拟凹性:所谓拟凹函数,就是相对坐标横轴,图像里没有下凸现象的曲线(下凸:斜率从负到零,又继续上升的现象)。亦即对任意两点x、y属于定义域,有:
f ( a x + ( 1 − a ) y ) ≥ m i n [ f ( x ) , f ( y ) ] f(ax+(1-a)y)≥min[f(x),f(y)] f(ax+(1−a)y)≥min[f(x),f(y)]
容易证明:若函数是拟凹的,当且仅当其定义域上的所有上轮廓集(upper contour set)都是凸的(凸集的定义:任意两点的连线被完全包含在集合内)。
参考 人大经济论坛
在最优化问题中,拟凸(凹)函数之所以重要,是因为严格拟凸(凹)函数的约束最优化取值不但是全局最优的,而且是唯一的。(二元变量情形下)拟凹函数满足下列不等式:
f 11 f 2 2 + f 22 f 1 2 − 2 f 12 f 1 f 2 < 0 f_{11}f_2^2+f_{22}f_1^2-2f_{12}f_1f_2<0 f11f22+f22f12−2f12f1f2<0
凹(凸)函数一定是拟凹(凸)函数,但是反之不一定成立
图片来源:维基百科
凸性:偏好的凸性被解释为偏好是边际替代率递减的(不是边际效用递减),注意这里的凸性指的是图像的形状(连接无差异曲线上任意两点的直线在无差异曲线的上方),而不是函数的性质,函数具有的是拟凹性。
这个与数学中的凹凸性是反过来的
上图是具有凸性的无差异曲线
这张图就不具有凸性了,边际替代率不递减
总结:以下几个命题是等价的
无差异曲线是凸的 ⇔ \Leftrightarrow ⇔无差异曲线是拟凹的 ⇔ \Leftrightarrow ⇔边际替代率递减
证明:无差异曲线是拟凹的 ⇔ \Leftrightarrow ⇔边际替代率递减
M R S = − d y d x = U x U y ( 1 ) MRS =-\frac{dy}{dx}= \frac{U_x}{U_y}\qquad (1) MRS=−dxdy=</