当且仅当对 一S , 2 、f(X)是负定的，则 当且仅当对 —x?S , 如果对-X ? S, \ 2f (x)是正定的，则 2 \、2f(X)是半负定的； f在S上是严格凹的; 、、2f(X)是半正定的； f在S上是严格凸的。 设有生产函数y = f (x)。其中，x表示n个要素的投入量，y表示单一产品的产出。假 设f是凹函数，则由性质 5，对-心x, ? Rn，且- x1，有 Nf(X)x^上Xi -Xo)兰 f (Xi) — f (Xo) 和 、f (X)x培L(Xo - Xi) 一 f (Xo) - f (Xi) 取定i,对任意的j - i，令xj^xj0，然后，让i遍取i, 2，…，n,则有 f^-dLxii-Xio)，。。 cxi ex 设 Xi Xi0，则对 i =i,2,lil,n，有 汗（X。）_ 汗（Xi） _0 :Xi ::xi 即f对每个变量的偏导数都是非增的。这说明如果生产函数是凹的，则任何要素的边际产出 都是非增的。特别地，若 f是严格凹函数，则任何要素的边际产出都是递减的。 如果f代表消费者的效用函数，则效用函数的凹性假设表明效用边际递减的特性。 若进一步假定生产(效用)函数是二阶可微的，则可直接得到产出(效用)的非增性 质。 无约束极值问题 一阶必要条件: 、f(x*) =0 ； 二阶充分条件: l2f(x*)正定=极小; 9 * 、f