生产理论：利润最大化、利润函数与霍特林引理 (Hotelling’s Lemma)

从无约束利润最大化到产品供给与无条件要素需求

生产理论

利润函数

Python可视化

基于包络定理证明霍特林引理，分析利润函数凸性与供给法则，理清条件与无条件要素需求。

作者

Shawn

Gemini 3.7 Flash

发布于

2026年8月27日

本文依据 Muñoz-Garcia《Advanced Microeconomic Theory》第 4 章（生产理论：利润最大化）及配套课程讲义撰写，属于微观经济学专栏的生产理论模块。阅读前建议先阅读成本侧的成本最小化与等产量线切点。

本讲核心目标

掌握竞争性厂商的利润最大化问题（PMP）与其值函数——利润函数 $\pi(p, w)$；
熟练运用包络定理推导霍特林引理（Hotelling’s Lemma），从利润函数直接求出供给函数 $y(p, w)$ 与无条件要素需求 $z(p, w)$；
理解利润函数的凸性（Convexity in prices）以及供给法则（Law of Supply）的严格数学来源；
理清条件要素需求 $z^c(w, q)$（成本侧，产出固定）与无条件要素需求 $z(p, w)$（利润侧，产出内生）的逻辑联系。

利润最大化问题（PMP）与利润函数

在价格接受的市场环境下，厂商面对产出价格 $p > 0$ 和要素价格向量 $w \gg 0$，选择产出 $y$ 和投入向量 $z$ 以最大化经济利润：

\[\max_{z \ge 0} \pi = p \cdot f(z) - w \cdot z \quad \Longrightarrow \quad \pi(p, w)\]

其中 $\pi(p, w)$ 称为利润函数。注意与成本最小化（CMP）的区别：在 PMP 中，产出水平 $y = f(z)$ 不再是外生给定的目标，而是由厂商自主内生决策的变量。

一阶条件（假设内点解）：

\[p \frac{\partial f(z^*)}{\partial z_i} = w_i \quad \Longleftrightarrow \quad VMP_i(z^*) = w_i\]

即要素的边际产值（Value of Marginal Product, VMP）必须等于该要素的市场价格。

霍特林引理：包络定理在利润侧的威力

与消费者理论中需要构造拉格朗日函数不同，PMP 是一个无约束最优化问题（若已将 $y=f(z)$ 代入）。由包络定理可直接得到微观经济学中最优雅的恒等式之一——霍特林引理（Hotelling’s Lemma）。

定理：霍特林引理 (Hotelling’s Lemma)

若生产集是严格凸的且生产函数二阶连续可微，则利润函数 $\pi(p, w)$ 在 $(p, w) \gg 0$ 处连续可微，且：

对产出价格求偏导，直接得到产出供给函数： \[\frac{\partial \pi(p, w)}{\partial p} = y(p, w)\]
对第 $i$ 种要素价格求偏导，直接得到无条件要素需求函数的相反数： \[\frac{\partial \pi(p, w)}{\partial w_i} = -z_i(p, w)\]

🔍 点击查看数学证明（利用包络定理）

定义目标函数 $g(z; p, w) = p \cdot f(z) - w \cdot z$。

设最优要素选择为 $z^*(p, w)$，则最大利润为 $\pi(p, w) = g\big(z^*(p, w); p, w\big)$。

根据无约束包络定理，价值函数关于外生参数的导数，等于目标函数在最优解处对参数的偏导数（所有内生变量 $z$ 的间接变动效应 $\nabla_z g \cdot \frac{\partial z^*}{\partial p}$ 由一阶条件 $\nabla_z g = 0$ 精确消去！）：

\[\frac{\partial \pi(p, w)}{\partial p} = \left. \frac{\partial g}{\partial p} \right|_{z=z^*} = f(z^*) = y(p, w)\]

\[\frac{\partial \pi(p, w)}{\partial w_i} = \left. \frac{\partial g}{\partial w_i} \right|_{z=z^*} = -z_i^* = -z_i(p, w) \quad \blacksquare\]

利润函数的凸性与供给法则

利润函数 $\pi(p, w)$ 具有极其关键的数学性质：它关于价格向量 $(p, w)$ 是凸函数（Convex）。

其经济学直觉非常深刻： - 设想厂商是“笨拙”的——当价格变动时它完全不调整生产方案，则利润将随着价格变动呈现一条纯线性的切线； - 实际上厂商是“理性”的——当产出价格上升时它会增产、要素涨价时它会替代减用。这种主动适应能力使真实利润永远位于切线之上，从而使利润函数向上弯曲成凸函数！

由凸函数的二阶导数非负性，立即导出了微观经济学著名的供给法则（Law of Supply）与要素需求下倾：

\[\frac{\partial^2 \pi}{\partial p^2} = \frac{\partial y(p, w)}{\partial p} \ge 0 \quad \text{（供给曲线必然向上倾斜）}\]

\[\frac{\partial^2 \pi}{\partial w_i^2} = -\frac{\partial z_i(p, w)}{\partial w_i} \ge 0 \quad \Longrightarrow \quad \frac{\partial z_i(p, w)}{\partial w_i} \le 0 \quad \text{（无条件要素需求必然向下倾斜）}\]

Python 可视化：单要素生产下的利润函数与供给曲线

设短期生产函数为递减报酬形式 $f(z) = z^{0.5}$（劳动力 $z$），工资为 $w = 2$。

利润最大化：$\max_z p z^{0.5} - 2 z \Longrightarrow z^*(p) = \frac{p^2}{16}$；
供给函数：$y(p) = \sqrt{z^*(p)} = \frac{p}{4}$；
利润函数：$\pi(p) = p \cdot \frac{p}{4} - 2 \cdot \frac{p^2}{16} = \frac{p^2}{8}$。
霍特林引理验证：$\frac{\partial \pi}{\partial p} = \frac{2p}{8} = \frac{p}{4} = y(p)$。

▷ 展开 / 收起代码

import numpy as np
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['Microsoft YaHei', 'SimHei', 'PingFang SC', 'Noto Sans CJK SC', 'DejaVu Sans']
plt.rcParams['axes.unicode_minus'] = False

p_grid = np.linspace(0.5, 8, 200)

# 解析函数
profit = (p_grid ** 2) / 8.0
supply = p_grid / 4.0

plt.style.use('seaborn-v0_8-whitegrid' if 'seaborn-v0_8-whitegrid' in plt.style.available else 'default')
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(11, 4.8), dpi=150)

# 左图：利润函数凸性与切线
p0 = 4.0
profit_p0 = (p0 ** 2) / 8.0
slope_p0 = p0 / 4.0  # 切线斜率 = 供给量 y(4) = 1.0
tangent = profit_p0 + slope_p0 * (p_grid - p0)

ax1.plot(p_grid, profit, label=r'Profit Function $\pi(p) = p^2/8$ (Convex)', color='#1e3a8a', linewidth=2.5)
ax1.plot(p_grid, tangent, label=rf'Tangent at $p_0=4$ (Slope $y^*={slope_p0:.1f}$)', color='#f59e0b', linestyle='--', linewidth=1.8)
ax1.scatter([p0], [profit_p0], color='#ef4444', s=90, zorder=5, label=f'Point ({p0:.0f}, {profit_p0:.1f})')
ax1.set_xlim(0, 8)
ax1.set_ylim(0, 9)
ax1.set_xlabel('Price $p$', fontsize=11)
ax1.set_ylabel(r'Max Profit $\pi(p)$', fontsize=11)
ax1.set_title(r'Convexity of Profit Function ($\partial\pi/\partial p = y$)', fontsize=12, fontweight='bold')
ax1.legend(loc='upper left', frameon=True)

# 右图：供给曲线向上倾斜
ax2.plot(p_grid, supply, label=r'Supply Function $y(p) = \partial\pi/\partial p = p/4$', color='#10b981', linewidth=2.5)
ax2.scatter([p0], [slope_p0], color='#ef4444', s=90, zorder=5, label=f'Output $y^*={slope_p0:.1f}$')
ax2.set_xlim(0, 8)
ax2.set_ylim(0, 2.5)
ax2.set_xlabel('Price $p$', fontsize=11)
ax2.set_ylabel('Output Quantity $y$', fontsize=11)
ax2.set_title(r"Supply Function from Hotelling's Lemma", fontsize=12, fontweight='bold')
ax2.legend(loc='upper left', frameon=True)

plt.tight_layout()
plt.show()

总结与对偶全景图

至此，微观经济学四大对偶引理与恒等式全部闭环：

理论领域	原生最优化问题	价值函数	核心包络引理	经济学含义
消费者理论	效用最大化 (UMP)	间接效用 $v(p, w)$	罗伊恒等式	$-\frac{\partial v/\partial p_i}{\partial v/\partial w} = x_i(p,w)$
消费者理论	支出最小化 (EMP)	支出函数 $e(p, u)$	谢泼德引理	$\frac{\partial e}{\partial p_i} = h_i(p,u)$
生产者理论	成本最小化 (CMP)	成本函数 $c(w, q)$	谢泼德引理	$\frac{\partial c}{\partial w_i} = z_i^c(w,q)$
生产者理论	利润最大化 (PMP)	利润函数 $\pi(p, w)$	霍特林引理	$\frac{\partial \pi}{\partial p} = y(p,w), \frac{\partial \pi}{\partial w_i} = -z_i(p,w)$

延伸阅读： - 消费者理论对偶性与罗伊恒等式 - 价格变化的解剖：斯勒茨基分解 - 成本最小化：等产量线与等成本线的切点

🤖 AI 助教「乐高」

看完推导还有疑惑？直接向 AI 助教「乐高」提问——它基于本站课程讲义回答，公式用 LaTeX 排版，回答附带讲义溯源。可以试试：

为什么规模报酬不变（CRS）技术下，完全竞争厂商的利润函数会退化为 $\pi(p, w) = 0$（当 $p \le c$）或 $\infty$（当 $p > c$）？
请解释为什么利润函数的凸性天然排除了向后弯曲的供给曲线。
条件要素需求 $z^c(w, q)$ 与无条件要素需求 $z(p, w)$ 之间通过什么方程互相转换？

--- title: "生产理论：利润最大化、利润函数与霍特林引理 (Hotelling's Lemma)" subtitle: "从无约束利润最大化到产品供给与无条件要素需求" description: "基于包络定理证明霍特林引理，分析利润函数凸性与供给法则，理清条件与无条件要素需求。" date: "2026-08-27" author: [Shawn, "Gemini 3.7 Flash"] categories: [生产理论, 利润函数, Python可视化] toc: true code-tools: true --- > 本文依据 Muñoz-Garcia《Advanced Microeconomic Theory》第 4 章（生产理论：利润最大化）及配套课程讲义撰写，属于[微观经济学](index.qmd)专栏的生产理论模块。阅读前建议先阅读成本侧的[成本最小化与等产量线切点](cost-minimization.qmd)。 ::: {.callout-note} ### 本讲核心目标 1. 掌握竞争性厂商的**利润最大化问题（PMP）**与其值函数——**利润函数 $\pi(p, w)$**； 2. 熟练运用包络定理推导**霍特林引理（Hotelling's Lemma）**，从利润函数直接求出供给函数 $y(p, w)$ 与无条件要素需求 $z(p, w)$； 3. 理解利润函数的凸性（Convexity in prices）以及供给法则（Law of Supply）的严格数学来源； 4. 理清条件要素需求 $z^c(w, q)$（成本侧，产出固定）与无条件要素需求 $z(p, w)$（利润侧，产出内生）的逻辑联系。 ::: ## 利润最大化问题（PMP）与利润函数在价格接受的市场环境下，厂商面对产出价格 $p > 0$ 和要素价格向量 $w \gg 0$，选择产出 $y$ 和投入向量 $z$ 以最大化经济利润： $$\max_{z \ge 0} \pi = p \cdot f(z) - w \cdot z \quad \Longrightarrow \quad \pi(p, w)$$ 其中 $\pi(p, w)$ 称为**利润函数**。注意与成本最小化（CMP）的区别：在 PMP 中，产出水平 $y = f(z)$ 不再是外生给定的目标，而是由厂商自主内生决策的变量。一阶条件（假设内点解）： $$p \frac{\partial f(z^*)}{\partial z_i} = w_i \quad \Longleftrightarrow \quad VMP_i(z^*) = w_i$$ 即**要素的边际产值（Value of Marginal Product, VMP）必须等于该要素的市场价格**。 --- ## 霍特林引理：包络定理在利润侧的威力与消费者理论中需要构造拉格朗日函数不同，PMP 是一个无约束最优化问题（若已将 $y=f(z)$ 代入）。由包络定理可直接得到微观经济学中最优雅的恒等式之一——**霍特林引理（Hotelling's Lemma）**。 ::: {.callout-important} ### 定理：霍特林引理 (Hotelling's Lemma) 若生产集是严格凸的且生产函数二阶连续可微，则利润函数 $\pi(p, w)$ 在 $(p, w) \gg 0$ 处连续可微，且： 1. **对产出价格求偏导，直接得到产出供给函数**： $$\frac{\partial \pi(p, w)}{\partial p} = y(p, w)$$ 2. **对第 $i$ 种要素价格求偏导，直接得到无条件要素需求函数的相反数**： $$\frac{\partial \pi(p, w)}{\partial w_i} = -z_i(p, w)$$ ::: ::: {.callout-tip collapse="true"} ### 🔍 点击查看数学证明（利用包络定理）定义目标函数 $g(z; p, w) = p \cdot f(z) - w \cdot z$。设最优要素选择为 $z^*(p, w)$，则最大利润为 $\pi(p, w) = g\big(z^*(p, w); p, w\big)$。根据无约束包络定理，价值函数关于外生参数的导数，等于目标函数在最优解处对参数的偏导数（所有内生变量 $z$ 的间接变动效应 $\nabla_z g \cdot \frac{\partial z^*}{\partial p}$ 由一阶条件 $\nabla_z g = 0$ 精确消去！）： $$\frac{\partial \pi(p, w)}{\partial p} = \left. \frac{\partial g}{\partial p} \right|_{z=z^*} = f(z^*) = y(p, w)$$ $$\frac{\partial \pi(p, w)}{\partial w_i} = \left. \frac{\partial g}{\partial w_i} \right|_{z=z^*} = -z_i^* = -z_i(p, w) \quad \blacksquare$$ ::: --- ## 利润函数的凸性与供给法则利润函数 $\pi(p, w)$ 具有极其关键的数学性质：它关于价格向量 $(p, w)$ 是**凸函数（Convex）**。其经济学直觉非常深刻： - 设想厂商是“笨拙”的——当价格变动时它完全不调整生产方案，则利润将随着价格变动呈现一条**纯线性的切线**； - 实际上厂商是“理性”的——当产出价格上升时它会增产、要素涨价时它会替代减用。这种**主动适应能力使真实利润永远位于切线之上**，从而使利润函数向上弯曲成凸函数！由凸函数的二阶导数非负性，立即导出了微观经济学著名的**供给法则（Law of Supply）**与**要素需求下倾**： $$\frac{\partial^2 \pi}{\partial p^2} = \frac{\partial y(p, w)}{\partial p} \ge 0 \quad \text{（供给曲线必然向上倾斜）}$$ $$\frac{\partial^2 \pi}{\partial w_i^2} = -\frac{\partial z_i(p, w)}{\partial w_i} \ge 0 \quad \Longrightarrow \quad \frac{\partial z_i(p, w)}{\partial w_i} \le 0 \quad \text{（无条件要素需求必然向下倾斜）}$$ --- ## Python 可视化：单要素生产下的利润函数与供给曲线设短期生产函数为递减报酬形式 $f(z) = z^{0.5}$（劳动力 $z$），工资为 $w = 2$。 - 利润最大化：$\max_z p z^{0.5} - 2 z \Longrightarrow z^*(p) = \frac{p^2}{16}$； - 供给函数：$y(p) = \sqrt{z^*(p)} = \frac{p}{4}$； - 利润函数：$\pi(p) = p \cdot \frac{p}{4} - 2 \cdot \frac{p^2}{16} = \frac{p^2}{8}$。 - 霍特林引理验证：$\frac{\partial \pi}{\partial p} = \frac{2p}{8} = \frac{p}{4} = y(p)$。 ```{python} #| label: fig-profit-hotelling #| fig-cap: "利润函数的凸性与霍特林引理导出的供给曲线" #| code-fold: show import numpy as np import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['Microsoft YaHei', 'SimHei', 'PingFang SC', 'Noto Sans CJK SC', 'DejaVu Sans'] plt.rcParams['axes.unicode_minus'] = False p_grid = np.linspace(0.5, 8, 200) # 解析函数 profit = (p_grid ** 2) / 8.0 supply = p_grid / 4.0 plt.style.use('seaborn-v0_8-whitegrid' if 'seaborn-v0_8-whitegrid' in plt.style.available else 'default') fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(11, 4.8), dpi=150) # 左图：利润函数凸性与切线 p0 = 4.0 profit_p0 = (p0 ** 2) / 8.0 slope_p0 = p0 / 4.0 # 切线斜率 = 供给量 y(4) = 1.0 tangent = profit_p0 + slope_p0 * (p_grid - p0) ax1.plot(p_grid, profit, label=r'Profit Function $\pi(p) = p^2/8$ (Convex)', color='#1e3a8a', linewidth=2.5) ax1.plot(p_grid, tangent, label=rf'Tangent at $p_0=4$ (Slope $y^*={slope_p0:.1f}$)', color='#f59e0b', linestyle='--', linewidth=1.8) ax1.scatter([p0], [profit_p0], color='#ef4444', s=90, zorder=5, label=f'Point ({p0:.0f}, {profit_p0:.1f})') ax1.set_xlim(0, 8) ax1.set_ylim(0, 9) ax1.set_xlabel('Price $p$', fontsize=11) ax1.set_ylabel(r'Max Profit $\pi(p)$', fontsize=11) ax1.set_title(r'Convexity of Profit Function ($\partial\pi/\partial p = y$)', fontsize=12, fontweight='bold') ax1.legend(loc='upper left', frameon=True) # 右图：供给曲线向上倾斜 ax2.plot(p_grid, supply, label=r'Supply Function $y(p) = \partial\pi/\partial p = p/4$', color='#10b981', linewidth=2.5) ax2.scatter([p0], [slope_p0], color='#ef4444', s=90, zorder=5, label=f'Output $y^*={slope_p0:.1f}$') ax2.set_xlim(0, 8) ax2.set_ylim(0, 2.5) ax2.set_xlabel('Price $p$', fontsize=11) ax2.set_ylabel('Output Quantity $y$', fontsize=11) ax2.set_title(r"Supply Function from Hotelling's Lemma", fontsize=12, fontweight='bold') ax2.legend(loc='upper left', frameon=True) plt.tight_layout() plt.show() ``` --- ## 总结与对偶全景图至此，微观经济学四大对偶引理与恒等式全部闭环： | 理论领域 | 原生最优化问题 | 价值函数 | 核心包络引理 | 经济学含义 | |---|---|---|---|---| | **消费者理论** | 效用最大化 (UMP) | 间接效用 $v(p, w)$ | **罗伊恒等式** | $-\frac{\partial v/\partial p_i}{\partial v/\partial w} = x_i(p,w)$ | | **消费者理论** | 支出最小化 (EMP) | 支出函数 $e(p, u)$ | **谢泼德引理** | $\frac{\partial e}{\partial p_i} = h_i(p,u)$ | | **生产者理论** | 成本最小化 (CMP) | 成本函数 $c(w, q)$ | **谢泼德引理** | $\frac{\partial c}{\partial w_i} = z_i^c(w,q)$ | | **生产者理论** | 利润最大化 (PMP) | 利润函数 $\pi(p, w)$ | **霍特林引理** | $\frac{\partial \pi}{\partial p} = y(p,w), \frac{\partial \pi}{\partial w_i} = -z_i(p,w)$ | 延伸阅读： - [消费者理论对偶性与罗伊恒等式](duality.qmd) - [价格变化的解剖：斯勒茨基分解](slutsky-decomposition.qmd) - [成本最小化：等产量线与等成本线的切点](cost-minimization.qmd) ::: {.ai-entry .callout} ### 🤖 AI 助教「乐高」看完推导还有疑惑？直接向 AI 助教「乐高」提问——它基于本站课程讲义回答，公式用 LaTeX 排版，回答附带讲义溯源。可以试试： - 为什么规模报酬不变（CRS）技术下，完全竞争厂商的利润函数会退化为 $\pi(p, w) = 0$（当 $p \le c$）或 $\infty$（当 $p > c$）？ - 请解释为什么利润函数的凸性天然排除了向后弯曲的供给曲线。 - 条件要素需求 $z^c(w, q)$ 与无条件要素需求 $z(p, w)$ 之间通过什么方程互相转换？ <div class="ai-tutor-mount"></div> <noscript>启用 JavaScript 后可与 AI 助教「乐高」对话。</noscript> :::