【最优化理论】为什么要考虑线性规划中的对偶问题？

如图，两个问题分别从左右两侧逼近最优值。
如果原问题是求目标函数最小化，那么对偶问题就是在寻找原问题目标函数的下界。
如果原问题是求目标函数最大化，那么对偶问题就是在寻找原问题目标函数的上界。

哪些情况下，考虑对偶问题有助于求解原问题？

1.原问题约束多、变量少时，求解对偶问题能够降低计算时间
使用单纯形法时，如果原问题约束多变量少，转换成对偶问题，就是约束少变量多。回顾单纯形法的原理，约束的减少能够有效降低计算时间。
2.帮助证明原问题无解
类似“证明无罪比证明有罪更难”，要证明原问题有解，只需要找出一个满足约束的点；却不能通过遍历所有的点来证明原问题无解。对偶问题的出现为证明原问题无解提供了思路，具体的方法在Farkas lemma部分展开说明。
3.便于进行敏感度分析
很多时候我们对原问题的好奇心并不仅限于得到最优解，而是还关注「如果某些已知条件发生变化，对最优解的影响程度如何」，这就是敏感度分析。

对偶问题和敏感性分析息息相关。
一是增加敏感度分析的直观程度（例如，对偶问题的最优解就是原问题约束的影子价格）。
二是在改变某些条件导致原问题无可行解时，可以借助仍然有可行解的对偶问题来分析。

影子价格名词解释：
影子价格是用来表示某