线性规划问题的几何意义
线性规划问题的几何意义
1. 凸集(凸包)
设 \(S\) 为 \(n\) 维空间一点集,若 \(\forall \mathbf{X_i},\mathbf{X_j} \in S,s.t.\mu \mathbf{X_i}+(1- \mu) \mathbf{X_j} \in S(0 \le \mu \le 1)\),则称 \(S\) 为凸集(凸包)。
2.线性规划问题的可行域
定义线性规划问题的可行域 \(D=\{ \mathbf{X} | \sum\limits_{j=1}^n \mathbf{P}_j x_j= \mathbf{b},x_j \ge 0 \}\)
定理1.1:若线性规划问题存在可行域,则其可行域是凸集。
证明:
设 \(\forall \mathbf{X_i},\mathbf{X_j} \in D,\mathbf{X_i}\ne \mathbf{X_j}\),令 \(\mathbf{X}=\mu \mathbf{X_i}+(1- \mu) \mathbf{X_j}(0 \le \mu \le 1)\)
记 \(\mathbf{X}\) 的每一分量为 \(x_k\),代入约束条件得
\(\therefore \mathbf{X} \in D\)
\(\therefore D\) 是凸集
定理1.2: 若线性规划问题可行域存在且有界,则目标函数一定可以在其可行域的顶点上达到最优。
证明:
假设在 \(\mathbf{X}=\mathbf{u}\) 处取得最优解而其不在 \(D\) 的顶点上。
由定理1.1得,此时必然存在 \(\mathbf{v}\) 和一实数 \(\lambda >0 \space s.t. \mathbf{u}+\lambda \mathbf{v},\mathbf{u}-\lambda \mathbf{v} \in D\),这相当于把 \(\mathbf{u}\) 在 \(D\) 内任意移动。
当 \(\mathbf{X}= \mathbf{u}\) 时,\(z= \mathbf{Cu}\);而移动后 \(z'= \mathbf{Cu} \pm \lambda(\mathbf{Cv})\),显然必有一个 \(z' \ge z\)。重复执行以上步骤,总可以把 \(\mathbf{u}\) 移动至顶点处取得最优。