线性规划——对偶问题的对偶问题

原对偶问题

$$\begin{gathered} \underset{y}{\max }{b}^{T}y \\ s.t.A^{T}y+s=c \\ s\ge 0\text{\hspace{1em}(2)} \end{gathered}$$
$A\in {\mathbb{R}}^{m\times n},s\in {\mathbb{R}}^n,y\in {\mathbb{R}}^m$

等价问题：
$$\begin{gathered} \underset{y}{\min }-b^{T}y \\ s.t.A^{T}y+s=c \\ s\ge 0\text{\hspace{1em}(2)} \end{gathered}$$
对偶问题的推导参见博文《线性规划——对偶问题的推导》。

---

引入拉格朗日函数：$$L(x,y,s)=-b^{T}y+x^T(A^{T}y+s-c)$$
g ( x ) ≜ inf ⁡ y , s L ( x , y , s ) = inf ⁡ y , s { − c T x + ( A x − b ) T y + x T s } = − c T x + inf ⁡ y ( A T x − b ) T y + inf ⁡ s x T s g(x) \triangleq \inf_{y,s}L(x,y,s) \\= \inf_{y,s} \{-c^Tx +(Ax-b)^Ty +x^Ts\} \\=-c^Tx +\inf_y(A^Tx-b)^Ty +\inf_sx^Ts g(x)≜y,sinf​L(x,y,s)=y,sinf​{−cTx+(Ax−b)Ty+xTs}=−cTx+yinf​(ATx−b)Ty+sinf​xTs

分开来看，
$$\begin{gathered} \underset{y}{\inf }(Ax-b{)}^{T}y \\ =\{\begin{array}{lr}0,Ax-b=0& \\ -\infty ,otherwise& \end{array} \end{gathered}$$
$$\begin{gathered} \underset{s}{\inf }{x}^{T}s \\ =\{\begin{array}{lr}0,z\ge 0& \\ -\infty ,otherwise& \end{array} \end{gathered}$$
显然，最大化 $g(x)$ 只有在其有下界时有意义。因此得到约束条件：$Ax-b=0,z\ge 0。$
原对偶问题的对偶问题为：$$\begin{gathered} maximize-c^{T}x \\ s.t.Ax-b=0 \\ z\ge 0 \end{gathered}$$等价于$$\begin{gathered} minimize{c}^{T}x \\ s.t.Ax-b=0 \\ z\ge 0 \end{gathered}$$即为线性规划的标准形式。
得出结论： 线性规划的对偶问题的对偶问题是原问题。