加边海塞矩阵

加边海塞矩阵 (Bordered Hessian Matrix)

加边海塞矩阵是最优化理论中用于判定带约束优化问题二阶条件的数学工具。在标准的无约束优化中，海塞矩阵（目标函数的二阶偏导数矩阵）的正定性或负定性即可判定极值类型。然而，当存在等式或不等式约束时，需要将约束条件的信息"加边"到海塞矩阵上，形成扩展的二阶条件检验矩阵。

构造方法

考虑如下带等式约束的优化问题：

其中 $\mathbf{x} \in \mathbb{R}^n$，$g: \mathbb{R}^n \to \mathbb{R}^m$。构造拉格朗日函数：

加边海塞矩阵定义为拉格朗日函数关于所有变量（包括 $\mathbf{x}$ 和 $\boldsymbol{\lambda}$）的二阶偏导数矩阵：

$\mathbf{0}$ \& D\_{$\mathbf{x}$}g($\mathbf{x}$) \\ [D\_{$\mathbf{x}$}g($\mathbf{x}$)]^T \& \nabla^2\_{$\mathbf{x}$$\mathbf{x}$} $\mathcal{L}$

其中左上角的 $\mathbf{0}$ 是 $m \times m$ 零矩阵，左下块是约束的雅可比矩阵，右下块是拉格朗日函数关于 $\mathbf{x}$ 的海塞矩阵 $\nabla^2_{\mathbf{x}\mathbf{x}} \mathcal{L}$。

二阶充分条件

加边海塞矩阵的特征值符号模式决定了驻点的类型：

• 对于最大化问题，若最后 $n-m$ 个顺序主子式交替符号（从 $(-1)^{m+1}$ 开始），则为严格局部极大值。
• 对于最小化问题，若最后 $n-m$ 个顺序主子式全为负，则为严格局部极小值。

具体而言，记 $D_k$ 为加边海塞矩阵的第 $k$ 个顺序主子式（从 $k=2m+1$ 到 $k=n+m$）。最大化问题的条件为 $(-1)^{m}D_k > 0$，最小化问题的条件为所有 $D_k < 0$。

经济学应用

加边海塞条件在微观经济学中有广泛应用：

1. 效用最大化：消费者在预算约束下最大化效用，加边海塞矩阵的二阶条件保证需求函数的良定义性，并导出斯拉茨基方程中替代效应的负半定性。
2. 成本最小化：厂商在给定产出目标下最小化成本，加边海塞条件确保条件要素需求函数的合理性。
3. 比较静态分析：加边海塞矩阵的非奇异性是隐函数定理应用的前提条件，其逆矩阵直接出现在比较静态导数的计算中。例如，在消费者理论中，需求对价格的导数矩阵（斯拉茨基矩阵）可通过加边海塞矩阵的逆求得。

与无约束海塞矩阵的比较

| 特征 | 无约束 | 有约束（加边） | |---|---|---| | 二阶条件判断 | 海塞矩阵正定/负定 | 加边海塞的顺序主子式符号 | | 变量空间 | 仅 $\mathbf{x}$ | $\mathbf{x}$ 和 $\boldsymbol{\lambda}$ | | 经济学对应 | 单一决策者 | 资源约束下的优化 |

加边海塞矩阵将约束信息内化到二阶条件中，是非线性规划和理论经济学中最常用的二阶判别工具之一。