12、线性规划、矩阵博弈与凸分析：理论与应用

线性规划、矩阵博弈与凸分析：理论与应用

1. 线性规划基础

线性规划在优化问题中有着广泛的应用。首先来看一个重要的定理：

定理 5.8 ：若向量对 (x \in F)，(y \in G) 满足以下条件，则为最优解。
- 当 ((Ax)_i > b_i) 时，(y_i = 0) （式 5.59）
- 当 ((A^T y)_j < c_j) 时，(x_j = 0) （式 5.60）

证明思路 ：
由于 (y \geq 0)，(Ax \geq b) 以及式 5.59，可得 (b \cdot y = Ax \cdot y)（式 5.61）；又因为 (x \geq 0)，(A^T y \leq c) 以及式 5.60，有 (c \cdot x = Ax \cdot y)（式 5.62）。而定理 5.7 的证明保证了若 (y \cdot b = c \cdot x)，则 (x \in F) 和 (y \in G) 为最优解，由式 5.61 和式 5.62 可推出该等式。

示例问题 ：考虑最小化 (x_1 + x_2) 的问题，约束条件为 (x_1 \geq 0)，(x_2 \geq 0)，(2x_1 \geq 3)，(x_1 + 3x_2 \geq 12)。我们需要给出其对偶问题，并使用单纯形法求解，最后验证两个问题具有相同的值。

操作步骤如下：
1. 写出原问题的矩阵形式 ：将约束条件转化为矩阵不等式和等式形式。
2. 根