$\def\abl#1#2{\frac{\partial #1}{\partial #2}}\def\d{\textrm{d}}$ $\def\vp{\textbf{p}}\def\vx{\textbf{x}}\def\vO{\textbf{0}}$ $\def\T{^{\textsf{T}}}$ $\def\cL{\mathcal{L}}$

Wolds Theorem (Beweis)

Falls die Nutzenfunktion u(x) über die (normierte) indirekte Nutzenfunktion $\tilde v(\tilde\vp)$ mit $\tilde\vp=\vp/y$ ermittelt wird (vgl. hier), d.h. \[ u(\vx) = \min_{\tilde\vp} \left\{ v(\tilde\vp)\ |\ \tilde\vp\T\vx\leq 1\right\} \] dann lautet die zugehörige Lagrange-Funktion \[ \cL(\tilde\vp, \lambda) = v(\tilde\vp) + \lambda\ (\tilde\vp\T\vx\ - 1). \] Im Optimum mit $\tilde\vp^*=\vp^W(\vx)$ und $\lambda^*=\lambda(\vx)$ gilt für die Nutzenfunktion u(x) (optimum value function): \[ u(\vx)=\cL( \tilde\vp^*, \lambda^* ) = v( \vp^W(\vx) ) + \lambda(\vx) \left[ \vp^W(\vx)\T\vx\ - 1 \right]. \] Der Umhüllenden-Satz besagt \[ \abl{\cL(\tilde\vp^*, \lambda^*)}{x_j} =\abl{u(\vx)}{x_j} = - \lambda(\vx) p_j^W(\vx), \qquad j=1,\ldots,n \] Summiert man diese Gleichungen nach Multiplikation mit $x_j$, so folgt \[ \sum_j \abl{u(\vx)}{x_j} x_j = \sum_j - \lambda(\vx) p_j^W(\vx) x_j = - \lambda(\vx) \sum_j \tilde p_j^* x_j = - \lambda(\vx) \] Damit egeben sich die Woldschen Preise als \[ p_j^W(\vx)=\frac{\abl{u(\vx)}{x_j}} {\sum_k\abl{u(\vx)}{x_k} x_k}\qquad j=1,...,n \]
$\to$ zurück