沙普利-福克曼引理

為沙普利-福克曼引理的例證。在左邊，四個非凸集中的點(+)之和，就是右邊，其閔氏和凸包中的點(+)。左邊四點之中，有兩點位於相應的非凸集中，另有兩點位於非凸集的凸包中。各凸包以淺粉紅色畫出。原來的集合各只有兩點（以紅點表示）。]]
沙普利-福克曼引理是的一條引理，其於数理经济学有應用。引理描述向量空間子集的閔可夫斯基和有何性質。若干個集合的閔可夫斯基和，即從各集合分別取一個元素相加，組成的集合：例如，將整數0和1組成的集合，與自身相加，得到由0,\ 1,\ 2組成的集合，以符號可寫成：

: \{0, 1\} + \{0, 1\} = \{0, 1, 2\}.

「許多個集合的閔氏和，是否必定近似凸集？」沙普利-福克曼引理和相關的結果表明，問題的答案為肯定。集合稱為凸，意思是連接其中任意兩點的线段，必為該集合的子集：舉例，實心圓盤 \bullet 為凸集，但圓 \circ 則不然，因為連接相異兩點的線段 \oslash 並不是圓的子集。沙普利-福克曼引理大致斷言，若求和項的數目超出向量空間的維數，則其閔氏和將近凸。斯塔（Starr）的推论將沙普利-福克曼定理的上界壓得更低，故又稱為沙普利-福克曼-斯塔定理。

劳埃德·沙普利和的引理，最先由經濟學家發表，其時斯塔正在肯尼斯·阿罗門下，研究經濟均衡的存在性。斯塔在論文中，研究凸化（convexified）經濟體，即將非凸集換成其凸包。斯塔證明，凸化之後，有些均衡由原經濟體的「準均衡」（quasi-equilibria）逼近；還證明，每個準均衡都具有真均衡的許多最優性質，而凸經濟體中則必定存在真均衡。斯塔1969年的論文發表後，沙普利-福克曼-斯塔的結果得到廣泛應用，用作證明（凸）經濟理論的若干核心結果，儘管不適用於有非凸部分的大經濟體，但在此等經濟體中，仍是良好的近似。評論：「這些結論的一般形式的推導，是戰後經濟理論的重大成就。」許多諾貝爾獎得主都曾研究，除了前述的劳埃德·沙普利（2012年獲獎）外，還有：阿羅（1972）、罗伯特·约翰·奥曼（2005）、傑拉德·德布魯（1983）、特亚林·科普曼斯（1975）、保羅·克魯曼（2008）、保羅·薩繆爾森（1970）。至於互補的主題「」，除以上得主著重外，還有里奥尼德·赫维克兹、列昂尼德·维塔利耶维奇·康托罗维奇（1975）、罗伯特·索洛（1987）都著重。

沙普利-福克曼引理在優化論和概率论皆有應用。優化論中，可以引理解釋，在求多個函数之和的最小值時，為何一些解法可以成功。

簡單例子
考慮凸的實數區間[0, 1] ，其包含整數子集\{0, 1\} ，且是其凸包（添加了兩點所連線段上的所有點）。僅得兩個元素的集合\{0, 1\} ，複製成三份，並按元素求和，得到

:\{0, 1\} + \{0, 1\} + \{0, 1\} = \{0, 1, 2, 3\}.
（此處集合的和，是從各集合分別取一個元素相加，得到的可能結果的集合，稱為閔氏和。）和集的凸包則為區間[0, 3]。

區間[0, 3]中，每個數x都可以寫成區間[0, 1]中某三個實數（允許重複）之和，例如將x等分成三份即可。但使用沙普利-福克曼引理，則有更強的結論：[0, 3] 的每個數，都可以寫成\{0, 1\} 中某兩個整數（允許重複），與[0, 1] 中某一個實數之和。

凸包[0,1] 中的點，到\{0, 1\}的距離，至多為1/2：

: \frac{1}{2} = \left|\frac{1}{2}- 0\right| = \left| \frac{1}{2} -1 \right|,

然而，考慮三個區間[0, 1]的閔氏平均

: \frac{1}{3}\left(\{0, 1\} + \{0, 1\} + \{0, 1\}\right) = \left\{0,\frac{1}{3},\frac{2}{3},\ 1\right\},

與其凸包[0,1] 的距離，僅為1/6 ，即未平均前\{0, 1\} 與[0, 1] 距離（1/2 ）的三分之一。越多個集合相加，其閔氏平均就將凸包填得越滿：由閔氏平均至凸包的最遠距離，隨被加項數增加，而趨向於零。

凸集
實向量空間中，非空子集Q 稱為凸集，意思是，對於Q 的任意兩個點，連接兩點成一線段，其上的所有點仍在Q 中。例如，實心圓盤 \bullet 為凸，但圓 \circ 則不然，因為連接相異兩點的線段 \oslash 並不是圓的子集。三個整數的集合\{0, 1, 2\} 非凸，但其為區間[0, 2] 的子集，而該區間為凸。又例如，實心立方體為凸，然而任何空心或凹陷的圖形，如，則非凸。空集也是凸集，視乎作者偏好，這可能是專門的定義

凸集的定義推出，兩個凸集的交集仍是凸集。更甚者，任意一族凸集的交也是凸集。作為特例，若取兩個不交的凸集，則其交集為空集，故應當稱空集為凸。

凸包
中，每個藍點都是若干個紅點的凸組合。]]
對於實向量空間的每個子集Q ，其凸包\mathrm{Conv}(Q) 是包含Q 的最小凸集。所以，\mathrm{Conv}(Q)是所有覆蓋Q 的凸集的交。等價地，可以將\mathrm{Conv}(Q)定義成Q 的點的所有凸组合的集合。作為例子，整數集合\{0, 1\} 的凸包，是實數閉區間[0, 1] ，其兩端為原有的整數0, 1 。)。例如：

: \{0,1\}+\{0,1\}=\{0+0,0+1,1+0,1+1\}=\{0,1,2\}.

此運算定義在非空子集族上，且滿足結合律和交換律。既然有結合律和交換律，就可以遞歸定義多個被加項的運算結果\sum_{n=1}^{N}Q_{n}=Q_{1}+Q_{2}+\cdots+Q_{N}。由數學歸納法，可見

: \sum_{n=1}^{N}Q_{n}= \left\{\left.\sum_{n=1}^{N}q_{n}\right| q_{n}\in Q_{n},~1\leq n\leq N\right\}.

閔可夫斯基和的凸包
閔可夫斯基和與凸包運算可以交換。具體而言，對實向量空間X 的任意子集A,B\subseteq X，其閔氏和的凸包等於其凸包的閔氏和。換言之，

: \mathrm{Conv}(A+B) = \mathrm{Conv}(A)+\mathrm{Conv}(B).

故由數學歸納法得

: \mathrm{Conv}(\sum_{n=1}^{N}Q_{n}) = \sum_{n=1}^{N}\mathrm{Conv}(Q_{n})

對任意N\in\mathbb{N}和非空子集Q_{n}\subseteq X（1\leq n\leq N）成立。

各命題的敍述
。左圖每個非凸集由兩個紅點組成，其凸包（淺粉紅色）包含標記加號（+）的點，而右圖中的加號等於左圖各個標加號的點之和。]]
由前一段的恆等式，對和的凸包中的每點x\in\mathrm{Conv}\left(\sum_{n=1}^{N}Q_{n}\right) ，都存在各凸包的q_{n}(x)\in\mathrm{Conv}(Q_{n})（n 取遍1 至N ），使得\sum_{n=1}^{N}q_{n}(x)=x。各點q_n(x) 的位置取決於x。

引理
，2012年諾貝爾經濟學獎得主。他與一同證明沙普利-福克曼引理。]]
有了以上背景，沙普利-福克曼引理斷言，x 的表示法

: x=\sum_{n=1}^{N}q_{n}(x)

中，僅需要不多於D 個被加項q_{n}(x)取自凸包，而其他被加項，則只需取自原來的集合Q_n 。以符號復述，即有以上方法表示x ，且滿足|\{l\leq n\leq N\mid q_{n}(x)\in\mathrm{Conv}(Q_{n})\setminus Q_{n}\}|\leq D。不妨將下標重新排序，然後就有
: x = \sum_{n=1}^{D}q_{n}(x) + \sum_{n=D+1}^{N} q_n(x)

其中對1\leq n\leq D，有q_{n}\in\mathrm{Conv}(Q_{n})，而對D+1\leq n\leq N，則有q_{n}\in Q_{n}。注意，倘若重排，則排序的方式也取決於點x 。再精簡，沙普利-福克曼引理可以寫成

: \mathrm{Conv}(\sum_{n=1}^{N}Q_{n})\subseteq\bigcup_{I\subseteq\{1,2,\ldots N\}:~|I|=D}\sum_{n\in I}\mathrm{Conv}(Q_{n})+\sum_{n\notin I}Q_{n}.

舉例，集合[0,2]=[0,1]+[0,1]=\mathrm{Conv}(\{0,1\})+\mathrm{Conv}(\{0,1\})中的每個點，根據引理，必定可以寫成\{0,1\}的某個元素，與[0,1]的某個元素之和。引理僅對有限維向量空間成立。

沙普利-福克曼定理及斯塔的推論
沙普利與福克曼運用其引理，證明沙普利-福克曼定理，給出集合的閔氏和與其凸包（稱為凸化（convexified）和）的距離上界。定理的敍述如下：凸化和\mathrm{Conv}\left(\sum Q_n\right)的任一點，到（未凸化）和集\sum Q_n的歐氏距離平方，不超過各集合Q_n 的外接半徑中，最大D 個的平方和。(所謂外接半徑，定義為包圍該集合的最小球面的半徑。）此上界與求和項數N 無關（但要求N > D，且集合不能越來越大）。
上述定理給出閔氏和及其凸包之間距離的上界。當且僅當閔氏和為凸集時，此距離為零。該上界取決於維數D 及各被加項的形狀，但只要N > D ，就不取決於項數N 。

通常，外接半徑會大於內半徑，而無論如何，外接半徑總不能小於內半徑。集合Q_n 的內半徑定義為：

最小的正實數r ，滿足：若q 在Q_n凸包中，則q 在Q_n若干點的凸包中，而該些點皆在同一個半徑為r 的球內。

斯塔將沙普利-福克曼定理中的外接半徑換成內半徑，從而壓低沙普利-福克曼定理的上界：

沙普利-福克曼定理的斯塔推論：

凸化和\mathrm{Conv}\left(\sum Q_n\right)的任一點，到（未凸化）和集\sum Q_n的歐氏距離平方，不超過各集合Q_n 的內半徑中，最大D 個的平方和。

斯塔的推論確定，N 個集合的閔氏和與其凸包之間，歐氏距離的上界。此距離可以衡量閔氏和非凸的程度，故為簡單起見，下文稱為非凸度。於是，斯塔對非凸度的上界，僅取決於D 個最大內半徑之值，但不取決於求和的項數N （假設N > D）。

例如，非凸集\{0, 1, 2\}的非凸度為1/2 ，因為與其凸包（區間[0, 2]）的距離為\frac{1}{2} = \left|1 - \frac{1}{2}\right| = \left|0 - \frac{1}{2}\right|
= \left|2 - \frac{3}{2}\right| = \left|1 - \frac{3}{2}\right|.
所以，既然\sum Q_n的非凸度有不取決於項數N 的上界，就知平均集

: \frac{1}{N}\left(\sum Q_n\right)

非凸度上界，會隨N 增加而遞減。例如，平均集

: \frac{1}{2} \left(\{0, 1\} + \{0, 1\}\right) = \{0,\ 1/2,\ 1\}

和其凸包[0, 1]的距離僅為1/4，等於被加項\{0, 1\} 與其凸包[0, 1] 的距離（1/2 ）之半。僅要最大D 個求和項的形狀，已足以計算和集與凸包的距離的上界，故除以N 後，平均集與凸包的距離，在N 趨向無窮時，會遞減至零（對均勻有界的求和項成立，即各個求和項的大小需有同一個上界）。若使用斯塔的上界，則前一句結論的條件可以放寬，只需各求和項的內半徑有同一個上界。、、斯奈德（Schneider）和其他人都曾給出類似的證明。阿特斯泰因（Artstein）擴展了的簡潔抽象證明。也有未經出版的另證。1981年，斯塔發表一種疊代法，可以計算給定點的表示法，然而，此計算方法給出的上界，較非構造性證明的上界差。博赛卡斯的書有講述有限維空間沙普利-福克曼引理的初等證明，並將引理應用於估計可分優化（separable optimization）問題與零和賽局的對偶間隙。

應用
有沙普利-福克曼引理，學者就得將有關凸集閔氏和的結果，套用到（無需凸的）一般集合之和。此種和見於經濟學、最优化理論、概率論。此三領域的應用中，非凸性起到重要作用。

經濟學
位於無差異曲線I_3上的任意籃子，勝過位於I_2上的籃子。籃子(Q_x, Q_y)，是預算線（藍色）支撐I_2的位置，所以是最優而又可行。相反，雖然消費者更偏好I_3上的任意籃子，但無足夠預算，所以並不可行。]]

經濟學中，消費者對每一「籃子」商品（basket，即商品的組合）有其偏好程度。每籃子可用一個非負向量表示，其坐標為籃中各商品的量。所有籃子組成的集合中，每個消費者有自己的一族无差异曲线，滿足：在同一條曲線上的各籃子，對該消費者是等價的，即消費者並不覺該曲線上有籃子勝於另一個籃子。每籃子恰好處於一條無差異曲線上。消費者相對於一條無差異曲線的偏好集，定義為該無差異曲線與其更偏好的區域的並集。稱消費者的偏好為凸，意思是其所有偏好集皆為凸。

如圖所示，消費者認為的最優籃子，是在預算線支撐某個偏好集時取到，因為此時，所選的籃子是整條預算線上，達到最高的無差異曲線的一點。所謂預算線，是由商品的價格向量與消費者的收入計算得出的限制，消費者無足夠收入購買高於此線的籃子。所以，最優籃子的集合是各價格的函數，稱為消費者的需求。若偏好集為凸，則不論價格為何，消費者認為的最優籃子總是組成凸集，例如可能是單元集，或是一條線段。

非凸偏好
然而，若有偏好集非凸，則某些價格確定的預算線，可能在兩個分開的最優籃子支撐該偏好集。例如，可以設想，動物園購買獅子或鷹的價錢一樣，且其預算恰好夠買一隻獅子或一隻鷹。此外，假設園主亦認為兩隻動物價值相同，則動物園有可能買獅子，也可能買鷹，但當然不可能買半隻獅子加半隻鷹（狮鹫）。所以，園主的偏好非凸：買兩隻動物中的任一隻，勝於兩者的嚴格凸組合。

若消費者有非凸偏好集，則對於某些價格，需求不連通。不連通的需求，會導致消費者的行為出現不連續的間斷。引述哈羅德·霍特林的話（宜配合所附動圖理解）：
若考慮波浪形的無差異曲線，即在某些區域向原點凸，而在其他區域向原點凹，則我等被迫推論，僅有向原點凸的部分需要理會，因為幾乎不可能觀測到其他部分。要偵測該些部分，唯一方法是，觀察價格之比率變化時，需求的不連續變化。此變化的效果是，當直線旋轉時，切點會突然躍過某凹陷。雖然此種不連續的表現，揭示有凹陷，但卻不可能量度缺口的深度。倘若無差異曲線，或其高維推廣，有凹陷部分，則定必因永遠無法測量，而不為人知。

書中，稱有強調研究非凸偏好的困難，也引述保羅·薩繆爾森稱凹陷處「被永恆的黑暗遮蔽」。

儘管有上述困難，《》（JPE）在1959年至1961年間，刊登一系列的論文，解明非凸偏好。投稿人包括：法雷爾（Farrell）、、科普曼斯、羅森博格（Rothenberg）。其中，羅森博格討論非凸集和的近似凸性。該些JPE論文，促使劳埃德·沙普利和马丁·舒比克也合著論文，研究凸化的消費者偏好，並引入「近似均衡」（approximate equilibrium）的概念。JPE論文和沙普利-舒比克論文又啟發了罗伯特·奥曼提出另一個概念，稱為「準均衡」（quasi-equilibrium）。

斯塔1969年的論文與當代經濟學
（1972年诺贝尔獎得主）幫助研究非凸。]]
肯尼斯·阿罗收集前人研究的文獻，列成表，並加入註解，交給。斯塔當時仍是本科生，但已在修讀阿羅開設的高等數理經濟學（研究生）課程。

斯塔1969年的論文中，應用沙普利-福克曼-斯塔定理，證明「凸化」經濟體有一些一般均衡，只要參與者足夠多，能以原經濟體的「準均衡」近似。具體而言，斯塔證明，至少存在一個價格向量為p_\mathrm{opt} 的準均衡，滿足下列條件：

• 對每個準均衡p_\mathrm{opt} ，所有消費者都可以選到其最優的籃子（在預算限制內，且最偏好）。
• 在該價格p_\mathrm{opt} ，凸化經濟體中，每種商品的市場皆均衡，即供給等於需求。
• 每個準均衡的價格，皆「幾乎出清」原經濟體的市場：凸化經濟體均衡組成的集合，與原經濟體的準均衡集合，兩者的距離有上界。此結論是根據沙普利-福克曼定理的斯塔推論得到。

斯塔確立以下結論：
「總體中，［取各消費及生產集的凸包］所得的假想經濟體的分配，與真實經濟體的某個分配，兩者的差異，有不取決於參與者數目的上界。因此，當參與者數目趨向無窮時，平均參與者感受到，與擬作行動的偏差，近乎可以忽略不計。」

斯塔1969年論文發表後，沙普利-福克曼-斯塔的結論，在經濟理論獲廣泛應用。如此總結該結論對經濟學的意義：「假設凸性，所得的若干重要結果，在不具凸性的情況下，仍（近似）適用。例如，若經濟體具有大消費側，則偏好的非凸性不影響適用標準結果」，還稱「這些結論的一般形式的推導，是戰後經濟理論的重大成就。」

沙普利-福克曼-斯塔的結論，在經濟學各分支的文獻都經常出現，包括微观经济学、一般均衡理論、公共經濟學（包括市场失灵）、博弈论、数理经济学、經濟學中的应用数学。沙普利-福克曼-斯塔的結論，也使經濟學更多使用測度論和积分理論。

最優化理論
稱為凸，意思是圖像上方的區域為凸集。]]
沙普利-福克曼引理可以解釋，為何大規模的最小化問題，即使非凸，仍可用迭代法近似求解（僅對於凸問題，有證明疊代法收斂到最優解）。沙普利-福克曼引理，促使學者將凸優化方法，用於優化多個（無需凸的）函數之和。

舉例，二次函数f: x \mapsto x^2 為凸，而绝对值函數g: x \mapsto |x| 亦然，但正弦函數\sin （如圖）則不然，因為在區間(0, \pi) 的蓋圖非凸（而有向上的凹陷）。

加性優化問題
許多優化問題中，目標函數f 可分離變數（可分），即f 是多個函數之和，而各個函數的參數不同，如：

: f(\boldsymbol x) = f(x_1, x_2, \ldots, x_n) = \sum_n f_n(x_n).

又例如，线性规划問題就可分離變數。考慮一個可分問題，及一個最優解

: \boldsymbol x_\mathrm{min} = (x_1, x_2, \ldots, x_n)_\mathrm{min},

在該點取到最小值f(\boldsymbol x_\mathrm{min}) 。對此可分問題，同時考慮其「凸化問題」的最優解，即將每個求和項f_n 的圖像換成其凸包。此種最優解，會是凸化問題的某點列(\boldsymbol x_j, f(\boldsymbol x_j))_{j=1}^\infty 的極限，其中

: (\boldsymbol x_j, f(\boldsymbol x_j)) \in \sum_{n=1}^N \mathrm{Conv}(\mathrm{Graph}(f_n)).

當然，因為此點是N 個圖像凸包的點之和，由沙普利-福克曼引理，就可以寫成原圖像的點與少數圖像凸包的點之和。

以上分析，1974年由發表，以解釋為何可分問題有許多項時，即使各項非凸，總問題仍看似凸。對非線性最小值問題而言，對偶問題的解，不一定就是原問題的解（但若已知原問題為凸，且滿足特定条件，則兩者的的最優解相等），但是，1973年，青年數學家詫異，對已知非凸的問題使用凸問題的方法，竟然也成功。勒馬雷沙爾的問題，正是上段加性可分離變數的形式，而每個和項皆非凸函數，但對偶問題的解，仍近似原問題的最優解。埃科蘭德的分析說明，「大而可分」的最小值問題，即使各和項有凹陷，仍可運用凸優化的方法。埃科蘭德及其後的作者主張，因為變數可以加性分離，所得的總問題近似凸。該等著作以沙普利-福克曼引理為關鍵一步。沙普利-福克曼引理促使學者將凸優化方法，應用到目標函數為多個函數之和的情況。

概率與測度論
凸集常與概率论一同研究。說明，d 維空間的（非空）子集Q 凸包中的點，是取值於Q 的簡單的期望值，而所謂簡單，意思是僅在不多於d + 1 個點處有非零概率。所以，對非空集Q ，取值自Q 的簡單隨機向量組成的集合，等於Q 的凸包。由此便可在概率論中，套用沙普利-福克曼-斯塔的結果。反之，藉期望值與凸包之間的聯繫，概率論亦能用作研究凸集，尤其可用作分析沙普利-福克曼-斯塔的結果。沙普利-福克曼-斯塔的結果，廣泛用於，例如證明隨機集的大數定律、中央極限定理、。要證明前列概率極限定理，可以使用沙普利-福克曼-斯塔的結果，來避免假設隨機集為凸。

概率测度是有限的测度，而沙普利-福克曼引理還可以應用到非概率的測度論，如体积或向量测度的理論。沙普利-福克曼引理可以加強。該不等式斷言，閔氏和的體積，相較於各和項的體積不能太大，即閔氏和的體積有上界，以各和項的體積的表示。歐氏空間子集的體積，此處定義為其勒贝格测度。

高等測度論中，沙普利-福克曼引理適用於證明李亞普諾夫定理，即向量测度的值域為凸。值域（或像集）是函數所有可能取值的集合，而向量測度則將測度推廣到允許取向量值。例如，若某测度空間有兩種概率测度p_1 和p_2 ，則可定義一個向量測度(p_1, p_2) ，是對每個事件\omega ，將其兩個概率結合為一個二元組，即

: (p_1, p_2) (\omega) = (p_1(\omega), p_2(\omega)).

李亞普諾夫定理在經濟學、(砰砰)控制論、皆有應用。李亞普諾夫定理是沙普利-福克曼引理的連續版，而沙普利-福克曼引理是李亞普諾夫定理的離散類比。

註
參考文獻
*
*
*
*
*
*
*
*
*
*

• 1970年() Princeton Mathematical Series 28的重印版。

*
*
*
*

外部鏈結
*
*
*