标准形式
min
c
x
s
.
t
.
A
x
=
b
x
≥
0
\begin{aligned} \min \quad &\bf{cx} \\ s.t. \quad &\bf{Ax}=\bf{b}\\ &x\ge0 \end{aligned}
mins.t.cxAx=bx≥0
其中
A
A
A是
m
×
n
m\times n
m×n矩阵,
c
c
c是
n
n
n维行向量,
b
b
b是
m
m
m维列向量。
最优极点
- 如果线性规划存在最优解,那么最优解一定会在某个极点上达到。
最优基本可行解
假设 A A A的秩是m,又假设 A = [ B , N ] A=[B,N] A=[B,N],其中 B B B是m阶可逆矩阵。
为什么A的秩是m?
令
(
B
,
N
)
[
x
B
x
N
]
=
b
(B,N)\begin{bmatrix} x_B \\x_N\end{bmatrix}= b
(B,N)[xBxN]=b
经过运算得到
x
=
B
−
1
b
−
B
−
1
N
x
N
x=B^{-1}b-B^{-1}Nx_N
x=B−1b−B−1NxN
那么
x
N
x_N
xN就是自由项,简单起见可以设为
0
0
0向量。得到基本可行解:
x
=
[
x
B
x
N
]
=
[
B
−
1
b
0
]
x=\begin{bmatrix}x_B \\x_N\end{bmatrix}=\begin{bmatrix}B^{-1}b \\ 0 \end{bmatrix}
x=[xBxN]=[B−1b0]
称 B B B为基矩阵,简称基; x B x_B xB为基变量。