KNOWECON WIKI

ARTICLE

等式约束

等式约束（equality constraint）是数学优化与经济学分析中的核心概念，指在优化问题中对决策变量施加的必须严格满足的等式条件。与不等式约束不同，等式约束要求可行解精确地位于某个几何曲面或曲线上，而非其内部或边界区域。在经济学中，等式约束广泛出现在消费者选择理论、生产者最优决策、资源配置问题以及一般均衡模型中，是描述稀缺性和技术可行性的基本数学工

浏览 7 更新 2025-10-26

等式约束（equality constraint）是数学优化与经济学分析中的核心概念，指在优化问题中对决策变量施加的必须严格满足的等式条件。与不等式约束不同，等式约束要求可行解精确地位于某个几何曲面或曲线上，而非其内部或边界区域。在经济学中，等式约束广泛出现在消费者选择理论、生产者最优决策、资源配置问题以及一般均衡模型中，是描述稀缺性和技术可行性的基本数学工具。

数学形式

标准的约束优化问题可写作：

max⁡x1,x2,…,xnf(x1,x2,…,xn)subject tog(x1,x2,…,xn)=0\max_{x_1, x_2, \dots, x_n} f(x_1, x_2, \dots, x_n) \quad \text{subject to} \quad g(x_1, x_2, \dots, x_n) = 0

其中 ff 为目标函数（如效用函数、利润函数），g(x)=0g(x)=0 为等式约束条件。若存在多个等式约束，则记为 gj(x)=0g_j(x)=0，j=1,…,mj=1,\dots,m。可行集是所有同时满足这些等式的点的交集。

拉格朗日方法

处理等式约束的标准工具是拉格朗日乘数法（Lagrange multiplier method）。构造拉格朗日函数：

L(x1,…,xn,λ)=f(x1,…,xn)−λ g(x1,…,xn)\mathcal{L}(x_1, \dots, x_n, \lambda) = f(x_1, \dots, x_n) - \lambda \, g(x_1, \dots, x_n)

对每个变量及乘数 λ\lambda 求一阶偏导并令其为零，得到最优性必要条件。该方法的经济学直觉在于：在最优解处，目标函数等值面与约束曲面相切，两者的梯度方向平行，λ\lambda 衡量约束条件的"影子价格"——即约束右端项微小变化对目标函数最优值的影响程度。

经济学中的典型应用

在消费者理论中，预算约束 p1x1+p2x2=Ip_1 x_1 + p_2 x_2 = I 是一个线性等式约束，消费者在预算线上选择最大化效用的商品组合。此时拉格朗日乘数 λ\lambda 可解释为收入的边际效用。在生产者理论中，成本最小化问题受生产函数等式 F(K,L)=QˉF(K, L) = \bar{Q} 的约束，求解得到条件要素需求函数。此外，在跨期消费选择模型中，现值预算约束 c1+c21+r=Yc_1 + \frac{c_2}{1+r} = Y 也是典型的等式约束。

与不等式约束的关系

等式约束可视为不等式约束的特例：g(x)=0g(x)=0 等价于同时满足 g(x)≤0g(x)\leq 0 和 −g(x)≤0-g(x)\leq 0。然而，这种转化在求解时并不经济，直接使用拉格朗日乘数法更为高效。在库恩—塔克（Karush–Kuhn–Tucker）条件中，等式约束对应的乘数没有非负限制，这也反映了两种约束在数学结构上的本质差异。

影子价格的经济含义

影子价格是等式约束优化中极具洞察力的概念。若约束条件为 g(x)=bg(x)=b，则最优值 V(b)=max⁡f(x)V(b)=\max f(x) 对参数 bb 的导数 dVdb=λ\frac{dV}{db} = \lambda。这意味着，当约束条件略微放松时，目标函数最优值的边际增益恰好等于该约束对应的拉格朗日乘数。在资源配置中，这一概念帮助政策制定者判断资源的边际价值，从而做出更有效率的分配决策。

多约束与非线性情形

实际经济模型中往往包含多个等式约束，例如一般均衡模型中同时存在市场出清条件、政府预算平衡条件和资源约束。此时需要引入多个拉格朗日乘数 λ1,λ2,…,λm\lambda_1, \lambda_2, \dots, \lambda_m，每个乘数对应一个约束的影子价格。当约束函数为非线性时，可行集变为弯曲的流形，最优条件仍保持梯度平行的几何直觉，但求解难度显著增加，常需借助隐函数定理和包络定理进行分析。

与其他优化概念的关联

等式约束优化与无约束优化之间可通过代入法相互转换。若能从约束 g(x)=0g(x)=0 中显式解出某个变量 xk=h(x1,…,xk−1,xk+1,…,xn)x_k = h(x_1,\dots,x_{k-1},x_{k+1},\dots,x_n)，则可代入目标函数转化为无约束问题。然而，在大部分经济学应用中，约束条件高度非线性或变量过多，代入法不可行，拉格朗日方法成为首选。此外，包络定理（Envelope Theorem）提供了参数变化对最优值影响的简洁表达式，是等式约束优化中不可或缺的分析工具。

数值示例

假设消费者效用函数为 U(x1,x2)=x10.5x20.5U(x_1, x_2) = x_1^{0.5} x_2^{0.5}，预算约束为 2x1+x2=1002x_1 + x_2 = 100。构造拉格朗日函数 L=x10.5x20.5−λ(2x1+x2−100)\mathcal{L} = x_1^{0.5} x_2^{0.5} - \lambda(2x_1 + x_2 - 100)，一阶条件给出 0.5x1−0.5x20.5=2λ0.5 x_1^{-0.5} x_2^{0.5} = 2\lambda 和 0.5x10.5x2−0.5=λ0.5 x_1^{0.5} x_2^{-0.5} = \lambda，相除得 x2/x1=2x_2 / x_1 = 2，即 x2=2x1x_2 = 2x_1。代入预算约束得 2x1+2x1=1002x_1 + 2x_1 = 100，解得 x1=25x_1 = 25，x2=50x_2 = 50，λ=0.125\lambda = 0.125。影子价格 0.1250.125 意味着收入每增加一元，效用最优值约增加 0.1250.125 单位。

线性约束与非线性约束的差异

线性等式约束（如预算线）的可行集是超平面，具有凸性和良好的数学性质。非线性等式约束的可行集是弯曲的流形，可能出现多个局部最优解。对于凸优化问题中的线性等式约束，任何局部最优解都是全局最优解，极大简化了求解过程。而在非线性约束下，需要借助二阶条件判断局部最优性：构造加边海森矩阵（bordered Hessian），检验其各阶顺序主子式的符号，确保满足极大值或极小值的充分条件。

在一般均衡理论中的应用

在一般均衡分析中，市场出清条件是核心等式约束：每种商品的总供给等于总需求。以两种商品、两类消费者的简单交换经济为例，均衡条件为 x11+x12=ω11+ω12x_{11} + x_{12} = \omega_{11} + \omega_{12} 和 x21+x22=ω21+ω22x_{21} + x_{22} = \omega_{21} + \omega_{22}。这些等式约束决定了可行配置必须位于契约曲线之上。瓦尔拉斯定律表明，若所有市场除一个外均满足等式约束，则剩余市场自动满足，从而减少了模型中的独立约束数量。这一性质在求解一般均衡时至关重要。

结语

等式约束是经济学优化理论的基石。无论是预算线上的消费决策、生产前沿上的要素配置，还是市场均衡中的价格决定，等式约束都刻画了经济主体面临的精确可行边界。掌握拉格朗日乘数法和影子价格的分析框架，对于深入理解经济学的核心理论模型至关重要。