2.2线性规划的对偶定理.pptVIP

2.2 线性规划的对偶定理 2.2.1 弱对偶定理 定理 对偶问题(min)的任何可行解Y0，其目标函数值总是不小于原问题(max)任何可行解X0的目标函数值 弱对偶定理推论 max问题的任何可行解目标函数值是其对偶min问题目标函数值的下限； min问题的任何可行解目标函数值是其对偶max问题目标函数值的上限 如果原max(min)问题为无界解，则其对偶 min (max)问题无可行解 如果原max(min)问题有可行解，其对偶 min (max)问题无可行解，则原问题为无界解 注：有可能存在原问题和对偶问题同时无可行解的情况 2.2.2 最优解判别定理 定理 若原问题的某个可行解X0的目标函数值与对偶问题某个可行解Y0的目标函数值相等，则X0, Y0分别是相应问题的最优解 证：由弱对偶定理推论1，结论是显然的。 即CX0 = Y0b ? CX, Y0b = CX0 ? Yb 。 证毕。 主对偶定理的证明 证：现证明定理的后一句话。 设 X0 为原问题的最优解，它所对应的基矩阵是 B， X0= B?1 b，则其检验数满足 C ? CBB?1A ? 0 令 Y0= CBB?1，则有 Y0 A ? C ；而对原问题松弛变量的检验数有 0 ? CBB?1I ?