1.线性规划的每一个基解对应可行域的一个顶点 ×
（基可行解√）可行解相当于可行域中的一个点，基解就是基变量x1=多少x2=多少等等组成的顶点
2.单纯形法计算中，如不按最小比值原则选取换出变量，则在下一个解中至少有一个基变量的值为负√
比值最小，是资源消耗最快的，最先把资源消耗完的，没被换出去，所以会变成负值。
3.线性规划模型增加一个约束条件，可行域的范围一般将缩小，减少一个约束条件，可行域一般将扩大√
从松弛变量（加）和剩余变量（减）造约束条件为等式可以看出
4.若线性规划模型的可行域非空有界，则其顶点中必存在最优解√
5.若可行域是空集，则表明存在矛盾的约束条件√
6.最大化问题用单纯形法求LP问题，若最终表上非基变量的检验数均为非正，则该模型一定有唯一最优解×
唯一错了，因为有可能相等，这时候有无穷多最优解
7.对于取值无约束的变量Xj,通常令Xj=Xj’-Xj’’，在用单纯形法求得的最优解中有可能出现Xj’>0，Xj’’>0 ×
“对于取值无约束的变量Xj,通常令Xj=Xj’-Xj’’ ”是对的，没有问题，但是在这么设置以后，Xj’和Xj’'也成为了LP中的变量，但是，他们都是用来表示Xj的，如果Xj正数，那么前正后0；负数前0后正，不会同时大于0
8.凡具备优化、限制、选择条件且能将条件用关于决策变量的线性表达式表示出来的问题可以考虑用线性规划模型处理√
9.用单纯形法求解LP时，无论是极大化问题还是极小化问题，用来确定基变量的最小比值原则相同。√
10.若X是某LP的最优解，则X必为该LP可行域的某一个顶点×
有无穷多最优解的时候可能不在顶点上
13.若X1,X2分别是某一线性规划问题的最优解，则X=入1X1+入2X2是该线性规划问题的最优解，其中入1,入2为实数 ×
如果在凸组合中才算对，要求入1和入2在0~1之间，并且入1+入2=1
从几何意义上理解，就是X1和X2这两个顶点都是最优解，他们的连线上的点也是最优解，只有在凸集的情况下才满足
结合百度中的描述
令S是实数上的向量空间，或者更一般地，是在某个有序域上，这包括欧几里德空间。如果对于C中的所有x和y，并且在区间（0,1）中的所有t，点(1-t)x+ty也属于C，则S中的集合C被称为凸。换句话说，连接x和y的线段上的每个点都在C中。这意味着实际或复杂拓扑向量空间中的凸集是路径连接的。此外，如果除了端点之外的连接x和y的线段上的每个点都在C的内部，则C是严格凸起的。
我们就可以理解代数意义了。
14.若可行域无界，则表明问题的解无界×
15.若可行域无界，则表明问题没有最优解×
以上两题解题思想一样，有无界有无最优解取决于Z线的运动方向
16.线性规划模型标准化中要求b>=0是为了保证解的可行性。√
17.基变量的检验数一定为0√
因为检验数的意义就是目标函数值用非基变量进行线性表示的时候，这些非基变量前面的系数
比如基变量是X1X2，非基变量X3X4，大概就相当于Z=最优解+(c3-z3)X3+(c4-z4)X4,这时候基变量的检验数自然是0，因为已经融在最优解里算作资源限量b了
18.单纯形表中的检验数是目标函数用基变量表示时，基变量的价值系数×
是非基变量的价值系数。
仍有问题的部分↓
θ的作用：从其得出公式可以看出，其实θ在单纯形法中起到的是一个比例的作用(b/入基变量系数)，在换入新的变量后，要保证新换出的变量是对现结果贡献最小的，也就是资源限量b值减少
