单源最短路径： 差分约束和最短路径

在本书的29章会介绍通用的线性规划问题，即在满足一组线性不等式的条件下优化一个线性函数。而本节中所介绍的线性规划则是一种特例，可被归类在单源最短路径问题中。并可调用Bellman_Ford算法解决该问题。

在此之前，先介绍何为线性规划。

线性规划: 在一般的线性规划中，对于不等式 Ax ≤ b，我们给定的常量有：

 A ： 一个 m×n 的矩阵； b：一个m维向量； c：一个n为向量。

其中 k 维向量即代表 k 行 1 列的矩阵，即书上的列向量。

（笔者注：对于不了解矩阵的同学，我们可以当作一个由 m 个不等式， n 个未知量组成的不等式组，其中，矩阵A为方程组的系数，b为位于右侧的常量数，若皆为0，则为齐次线性方程组，否则为非齐次。）
在某些时刻，我们仅需要找到一个满足不等式组的解，或者，判定解存在与否。以下将根据此进行讨论。

差分约束系统：

（笔者注：关于差分的概念，可以在百度上寻得，俺之前也不清楚相关概念，不过相应的百度百科给出了详细的解释：差分（difference）又名差分函数或差分运算，差分的结果反映了离散量之间的一种变化，是研究离散数学的一种工具。它将原函数f(x) 映射到f(x+a)-f(x+b) ，其中映射的这个过程就是差分。差分运算，相应于微分运算，是微积分中重要的一个概念。总而言之&