KNOWECON WIKI

ARTICLE

用加边海塞矩阵证明函数拟凹

用加边海塞矩阵证明函数拟凹 (Proving Quasi-Concavity with the Bordered Hessian) 在微观经济学和最优化理论中，函数的凹凸性是分析效用、生产和成本等问题的核心。然而，标准的凹函数 (Concave Function) 或凸函数 (Convex Function) 条件有时过于严格。例如，在消费者理论中，我们通常

浏览 587 更新 2025-10-12

用加边海塞矩阵证明函数拟凹 (Proving Quasi-Concavity with the Bordered Hessian)

在微观经济学和最优化理论中，函数的凹凸性是分析效用、生产和成本等问题的核心。然而，标准的凹函数 (Concave Function) 或凸函数 (Convex Function) 条件有时过于严格。例如，在消费者理论中，我们通常不要求效用函数本身是凹的，而只要求其所代表的偏好产生的无差异曲线是凸向原点的。这一较弱的性质被称为拟凹性 (Quasi-concavity)。

加边海塞矩阵 (Bordered Hessian Matrix) 是检验一个可微函数是否为拟凹或拟凸的关键数学工具。与检验凹凸性的标准海塞矩阵 (Hessian Matrix) 不同，加边海塞矩阵专门用于分析函数在特定方向（即沿着其水平集）上的曲率。

从凹性到拟凹性：为何需要新工具？

首先，我们回顾一下使用标准海塞矩阵检验凹性的方法。对于一个二阶连续可微的多元函数 f(x1,x2,…,xn) f(x_1, x_2, \dots, x_n) ，其海塞矩阵 H H 是由所有二阶偏导数构成的方阵：

H=(f11f12⋯f1nf21f22⋯f2n⋮⋮⋱⋮fn1fn2⋯fnn)H = \begin{pmatrix} f_{11} & f_{12} & \cdots & f_{1n} \\ f_{21} & f_{22} & \cdots & f_{2n} \\ \vdots & \vdots & \ddots & \vdots \\ f_{n1} & f_{n2} & \cdots & f_{nn} \end{pmatrix}

其中 fij=∂2f∂xi∂xj f_{ij} = \frac{\partial^2 f}{\partial x_i \partial x_j} 。

  • 如果海塞矩阵是负定或负半定的，则函数 f f 是（严格）凹函数。这可以通过检验其所有顺序主子式 (Leading Principal Minors) 的符号来判断。对于凹函数，顺序主子式 Dk D_k 的符号交替出现，以负号开始：D1≤0,D2≥0,D3≤0,… D_1 \le 0, D_2 \ge 0, D_3 \le 0, \dots 。

然而，许多在经济学中至关重要的函数（如经典的Cobb-Douglas生产函数）是拟凹的，但并非凹函数。这意味着它们的水平集（如生产者理论中的等产量线）是凸的，但函数本身并不满足凹性的定义。对于这类函数，标准海塞矩阵检验会失效，因此我们需要一个更精细的工具。凹性要求函数整体呈"碗状"弯曲，而拟凹性仅要求函数的水平集边界具有正确的弯曲方向，这是一个更宽松的条件。

加边海塞矩阵的定义与构建

加边海塞矩阵通过在标准海塞矩阵的边缘加上函数的一阶偏导数来构建。对于函数 f(x1,x2,…,xn) f(x_1, x_2, \dots, x_n) ，其加边海塞矩阵 Hˉ \bar{H} 定义为一个 (n+1)×(n+1) (n+1) \times (n+1) 的矩阵：

Hˉ=(0f1f2⋯fnf1f11f12⋯f1nf2f21f22⋯f2n⋮⋮⋮⋱⋮fnfn1fn2⋯fnn)\bar{H} = \begin{pmatrix} 0 & f_1 & f_2 & \cdots & f_n \\ f_1 & f_{11} & f_{12} & \cdots & f_{1n} \\ f_2 & f_{21} & f_{22} & \cdots & f_{2n} \\ \vdots & \vdots & \vdots & \ddots & \vdots \\ f_n & f_{n1} & f_{n2} & \cdots & f_{nn} \end{pmatrix}

其中 fi=∂f∂xi f_i = \frac{\partial f}{\partial x_i} 是一阶偏导数。这个矩阵的结构特点是在左上角有一个 0，第一行和第一列是函数的梯度向量 ∇f \nabla f 。将这个梯度向量"镶边"到原海塞矩阵上，使我们能够在考虑函数曲率的同时，将分析限制在与梯度正交的方向上。

使用加边海塞矩阵检验拟凹性

检验拟凹性的核心是检查加边海塞矩阵的一系列顺序主子式的行列式符号。我们关心的是从 3×3 3 \times 3 子式开始的行列式序列。

令 ∣Hˉk∣ |\bar{H}_k| 表示加边海塞矩阵的 k k -阶顺序主子式的行列式（这是一个 (k+1)×(k+1) (k+1) \times (k+1) 矩阵）。

一个二阶连续可微的函数 f(x1,…,xn) f(x_1, \dots, x_n) 是拟凹函数，如果其加边海塞矩阵的顺序主子式满足以下符号条件：

  • ∣Hˉ2∣=det⁡(0f1f2f1f11f12f2f21f22)≥0 |\bar{H}_2| = \det \begin{pmatrix} 0 & f_1 & f_2 \\ f_1 & f_{11} & f_{12} \\ f_2 & f_{21} & f_{22} \end{pmatrix} \ge 0
  • ∣Hˉ3∣=det⁡(0f1f2f3f1f11f12f13f2f21f22f23f3f31f32f33)≤0 |\bar{H}_3| = \det \begin{pmatrix} 0 & f_1 & f_2 & f_3 \\ f_1 & f_{11} & f_{12} & f_{13} \\ f_2 & f_{21} & f_{22} & f_{23} \\ f_3 & f_{31} & f_{32} & f_{33} \end{pmatrix} \le 0
  • ∣Hˉ4∣≥0 |\bar{H}_4| \ge 0
  • ... ... 以此类推，直到 ∣Hˉn∣ |\bar{H}_n| 。

总的来说，从 ∣Hˉ2∣ |\bar{H}_2| 开始，行列式的符号需要在 正、负、正、负... ... 之间交替。一般性规则是，对于 k=2,3,…,n k=2, 3, \dots, n ，符号需要满足 (−1)k∣Hˉk∣≥0 (-1)^k |\bar{H}_k| \ge 0 。

如果所有不等式都是严格的（即 >0 >0 或 <0 <0 ），则称该函数是严格拟凹的。需要注意，该检验要求函数的一阶偏导数在定义域上非零，否则加边海塞矩阵的符号检验将失去意义。

方法背后的直觉

为什么这个方法有效？其直觉与约束最优化问题中的二阶条件紧密相关。

一个函数是拟凹的，当且仅当其所有上水平集（形如 {x∣f(x)≥c} \{x | f(x) \ge c\} 的集合）都是凸集。这意味着定义这些集合边界的水平集（如无差异曲线或等产量线）必须是"凸向原点"的。

考虑在某水平集 f(x)=c f(x)=c 上的任意一点 x∗ x^* 。任何沿着该水平集的微小移动 dx dx 都必须满足 df=∇f(x∗)⋅dx=0 df = \nabla f(x^*) \cdot dx = 0 ，即移动方向 dx dx 必须与该点的梯度向量 ∇f(x∗) \nabla f(x^*) 正交。

水平集的曲率由二阶微分 d2f=(dx)TH(x∗)(dx) d^2f = (dx)^T H(x^*) (dx) 决定。要使上水平集是凸集，我们需要对于所有满足 ∇f(x∗)⋅dx=0 \nabla f(x^*) \cdot dx = 0 的非零向量 dx dx ，二次型 (dx)TH(x∗)(dx) (dx)^T H(x^*) (dx) 的值都小于等于零。

这恰好是在约束 ∇f(x∗)⋅dx=0 \nabla f(x^*) \cdot dx = 0 下，海塞二次型为负半定的条件。而检验约束下的二次型符号，正是加边海塞矩阵行列式符号检验的数学本质。因此，检验拟凹性等价于对函数每一个水平集上的"局部"约束最优化问题检验其二阶条件。从这个角度看，加边海塞矩阵检验本质上是在问：当我们沿着等值面移动时，函数值是否在任何地方都不会出现"局部凹坑"？

示例：证明Cobb-Douglas函数是拟凹的

让我们通过一个经典的例子来应用这个方法：柯布-道格拉斯函数 f(x,y)=xαyβ f(x, y) = x^\alpha y^\beta ，其中 x,y>0 x, y > 0 且 α,β>0 \alpha, \beta > 0 。为简化计算，我们设 α=β=1 \alpha = \beta = 1 ，即 f(x,y)=xy f(x, y) = xy 。

步骤 1：计算一阶偏导数

fx=∂f∂x=yf_x = \frac{\partial f}{\partial x} = y
fy=∂f∂y=xf_y = \frac{\partial f}{\partial y} = x

步骤 2：计算二阶偏导数（构建海塞矩阵）

fxx=0,fyy=0,fxy=fyx=1f_{xx} = 0, \quad f_{yy} = 0, \quad f_{xy} = f_{yx} = 1

标准海塞矩阵为：

H=(0110)H = \begin{pmatrix} 0 & 1 \\ 1 & 0 \end{pmatrix}

其顺序主子式为 D1=0 D_1=0 和 D2=−1 D_2 = -1 。这不满足凹函数或凸函数的条件，说明该函数既非凹也非凸。这也印证了前面所说的：许多经济函数不具有整体凹性，但仍然是拟凹的。

步骤 3：构建加边海塞矩阵

Hˉ=(0fxfyfxfxxfxyfyfyxfyy)\bar{H} = \begin{pmatrix} 0 & f_x & f_y \\ f_x & f_{xx} & f_{xy} \\ f_y & f_{yx} & f_{yy} \end{pmatrix}

=

(0&y&xy&0&1x&1&0\[)\begin{pmatrix} 0 \& y \& x \\ y \& 0 \& 1 \\ x \& 1 \& 0 \[ \end{pmatrix}

\]

步骤 4：计算相关顺序主子式的行列式 对于二元函数，我们只需要检验 ∣Hˉ2∣ |\bar{H}_2| （即整个 3×3 3 \times 3 矩阵的行列式）的符号。

∣Hˉ2∣=0⋅det⁡(0110)−y⋅det⁡(y1x0)+x⋅det⁡(y0x1)|\bar{H}_2| = 0 \cdot \det\begin{pmatrix} 0 & 1 \\ 1 & 0 \end{pmatrix} - y \cdot \det\begin{pmatrix} y & 1 \\ x & 0 \end{pmatrix} + x \cdot \det\begin{pmatrix} y & 0 \\ x & 1 \end{pmatrix}
∣Hˉ2∣=0−y(0⋅0−1⋅x)+x(y⋅1−0⋅x)|\bar{H}_2| = 0 - y(0 \cdot 0 - 1 \cdot x) + x(y \cdot 1 - 0 \cdot x)
∣Hˉ2∣=−y(−x)+x(y)=xy+xy=2xy|\bar{H}_2| = -y(-x) + x(y) = xy + xy = 2xy

步骤 5：判断符号 根据拟凹性的检验条件，对于二元函数，我们需要 ∣Hˉ2∣≥0 |\bar{H}_2| \ge 0 。 在我们的例子中，由于函数的定义域为 x>0,y>0 x>0, y>0 ，所以 2xy 2xy 恒为正。

2xy>02xy > 0

该条件得到满足。因此，我们证明了函数 f(x,y)=xy f(x, y) = xy 是一个（严格）拟凹函数。这在经济学上意味着，该效用（或生产）函数所代表的无差异曲线（或等产量线）是严格凸向原点的。

与拟凸性的区别

加边海塞矩阵也可以用来检验拟凸函数 (Quasi-convex function)。其检验条件与拟凹性类似但符号规则不同：

对于一个拟凸函数，其加边海塞矩阵的所有顺序主子式（从 ∣Hˉ2∣ |\bar{H}_2| 到 ∣Hˉn∣ |\bar{H}_n| ）都必须是非正的：

∣Hˉk∣≤0for k=2,3,…,n|\bar{H}_k| \le 0 \quad \text{for } k=2, 3, \dots, n

这个性质在分析成本函数等经济概念时非常有用。拟凹性与拟凸性合称为广义凸性，在最优化理论中扮演着重要角色：拟凹函数在凸集上的最大化问题中，其局部最大值也是全局最大值，这一性质使其在经济学建模中被广泛采用。