方述诚-线性规划-LECTURE 3: GEOMETRY OF LP

一、Terminologies术语（统一）

feasible domain 可行域
bound feasible domain 有界可行域

二、Background knowledge

1、一个等式就是一个超平面

2、理解一个等式的几何意义
举例，二维平面，x1-2x2=30

3、超平面的性质
性质一：法向量和任意的超平面都垂直

性质二：法向量指向upper空间，－法向量指向lower空间，往-法向量方向走，可以最小化目标函数。

性质三：如果可行域是标准LP形式，则P就是一个多边形集polyhedral set

性质四：如果约束函数，在可行域或者多边形中的所有的点都满足-cx<=b，然后目标函数cx>=x，那么集合x就是目标函数的解，其中，集合x在几何中也代表多边形P（也是一个超平面）与超平面H的交集（两个超平面的交集只有点、线、面）就是

举个例子：

三、Graphic method

在讲解几何之前，先引入一些先验知识：

仿射组合是一条直线；椎型组合像椎；线性组合是一条线段，如图所示：

然后引入仿射集合，凸集合，椎集合的概念：
某某集合里的两个点连成的直线还在该集合中，就叫做某某集合。

然后是仿射集合，凸集合，椎集合的几何意义：
第二个明显不是凸集合，因为两点连城的直线并不在该多边形内部。

所以就顺着引出可行域的特性：
可行域是多边形集，凸集，是m个超平面与第一象限的椎的交集。


区分里面的点和边界的点：

边界点的特殊之处：一点撑起整个多边形

背景知识：极点：可以撑起所有点的一个点，也就是顶点，当然，曲边的任意一点都是极点。

极点的几何意义：极点就是顶点。极点可以撑起整个多边形。

极点就是顶点，辣么极点就是可行解。举个例子来帮助理解：
从x1，x2，x3，x4中分别令两个决策变量为0，会有c42=6种结果，但是该例子中2个结果在一象限之外，排除，剩下四个结果就是这个多边形的四个点。

我们可以通过图观察到，1、约束函数中的决策变量个数4-约束函数中的方程个数2=2个决策变量为0，则为多边形的顶点。2、一个决策变量为0，则为多边形的边。3、没有决策变量为0，则为内点。

从上图所观察：

4个列中的任意两列都是线性无关的。

寻找极点：理论+证明
理论：x中正分量所对应的A的列是线性无关的，即x的正分量个数=A的列张成的空间数=A的列线性无关的个数。

证x正分量所对应的A的列是线性无关。
必要性，如果A的列线性相关：充分性，如果X不是极点。
其中，线性无关，存在非零组合，使得Aw=0

如果x不是极点，辣么它一定可以处于两个点之间。

以上是几何意义，现在引入代数式子来证明：
我们知道n个变量，m个方程；辣么，把n划分为m和n-m，这样m个变量m个方程就能有解，称为XB，剩余n-m置为0，称为XN.
引入基解和基可行解的概念。
其中，基解个数为Cnm，当XB>=0,则为基可行解。

举例子来辅助理解：
可以看到bs有c42=6个，但是有4个bf>=0，则bfs有4个。

2点推理：
1、极点就是bfs
2、多边形P的极点个数有限

有界可行域中任意一点由极点表示：从几何图中，可以观察到P中任意一点可由一些极点凸组合而成，极点的重要之处，就彰显出来。从下面这幅中，y由极点v3和v4表示，x由极点v2和y表示，即x可由极点v2，v3，v4表示。

无界可行域中任意一点由极点+sd表示：如果可行域P是无界的，辣么P中任意一点又该由极点如何表示呢？这时候需要一个方法向量d，d代表无穷小，x=x‘+sd，s>=0，x’这个点越往d方向走，x就越无穷，但x仍然属于P，这就是代数代表几何意义。这个d就是极方向。极方向的特性：Ad=0 同时 d>=0。

综合一下，极点集合V，极点个数I，极方向d，来表示可行域P中任意一点。我们可以知道，1、所有极点前面参数之和为1；2、d=0代表可行域是多边形即有界，d为P的极方向代表可行域无界。

再次总结，与上面雷同：

四、Fundamental theorem of LP

理论：对于一个标准形式的线性规划，如果它的可行域P不为空（这代表有可行解），然后目标函数的最优解要么沿着无界一直走到无穷，要么至少包含P中任意一个极点。
代数证明：用代数分别描述可行域无界和有界，然后再推理证明最小化的z至少包含一个极点。