KNOWECON WIKI

ARTICLE

拟凸性

拟凸性 拟凸性（quasiconvexity）是凸性的一种推广，在经济学的消费者理论、生产者理论和优化问题中具有重要地位。与凸函数要求函数图像呈碗形不同，拟凸函数只要求其所有下水平集（sublevel set）为凸集。这一更宽松的条件足以保证许多重要的经济结论成立，尤其适用于描述偏好关系和间接效用函数。 定义 设 f: C R 是凸集 C R^n 上的实值函

浏览 0 更新 2025-10-26

拟凸性

拟凸性（quasiconvexity）是凸性的一种推广，在经济学的消费者理论、生产者理论和优化问题中具有重要地位。与凸函数要求函数图像呈碗形不同，拟凸函数只要求其所有下水平集（sublevel set）为凸集。这一更宽松的条件足以保证许多重要的经济结论成立，尤其适用于描述偏好关系和间接效用函数。

定义

设 f:C→Rf: C \to \mathbb{R} 是凸集 C⊆RnC \subseteq \mathbb{R}^n 上的实值函数。若对任意实数 α\alpha，下水平集 Sα={x∈C∣f(x)≤α}S_\alpha = \{ x \in C \mid f(x) \le \alpha \} 均为凸集，则称 ff 为拟凸函数。若 −f-f 为拟凸函数，则称 ff 为拟凹函数，等价于上水平集 {x∣f(x)≥α}\{x \mid f(x) \ge \alpha\} 为凸集。

另一种等价定义是：对任意 x1,x2∈Cx_1, x_2 \in C 和任意 θ∈[0,1]\theta \in [0,1]，有

f(θx1+(1−θ)x2)≤max⁡{f(x1),f(x2)}.f(\theta x_1 + (1-\theta)x_2) \le \max\{f(x_1), f(x_2)\}.

拟凹函数则满足 f(θx1+(1−θ)x2)≥min⁡{f(x1),f(x2)}f(\theta x_1 + (1-\theta)x_2) \ge \min\{f(x_1), f(x_2)\}。这一形式表明，函数在线段上的取值不会超过端点的最大值，这是比凸性弱得多的条件。

与凸性的关系

任何凸函数都是拟凸函数，但反之不真。例如，单调函数 f(x)=x3f(x) = x^3 在 R\mathbb{R} 上是拟凸的（因为其下水平集为区间 (−∞,α1/3](-\infty, \alpha^{1/3}]，是凸集），但它不是凸函数（其二阶导数为 6x6x，在 x<0x<0 时小于零）。同样，单调递减函数也是拟凸函数。更一般地，在 R\mathbb{R} 上任何单调函数都是拟凸的。

这一性质在经济中非常重要：间接效用函数对价格的依赖通常是拟凸的，而对收入的依赖则是拟凹的。

刻画与性质

拟凸函数具有以下重要性质：

  1. 下水平集刻画：函数拟凸当且仅当所有下水平集为凸集。这一定义性条件使得拟凸性在约束优化中特别有用——只要可行域是凸集，拟凸函数的最小化问题就能保证全局最优解位于边界上。
  1. 保序性：若 ff 拟凸且 gg 为单调非递减函数，则复合函数 g∘fg \circ f 仍为拟凸。这一性质意味着拟凸性在单调变换下保持不变，与凸函数不同（凸性经过非线性单调变换可能被破坏）。在经济中，效用函数的任何单调变换都保留偏好的拟凹性，这是基数效用与序数效用的关键区别。
  1. 严格拟凸性：若对所有 x1≠x2x_1 \ne x_2 和 θ∈(0,1)\theta \in (0,1) 有 f(θx1+(1−θ)x2)<max⁡{f(x1),f(x2)}f(\theta x_1 + (1-\theta)x_2) < \max\{f(x_1), f(x_2)\}，则称 ff 为严格拟凸函数。严格拟凹函数保证了最优化问题的解是唯一的。
  1. 拟凸性与连续性：连续性是拟凸函数在紧凸集上达到最小值的一个充分条件，但拟凸函数不一定是连续的。实际上，任何满足上水平集凸性的次序结构都可以用拟凹函数表示，这是Debreu表示定理的核心。

微分条件

一阶条件

设 ff 在开凸集 CC 上可微，则 ff 拟凸当且仅当对任意 x1,x2∈Cx_1, x_2 \in C，f(x2)≤f(x1)f(x_2) \le f(x_1) 蕴含 ∇f(x1)⋅(x2−x1)≤0\nabla f(x_1) \cdot (x_2 - x_1) \le 0。换言之，从一点出发沿下降方向移动不会增加函数值。这一条件实际上等价于：ff 的梯度在水平集上定义了支撑超平面。

二阶条件

对于两次可微的拟凸函数，其加边海森矩阵（bordered Hessian）具有特定的符号模式。设 f:Rn→Rf: \mathbb{R}^n \to \mathbb{R} 两次连续可微，则 ff 在 x0x_0 附近为严格拟凹的充分条件是：加边海森矩阵

B = \begin{pmatrix}

0 \& f1f_1 \& f2f_2 \& \cdots \& fnf_n \\ f1f_1 \& f11f_{11} \& f12f_{12} \& \cdots \& f1nf_{1n} \\ f2f_2 \& f21f_{21} \& f22f_{22} \& \cdots \& f2nf_{2n} \\ \vdots \& \vdots \& \vdots \& \ddots \& \vdots \\ fnf_n \& fn1f_{n1} \& fn2f_{n2} \& \cdots \& fnnf_{nn}

\end{pmatrix}

的各阶加边主子式符号为 (−1)k(-1)^k（即 kk 阶加边主子式的符号与 (−1)k(-1)^k 相同）。这一条件在消费者理论中用于检验效用最大化的二阶条件。

经济学中的应用

消费者理论

拟凹性是偏好的核心假定。一个理性消费者的偏好关系若能由连续效用函数表示，则该效用函数可取为拟凹函数。拟凹性保证了无差异曲线凸向原点（即边际替代率递减），而无需施加更强的凹性假设。这使消费者理论的结论——需求函数连续、预算集上的最大值存在——在非常一般的条件下成立。

生产者理论

生产函数通常假定为拟凹的。拟凹性意味着生产集为凸集，即等产量线凸向原点，体现了边际技术替代率递减。这与规模报酬的假设无关——一个规模报酬递增的生产函数仍然可以是拟凹的。

最优化理论

在约束优化问题 min⁡x∈Xf(x)\min_{x \in X} f(x) 中，若 XX 为凸集，ff 为拟凸函数，则任何局部极小值点也是全局极小值点。这一性质在数值优化中降低了计算难度，许多工程和经济模型因此采用拟凸规划。

相关概念

拟凸性与凸性之间还有一系列中间概念：

  • 伪凸性（pseudoconvexity）：比拟凸性更强，比凸性更弱。可微的伪凸函数满足：若 ∇f(x∗)=0\nabla f(x^*) = 0，则 x∗x^* 为全局极小值点。
  • 对数凸性：若 log⁡f\log f 为凸函数，则 ff 为对数凸函数——这是拟凸性的强化。
  • S-凸性：用于对称函数的凸性概念。

拟凸规划与非凸优化

在优化问题中，若目标函数为拟凸函数且约束集为凸集，则该问题称为拟凸规划。拟凸规划的重要性在于它继承了凸规划的许多优良性质：任何局部最优解都是全局最优解；一阶必要条件在一定条件下也是充分的；对偶理论可以部分推广。然而，拟凸规划也有其特殊性——例如，拟凸函数的和未必是拟凸函数，这限制了分解方法的适用性。在实践应用中，分式规划（fractional programming）是最常见的拟凸规划来源，因为两个凸函数之比通常是拟凸的。线性分式规划是这类问题的典型代表，在金融投资组合优化、资源分配等领域有广泛应用。

广义凸性还包括伪凸性（pseudoconvexity）和不变凸性（invexity）。伪凸函数满足：若某点处梯度方向与搜索方向的内积非负，则沿该方向函数值不下降。可微的伪凸函数的一个关键性质是：驻点（梯度为零的点）必为全局极小值点。不变凸性则进一步弱化了凸性条件，要求存在某个向量函数 η(x,y)\eta(x,y) 使得 f(x)−f(y)≥ablaf(y)⋅η(x,y)f(x) - f(y) \ge abla f(y) \cdot \eta(x,y)。这些推广各有侧重，在不同的优化场景中发挥独特作用。

总结

拟凸性是数学经济学和优化理论中最有价值的广义凸性概念之一。它保留了凸性的核心优势——局部最优即全局最优、水平集的凸性——但适用范围广泛得多。在经济学中，拟凹性为序数效用理论提供了严格的数学基础，使无差异曲线分析和消费者行为建模得以在最小假设下进行。在优化理论中，拟凸规划既保持了凸规划的结构优势，又覆盖了更广泛的问题类别。深刻理解拟凸性及其与凸性的区别与联系，是深入学习微观经济理论、决策科学和数学优化的关键一步。