读《反脆弱性》：凹凸性资料搜集

经济学中函数的凸凹性质问题

在现代经济学的讨论中，我们经常遇到凸函数、凹函数以及拟凹函数、拟凸函数等概念，例如生产可能性边界曲线是凹函数，无差异曲线是凸函数等等，但是这些数学名词对于非专业人员来说比较抽象，有的文章或教材采取形象的说法，比如说曲线凸向原点或凹向原点、图形是凸的、上凸函数、下凸函数等等，这样一来，就将严谨的数学概念搞的不伦不类，有的教科书甚至错误地定义了凸性和凹性。

一、关于凸函数与凹函数
凹性，凸性，它们都是在凸集范围内定义的，是关于凸集的性质，一个集合中任意两点之间的连线也在该集合中，这样的集合称为凸集合，常用D来表示。
凸和凹具有如下性质：

凸性： f（tx+（1-t）y）<= tf(x) +(1-t)f(y)

凹性 f（tx+（1-t）y）>= tf(x) +(1-t)f(y)
D是f(.)的定义域的一个凸子集。

若任意的x, y∈D, λ∈[0, 1]：f(λx+(1-λ)y)≥λf(x)+(1-λ)f(y)，
则称f(.)在D上是凹函数（“凸组合的函数值不小于函数值的凸组合”）

在n 维空间的凸区域内，(x1, x2,… Xn)中的两点

X=(x1，x2, …xn ),Y=(y1, y2,…yn ),
设0<λ<1，如果：
f [λx1+(1-λ)y1, λx2+(1-λ)y2,…λxn+(1-λ)yn] <= λf (x1, x2,…xn) + (1-λ) f (y1, y2, …yn )
则称函数f(X)在n维区域内是凸函数；

同理，如果：
f [λx1+(1-λ)y1, λx2+(1-λ)y2,…λxn+(1-λ)yn] >= λf (x1, x2,…xn) + (1-λ) f (y1, y2, …yn )
则称函数f(X)在n维区域内是凹函数；

n维空间不易理解，举个简单例子：若f(x)在(a,b)有定义，在定义域内取x1,x2，非负数q1,q2，q1+q2=1 ，
有f(q1x1+q2x2)<=q1f(x1)+q2f(x2)
则f(x)在(a,b)内为凸函数。

二、关于拟凹性和拟凸性
同样可以定义，在n维区域内的任何两个点X，Y ，

X=(x1，x2, …xn ),Y=(y1, y2,…yn ),对所有的 0<=λ<=1，如果：
f[λX + (1-λ)Y] >= min [f(X) , f(Y)]
则称f(X)是拟凹函数。
同理，如果：f[λX + (1-λ)Y] <= max [f(X) , f(Y)]
则称f(X)是拟凸函数。

可以证明，广义上讲，凹函数都是拟凹函数，凸函数都是拟凸函数。
（不失一般性的假设f(X) > f(Y)，代入凹函数的定义，即可证明）

设曲线的方程为F（x），如果在一个区间上，F''（x）>0，则F（x）在区间内是严格凸的；如果F（x）<0，即二阶导数为负，则F（x）在区间内为严格凹函数。

这个定理提供了检查具体函数的凸性和凹性的简易方法。
例如，考虑函数f（x）=x↑3-3x↑2+3x，它的二阶导数是f’’=6x-6，当x<1时，二阶导数是负数，f（x）是严格凹的；当x>1时，f（x）是严格凸的。
下图中的表述是不准确的，图形是凹的，而函数恰恰是凸函数，图形是凸的，函数却是凹函数。

在n个变量的情况下，海赛行列式提供了检查具体函数凸性或凹性的方法。多元函数的二阶偏导数的海赛行列式的各阶主子式，在符号上交叉，则对应的函数在整个区间是严格凹的，如果各阶主子式都是正的，则函数为严格凸的。对于拟凹性和拟凸性的讨论就要用到海赛加边行列式。

三、用效用函数和无差异曲线来说明拟凹函数和凸函数的关系
二维平面上，很容易通过图形来直观地理解凹函数和凸函数，超过三维空间，凸性和凹性以及拟凹函数就难以用图形来表达，必须用数学来论证。经济学已经给出了系统的数学方法，且还在向前发展。
2楼
我们知道，效用函数是根据主观的偏好来设计的一种规律性的倾向，对于所有消费者都适用的实值效用函数是不存在的。为讨论问题方便，就要对构建的函数给出一定的假设约束。设序数的效用函数为：
U = f (q1 ，q2)
其中，q1和q2 分别是消费的两种商品Q1 和Q2 的数量。这里就假定，f (q1 ，q2)是连续的，具有连续的一阶和二阶偏导数，并且是一个严格的拟凹函数。而且还假定效用函数的偏导数是严格的正数，以反映人们的需求，即不管对哪一种商品，消费者总是希望得到更多的
。这里若证明效用函数是严格拟凹的，则需要满足2f12f1f2 - f11f2↑2 - f22f1↑2 >0，如果更多变量的则需要考察海赛行列式加边的各阶主子式的符号，上式就是二阶加边海赛行列式符号为正。
如果给定一个效用水平U0 ，U0 = f (q1，q2）就变成了同一效用下，两种不同消费品的组合，即无差异曲线，我们可以想象和观察到的是无差异曲线，而不是效用函数，其实观察到的无差异曲线是q2 对q1 的函数，q2 = g（q1），可以证明无差异曲线是严格凸的，但效用
函数却是严格拟凹的，是观察不到的，至少函数U = f (q1，q2）也是一个立体的图形，而不是一条曲线那样简单。这就是为什么凸凹函数容易被人混淆的原因所在。
同样的道理，我们再来看生产可能性边界曲线，它类似于无差异曲线，是在一定技术水平和可投入要素的约束下，最大生产能力的不同产品的组合，仅从PPF图形来看，它是一种产品Y对另一种产品X的函数，这个函数是关于X 的凹函数。在资源稀缺的假设下，机会成本是递增的，这就意味着生产一单位的X商品，必须要越来越多的减少另一种商品Y的产量，以获得生产商品X的足够资源，生产可能性曲线的每点的斜率就代表了该点的边际商品转换率。随着机会成本的递增，边际转换率也越来越大，曲线PPF凹向原点，即Y是关于X的凹函数。
而生产函数：q = f（x1，x2）
则表明，产出数量q是投入要素x1和x2的函数，需要假定具有连续的一阶和二阶偏导数的单值连续函数，通常可以理解为生产函数是递增的。当产出最大化或成本最小化时，生产函数被假定为严格的正则拟凹函数；当利润最大化时，生产函数被假定为严格的凹函数。后续我们可以证明柯布.道格拉斯生产函数，以及再广义一点的CES生产函数，在约束下是严格的凹函数。

读《反脆弱性》：凹凸性资料搜集相关推荐

人工智能数学基础：利用导数判断函数单调性、凹凸性、极值、最值和描绘函数图形
一.单调性判断定理定理: 设函数y=f(x)在[a,b]上连续,在(a,b)内可导. (1)如果在(a,b)内f(x)≥0,且等号仅在有限多个点处成立,那么函数y=f(x)在[a,b]上单调增加; ...
反脆弱性对产业生态的启发
反脆弱性对产业生态的启发 "如果你想做出改变,并且不关心结果的多种可能性,认为大多数结果都会对你有利,那么你就具有反脆弱性 ". --<黑天鹅>作者塔勒布<反脆弱 ...
思考：你的工作是否有反脆弱性？
好久没有写文章与大家分享感悟了.经过多半月攻坚战,今天终于忙完一套视频课程的录制.闲下来了,一下子又不知道该干点啥了,可见目标和计划的重要性.于是就来写篇文章,与大家聊聊天. 虽然最近十来天没写文章, ...
自然角度论有机体的反脆弱性
最近看了黑天鹅的作者的反脆弱性一书,突然有了个想法,解释我们的世界. 人类具有反脆弱性,什么是反脆弱性,比如,你打疫苗,打部分病毒,毒量比较小,但是身体产生了抗性. 比如,你在工厂天天搬重物的工作,身 ...
函数凹凸性与黑塞矩阵
1 同济大学高等数学定义 2 国际上的定义 3 黑塞矩阵 1 同济大学高等数学定义我们从几何上看到,在有的曲线弧上,如果任取两点,则联结这两点间的弦总位于这两点间的弧段的上方,如图3-8(a):而有 ...
点云凹凸性检验（1/2）
使用open3d 计算点云法向量并根据法向量判断凹凸性在某些点云处理场景中,我们不仅需要法向量,还需要法向量所指示的某些区域的点云的凹凸性. 法向量先去github找个bunny.pcd的实验点云 ...
[机缘参悟-68]：深度思考-人的心理系统与软件系统模型与性能指标比较（可用性、可靠性、可维护性、鲁棒性、适应性、反脆弱性、成熟性）--- 人工智能启示
目录 1. 程序: 2. 进程与进程间通信 2.1 什么是进程 2.2 线程 2.3 进程间通信 3. 人与人交往 3.1 个人 3.2 人际关系 4. 从软件程序的角度看人与人交往 4.1 网络 V ...
极值、凹凸性、导数关系
1.极值和一阶导导数的关系对于可导函数,极值点必然有一阶导数为0,但是一阶导导数为0不一定是极值点,这个很明显有f(x)=x^3,函数图形如下,在x=0处的时候有一阶导数为0,但是此点不是极值点. ...
点云凹凸性检验（2/2）
凹凸性当我们持有表面点云数据时.可能从某个方向看向数据,此区域是凹陷的,但是当我们从背向看过来时其又是凸起的.这使得我们产生一个误会:在判断点云的凹凸性之前,是否需要先规定一下点云的表侧和里侧? 事 ...

读《反脆弱性》：凹凸性资料搜集

读《反脆弱性》：凹凸性资料搜集相关推荐

最新文章

热门文章