6.制約なしの関数の最大化問題
Download
Report
Transcript 6.制約なしの関数の最大化問題
制約なしの関数の最大化問題
• 経済学では関数を最大、ないしは、最小にす
る問題が、いたるところで出る。
• 例 費用の最小化や利潤の最大化
• 予算制約下のような制約付最大化問題は、
次章
一変数関数の最大化
• f(x) (一実変数の実数値関数)の最大化。
• f(x)の最小化は、-f(x)の最大化
• 問題がうまく出来ていれば、微分して0とおけ
ば、求める解が出る。
• 以下では、少し細かく見る
最大化の必要条件
f
x が aで 微 分 可 能
f 'a 0 f
f
x が aで 極 大
x が a , b で 微 分 可 能
f ' x * 0 f
極小化も 同じ
x が x *で 極 大
f
x が x *で
極大化の十分条件
f
x
x*
を含む a , b
で二階連続微分可能
二次式で近似
f x * f ' x * x - x *
f " x *
2
x - x *
2
平均値の定理による評価
x 0,1
f x f x * f ' x * x - x *
f " x x 1 - x x *
2
x - x *
2
x 0,1
f x f x * f ' x * x - x *
f " x x 1 - x x *
2
f ' x * 0 で
f " x * 0
f " x
x
なら
が連続なので
を十分 x *
に近く取れば
f " x 1 - x * 0
0, x x * - , x * f
x
f
x *
x - x *
2
最大化の十分条件についての命題
• 「 f(x)が x*を含む開区間で二階連続微分可能
のとき、 f’(x*) 0, f”(x*) 0ならば、 x*のある近
傍があって、f(x)は x*で、その近傍での最大を
取る 」
• f(x)は x*で、極大をとる
• 局所的な最大だが局大でなく極大
• 微分して0で二階微分が負が極大の十分条件
• 微分して0で二階微分が正が極小の十分条件
• 存在するのは近傍だが、多くの問題は、大域的
に行儀のいい性質を持つ
凹関数
f
x
開区間で定義された二階連続微分可能な関数
f " x 0 がその開区間で成立すれば
f ' x 0
x
で一意の最大をとる
このような関数は「厳密な凹関数」
凹関数の定義
0,1 f x 1 - y f x 1 -
f x 1 -
f x 1 -
f y
y
f y
x
x 1 - y
y
二階微分可能であれば f”(x) 0
0,1 f x 1 - y f x 1 -
厳密な凹関数
f y
凸関数と凹関数
0,1 f x 1 - y f x 1 -
f y
(厳密な)凸関数
線形関数やアフィン関数は凸関数かつ凹関数
凸関数の例
x , ex p x
2
凹関数の例
x , ln x
準凹関数
関数に最大値を取るあるだけならば、準凹関数で十分
準凹関数の定義
0,1 f x 1 - y m in f x , f
f x 1 -
m in f x , f
y
y
y
x
x 1 - y
y
端っこの小さいほうより大きければよく、一様に膨らんでいる
必要はない
準凹関数の注意点
• 単調関数は、すべて準凹関数
• ある区間で二階連続微分可能なら
f’(x)=0 f”(x)<0が十分条件
• 凹関数は準凹関数
• 経済学的には、序数性に対応
• 凹関数の和は、凹関数だが、準凹関数の和
は、準凹関数とは限らない。
[0,∞]上の連続微分関数の最大化の必要条件
ケース 1
x 0, , f ' x 0
ケース 2
x 0, f ' x 0
ケース 1 またはケース と
xf ' x 0, f ' x 0
は同値
例 競争企業の利潤最大化
単一の財を生産する企業
x
生産量
C x
p
価格
総費用(関数)
x px - C x
利潤(関数)
価格を一定として、最大化の必要(一階の)条件(FOC)
微分して0
' x p - C ' x 0 p C ' x
価格=限界費用
極大化の十分条件(二階の条件)
x px - C x
' x p - C ' x 0 FOC
二階微分が負
" x -C " x 0 C " x 0
限界費用は逓増
供給関数
利潤を最大にする生産量を価格の関数とすると、供給関数
x pp
価格=限界費用(FOC)
p C ' x p
両辺を微分
1 C " x p x ' p x ' p
1
C " x p
二階の条件が満たされ、限界費用が逓増すれば正
供給曲線は、右上がり
例
独占企業の利潤最大化
一つの財市場に一つしか企業が無いとする。
p
p 価格
D p
需要関数
厳密に減少的
逆関数が存在
P D p p
D P x x
P x
逆需要関数
C x
総費用(関数)
x P x x - C x
利潤(関数)
P x x R x 収入関数
x R x - C x
利潤(関数)
利潤最大化の必要条件
微分して0
' x R ' x - C ' x 0 R ' x C ' x
限界収入=限界費用
R ' x C ' x
限界収入=限界費用
P x x R x
P x x ' xP ' x P x C ' x 0
限界費用が厳密に正
D P x x D ' P x P ' x 1
1
1
xP ' x P x D p
p p 1
pD ' p
D ' p
D p
0
1
1
xP ' x P x D p
p p 1
pD ' p
D ' p
D p
-
-
pD ' p
D p
pD ' p
D p
0
1
dD p
D p
dp
p
需要の弾力性
需要の変化率÷価格の変化率
-
pD ' p
D p
1
需要の弾力性が1以下
価格を1%上げると需要の減少は1%以下
売上は増え、需要が減るので費用も減る
必ず儲かる
利潤を最大化しているとき価格を上げると、需要が、1%以上減り、
収入が減る
二階の条件
x P x x - C x
微分して0
' x P ' x x P x - C ' x 0
もう一階微分して負
" x xP " x 2 P ' x - C " x 0
一階の条件
" x xP " x 2 P ' x - C " x 0
C " x 0, P ' x 0, P " x 0
が十分条件
限界費用逓増、需要関数が右下がりで凹
p
「ぼこ」 としている需要曲線
はもっともらしくない
限界費用一定として価格について最大化する
p p - c D p
利潤
微分して0
p - c D p ' p - c D ' p D p 0
もう一階微分して負
p - c D p " p - c D ' p D p '
p - c D " p 2D ' p 0
FOCを代入
-
D p
D ' p
D " p 2D ' p 0
FOC
-
D p
D ' p
D " p 2D ' p 0
D ' p
d 1
,
2
dp D p
D p
2
D
"
p
D
'
p
d
1
2
2
3
2
dp D p D p
D p
2
D ' p D p
D " p 2D ' p
3
D ' p
D p
D ' p 0
1
0
2
dp D p
d
2
1
0
2
dp D p
d
2
例
d
dp
dp
-
D ' p
利潤関数が準凹関数
ln D p
d
D p
需要関数の逆数が凸関数ならば、
2
D ' p
D p
ln D p
D " p
D p
D " p 2D ' p 0
で大丈夫
-
D ' p
D p
2
2
0
d
2
dp
2
ln D p
D " p
D p
-
D ' p
D p
2
2
0
需要関数が対数凹関数
例
D p Ae
- p
Caplin and Nalebuff "Aggregation and Imperfect
competion: on the existence of equilibrium",
Econometirca, 1991
費用関数が凸で、需要が微分可能とは限らないとき
Mizuno "On the existence of a unique equilibrium for
models of product differentiation", International
Journal of Industrial Organization, 2003
2変数の関数の極大化
f x , y : x , y で xと yに つ い て 偏 微 分 可 能
f x , y
x
0,
f x , y
x
f x , y
y
0が 極 大 化 の 必 要 条 件
0, で な い と き は yを 変 え な い で
xを 少 し 動 か す と 大 き く も 小 さ く も な る
極大化の十分条件
動く 方向が各軸方向と は限ら な いので
f x, y
2
x
2
f x, y
2
0と
y
2
0
で は不十分
各 軸 方 向 で x , y か ら 離 れ る と 減 少 す る と し て も
他の方向で は増加する か も し れな い。
x r cos
y r sin
で
2
z r co s 4
展開すると
x4 y4 - 6x2 y2
2
2
x
y
z
0
x , y 0, 0
x , y 0, 0
x軸とy軸上では(0,0)で最小、45度線上では最大
鞍点(saddle point)
x r cos
y r sin
で
2
z r co s 2
展開すると
z x -y
2
x軸で (0,0)で最小とy軸上では最大
2
一般の方向での極大
f x x - x , y y - y
1
f x u, y v
x , y で
x, y
f が極大
0
x, y
任意(すべて)の x , y x , y に対して
が0で極大
0
x 1 - x
任意(すべて)の
x, y x , y
に対して
が0で極大
f x x - x , y y - y
f x u, y v
f x u , y v
'
0
f x x u, y v
0
u f y x u, y v
fx x, y u fy x, y v 0
fx x, y fy x, y 0
0
u
'
0
fx x u, y v
0
u fy x u, y v
0
v
fx x , y u fy x , y v 0
"
0
f xx x u , y v
2 f xy x u , y v
u
0
2
uv f yy x u , y v
0
f xx x , y u 2 f xy x , y uv f yy x , y v 0
2
w h en
2
x , y x , y u , v 0, 0
u , v 1, 0 , u , v 0,1
f xx x , y 0, f yy x , y 0
v
0
2
f xx x , y u 2 f xy x , y uv f yy x , y v 0
2
2
v 0, f x x x , y 0
u
f xy x , y u
f yy x , y
2
x , y v 2
0
f xx x , y v
f xx x , y
v
2
f xx
判別式が負
2
f xy x , y
f yy x , y
0
2
- 4
f xx x , y
f xx x , y
f xy x , y f xx x , y f yy x , y
2
多変数の関数の最大化
最大化の必要条件
f x1 , x 2 , ..., x n
n(実)変数の実関数
f x x1 , x 2 , ..., x n x
最大化の必要条件(一階の条件 )
f x 連続微分可能
x1 , x 2 , ..., x n
(端ではない)
一つのiについて、
f x1 , x 2 , ..., x n
xi
x の一つの近傍が定義域に含まれる
0
xiを大きくするか小さくすれば
f(x)は大きくも小さくもなる
一つのiについて、
f x1 , x 2 , ..., x n
xi
xiを大きくするか小さくすれば
0
f(x)は大きくも小さくもなる
対偶をとる、
x1 , x 2 , ..., x n
f x1 , x 2 , ..., x n
xi
で f(x)が極大(極小)
f x
xi
0, i 1, ..., n
グラディエント・ベクトルと
f x
f x
x1
f x
x2
f x
x n
最大化(最小化)の必要条件
f x 0
例 利潤最大化
K , L pK L - rK - w L
0, 0, 1
コッブ・ダグラス生産関数による利潤
利潤最大化の一階の条件(微分して0)
K , L
K
K , L
L
pK
-1
-1
-1
L - r 0 pK
pK L
L r
- w 0 pK L
-1
w
pK
-1
-1
pK L
L r
w
対数を取る
ln ln p - 1 - ln K ln L ln r
ln ln p ln K - 1 - ln L ln w
連立方程式を解く
ln K
1 - ln r - ln ln w - ln - ln
- 1 - 1 -
ln L
1 - ln r - ln
- ln p ln w - ln - ln p
1- -
ln r - ln 1 -
-
p
ln w - ln - ln
- 1 - 1 -
ln r - ln - ln p 1 -
1- -
p
ln w - ln
- ln p
ln K ln L -
1 - ln r - ln
- ln p ln w - ln - ln p
1- -
ln r - ln - ln p 1 -
ln w - ln
1- -
元にもどす
r
K
p
r
L
p
-
-
1-
1- -
w
p
1- -
w
p
-
-
1- -
1-
1- -
共にrとwの減少関数
- ln p
ln ln p - 1 - ln K ln L ln r
ln ln p ln K - 1 - ln L ln w
rで偏微分する
- 1 -
1 K
K r
1 K
K r
1 L
- 1 -
L r
1 L
L r
1
r
0
連立方程式を解く
1 K
K r
1 L
L r
1-
1
- 1 -
1 -
1
- 1 -
1 -
r
1
1-
r
1- -
r
-
1
-
1- - r
- 1 -
1 K
K r
1 K
K r
1 L
- 1 -
L r
1 L
L r
1
r
0
全微分式に書く
- 1 -
1
K
1
dK
K
1
dL
dr
L
dK - 1 -
1
dL
L
r
dw
w
ロチェスター・ハットを使う
- 1 - Kˆ Lˆ rˆ
Kˆ - 1 - Lˆ wˆ
- 1 - Kˆ Lˆ rˆ
Kˆ - 1 - Lˆ wˆ
行列で書くと
- 1 -
Kˆ
- 1 - Lˆ
rˆ
wˆ
逆転する
Kˆ
Lˆ
- 1 -
- 1 -
- 1 -
1 - - -
1
-1
rˆ
wˆ
rˆ
1 - rˆ wˆ
1
- 1 - wˆ
1 - - rˆ 1 - wˆ
-
K , L pK L - rK - w L
1
例
2
3
K , L
K
pK
K,L
-1
L - r,
2
K
2
- 1 pK
-2
L 0
Kについて二階の条件を満たし
Lについても同様に二階の条件を満たす
K , L pK L - rK - w L
1
例
2
3
K L x
1
3
3
K , L px - r w x px x - r w
4
x r w
3
xを大きくするとΠはいくらでも大きくなり、最大値をとらない。
極大化の十分条件(二階の条件)
• 極大化の十分条件については、少しややこしい
• 変数が一つの座標軸の方向のみに動くわけでは
ない
f x
2
xi
2
0
では十分ではない
一般の方向での極大
f x 1 - x
f x1 1 - x 1 , ..., x n 1 - x n
1
x
x で
f が極大
0
任意(すべて)の x に対して
が0で極大
x 1 - x
x
0
一階の条件 (必要条件)
f x 1 - x
f x1 1 - x 1 , ..., x n 1 - x n
で 微分して0で 評価して0
'
df x1 1 - x1 , x 2 1 - x 2 , ..., x n 1 - x n
d
f
x1
x1 - x1
f
x2
x 2 - x 2 ...
f x 1 - x
T
x - x
f
xn
xn - xn
'
f
x1
x1 - x1
f
x2
x 2 - x 2 ...
f x 1 - x
T
f
xn
x - x f x 1 - x , x - x
が 0 で任意の xに対して0
f x
x1
f x
x2
...
f x 0
xn - xn
f x
xn
0
二階の条件 (十分条件)
f
'
x1 - x1
x1
f
x2
x 2 - x 2 ...
f
xn
xn - xn
で もう一回微分して負
x
1
"
f
2
x1
2
x1 - x1
f
2
x 2 x1
1 - x 1 , ..., x n 1 - x n
f
2
2
x1 x 2
x1 - x1 x 2 - x 2 ...
x 2 - x 2 x1 - x1
f
2
x2
2
x2 - x2
f
2
x1 x n
が独立変数
x1 - x1 x n - x n
f
2
2
...
x2xn
x2 - x2 xn - xn
.....
f
2
x n x1
x n - x n x1 - x1
f
2
n
n
i 1
j 1
xi x j
f
2
xn x2
x n - x n x 2 - x 2 ...
xi - xi x j - x j
f
2
xn
2
xn - xn
2
極大の十分条件は0で 任意の
"
f
2
n
n
i 1
j 1
F
xi x j
x
について
xi - xi x j - x j 0
f
f
x1
x1 x 2
2
2
2
f
2
f
x 2 x1
x2
f
2
f
x n x1
xn x2
2
2
2
行列で書く
" x - x F x - x 0
T
x1 x n
2
f
x2 xn
2
f
2
xn
f
2
ヘッセ行列
F
f
f
x1
x1 x 2
2
2
2
f
2
f
x 2 x1
x2
f
2
f
x n x1
xn x2
2
2
2
x1 x n
2
f
x2 xn
2
f
2
xn
f
2
グラディエント・ベクトルのヤコビ行列
f
2
fが二回連続微分可能
xi x j
f
2
x j xi
ヘッセ行列は対称
二次形式
A
:n次(n行n列)の実対称行列
x
:n次元の実ベクトル
T
x Ax
2次形式
なので実数(1次元)になる
正定符号
A
:n次(n行n列)の対称行列
x Ax 0
T
A
が任意の x
が正定符号
0 について成立
負定符号
A
:n次(n行n列)の対称行列
x Ax 0
T
A
が任意の
が負定符号
x 0 について成立
半正(半負)定符号
A
:n次(n行n列)の対称行列
x A x 0 が任意の x について成立
T
A
が半正(半負)定符号
極大の十分条件は0で 任意の
x
について
" x - x F x - x 0
T
ヘッセ行列で F が負定符号
二回連続微分の関数fのグラディエントが定義
域の内点 x で、0で、そのヘッセ行列がそこで
負定符号ならば、 f は、 x で極大を取る
二変数のときの負定符号の条件
f x, y
の極大の必要条件
f
f xx
x
2
f yy
0
f
xy
2
f xx f yy f xy
f
2
2
2
y
2
0
2
軸方向の効果がクロスの効果より大きい
二次形式と固有値
A
:n次(n行n列)の実対称行列
-1
A T T
1
0
0
1 , ..., n
0
0
, T 0
n
0
2
0
実数
T
実行列にでき
T
-1
T
T
-1
A T T T T
T
T
x Ax
T
-1
T
T
2次形式
x Ax x T Tx Tx Tx
T
T
T
T
x Ax x T Tx Tx Tx
T
T
T
T
y1
y2
Tx y
yn
1
0
0
0
0
n
0
2
0
x Ax Tx Tx
T
T
y y 1 y1 ... n y n
T
2
2
x Ax Tx Tx
T
T
y y 1 y1 ... n y n
T
2
2
1 , ..., n がすべて非負(非正)のときには、二次
形式は、必ず非負(非正)
A
は、半正(半負)定符号
x Ax Tx Tx
T
T
y y 1 y1 ... n y n
T
2
T 0
2
x 0 y Tx 0
x 0 Tx y 0
1 , ..., n がすべて負(正)のときには、二次形式
は、必ず負(正)
A
は、負 (正)定符号
固有方程式
1 , ..., n
実は
Ax x
は固有値(以下で説明)
が0でない解を持つとき、
は A の固有値
x
は 対応する固有ベクトル
Ax x
が0でない解を持つ
A - I x 0 が0でない解を持つ
A - I が正則
x A - I
A - I が特異
A - I
a11 -
a12
a1 n
a 21
a 22 -
a2n
a n1
al 2
a nn -
0
-1
00
a11 -
a12
a1 n
a 21
a 22 -
a2n
a n1
al 2
a nn -
A - I
のn次方程式
a11 -
a12
a1 n
a 21
a 22 -
a2n
a n1
al 2
a nn -
a 22 -
a 21
- a12
an2
a nn -
a 33 -
a13
a1 n
a 23 -
a2n
al 3
a nn -
a n1
a3n
a11 - a 22 -
...
an3
小行列式分解
a2n
a11 -
0
a nn -
.....
A - I
a11 -
a12
a1 n
a 21
a 22 -
a2n
a n1
al 2
a nn -
0
のn次方程式
重根を含むとn個の根
-1
A T T T T
T
の の対角上の 1 , ..., n
に一致
ジョルダン標準形
A
:n次(n行n列)の実行列(対称とは限らない)
固有方程式が重根を持たない
ジョルダン標準形
-1
A T T
1
0
0
1 , ..., n
T
-1
T
T
0
2
0
0
0
, T 0
n
実数とは限らない
は成立しない
ジョルダン標準形について
• 線形代数の入門書の最後に出てくる
• 一人で勉強していたら、だいたいこの前で落
ちる
• 講義でも、ちゃんと付いている人は少ない
• 固有方程式に重根がある場合はややこし
い・・・本を見てわかればいい。
例 二次行列の固有値と固有ベクトル
a
A
b
b
c
固有方程式
A - I
a-
b
b
c-
a - c - - b
- a c ac - b
2
2
0
2
- a c ac - b
2
2
0
根の公式
a c - 4 ac - b
a c
2
2
a c a - c
2
2
4b
2
2
a c a c
2
- 4 ac - b
2
2
a c a - c
2
4b
2
2
aとcの符号が違う
ac
a - c
+の根と-の根がある。
正定符号でも負定符号でもない
2
4b
2
a c a c
2
- 4 ac - b
2
2
a c a - c
2
4b
2
2
正定符号の場合(2根とも正)
a 0, c 0
ac
a - c
ac - b 0
2
2
4b
2
a c a c
2
- 4 ac - b
2
2
a c a - c
2
4b
2
2
負定符号の場合(2根とも負)
a 0, c 0
ac
a - c
2
4b
ac - b 0
2
ヘッセ行列では
f xx 0
f yy 0
f xx f yy f xy
2
2
多変数の凹関数と準凹関数
凹関数の定義
0 1 f x 1 - y f x 1 -
f x 1 -
f y
f x 1 - y
f y
f x
y
x
x 1 - y
f y
凸関数の定義
0 1 f x 1 - y f x 1 -
f y
直感的には一様にへこんでいるが
直線(平面)部分があっもいい
厳密な凹(凸)関数の定義
0 1 f x 1 - y f x 1 -
直感的には一様に膨らんでいるか
へこんでいて
直線(平面)部分は無い
f y
(厳密な)準凹関数の定義
0 1 f x 1 - y m in f x , f y
(厳密な)準凸関数の定義
0 1 f x 1 - y m ax f x , f y
凸関数凹関数とヘッセ行列
連続微分可能な関数 f
f が厳密な凸関数
f のヘッセ行列が正定符号
f が厳密な凹関数
f のヘッセ行列が負定符号
準凹(凸)関数と凹(凸)関数の関係
f が凸関数
f が 凹関数
f が準凸関数
f が準凹関数
凸集合
凸集合の定義
x A , y A , 0 1 x 1 - y A
凸集合の例
凸集合でない例
線分の両端が入っているが
真ん中は入っていない
準凹関数の最大化
f が準凹関数
x : f x y が任意のyについて凸集合
f が準凹関数
f が厳密な準
凹関数
最大値をとるxの集合は凸集合
最大値をとるxの集合は一点