1.線性規劃的每一個基解對應可行域的一個頂點 ×
（基可行解√）可行解相當於可行域中的一個點，基解就是基變量x1=多少x2=多少等等組成的頂點
2.單純形法計算中，如不按最小比值原則選取換出變量，則在下一個解中至少有一個基變量的值爲負√
比值最小，是資源消耗最快的，最先把資源消耗完的，沒被換出去，所以會變成負值。
3.線性規劃模型增加一個約束條件，可行域的範圍一般將縮小，減少一個約束條件，可行域一般將擴大√
從鬆弛變量（加）和剩餘變量（減）造約束條件爲等式可以看出
4.若線性規劃模型的可行域非空有界，則其頂點中必存在最優解√
5.若可行域是空集，則表明存在矛盾的約束條件√
6.最大化問題用單純形法求LP問題，若最終表上非基變量的檢驗數均爲非正，則該模型一定有唯一最優解×
唯一錯了，因爲有可能相等，這時候有無窮多最優解
7.對於取值無約束的變量Xj,通常令Xj=Xj’-Xj’’，在用單純形法求得的最優解中有可能出現Xj’>0，Xj’’>0 ×
“對於取值無約束的變量Xj,通常令Xj=Xj’-Xj’’ ”是對的，沒有問題，但是在這麼設置以後，Xj’和Xj’'也成爲了LP中的變量，但是，他們都是用來表示Xj的，如果Xj正數，那麼前正後0；負數前0後正，不會同時大於0
8.凡具備優化、限制、選擇條件且能將條件用關於決策變量的線性表達式表示出來的問題可以考慮用線性規劃模型處理√
9.用單純形法求解LP時，無論是極大化問題還是極小化問題，用來確定基變量的最小比值原則相同。√
10.若X是某LP的最優解，則X必爲該LP可行域的某一個頂點×
有無窮多最優解的時候可能不在頂點上
13.若X1,X2分別是某一線性規劃問題的最優解，則X=入1X1+入2X2是該線性規劃問題的最優解，其中入1,入2爲實數 ×
如果在凸組合中才算對，要求入1和入2在0~1之間，並且入1+入2=1
從幾何意義上理解，就是X1和X2這兩個頂點都是最優解，他們的連線上的點也是最優解，只有在凸集的情況下才滿足
結合百度中的描述
令S是實數上的向量空間，或者更一般地，是在某個有序域上，這包括歐幾里德空間。如果對於C中的所有x和y，並且在區間（0,1）中的所有t，點(1-t)x+ty也屬於C，則S中的集合C被稱爲凸。換句話說，連接x和y的線段上的每個點都在C中。這意味着實際或複雜拓撲向量空間中的凸集是路徑連接的。此外，如果除了端點之外的連接x和y的線段上的每個點都在C的內部，則C是嚴格凸起的。
我們就可以理解代數意義了。
14.若可行域無界，則表明問題的解無界×
15.若可行域無界，則表明問題沒有最優解×
以上兩題解題思想一樣，有無界有無最優解取決於Z線的運動方向
16.線性規劃模型標準化中要求b>=0是爲了保證解的可行性。√
17.基變量的檢驗數一定爲0√
因爲檢驗數的意義就是目標函數值用非基變量進行線性表示的時候，這些非基變量前面的係數
比如基變量是X1X2，非基變量X3X4，大概就相當於Z=最優解+(c3-z3)X3+(c4-z4)X4,這時候基變量的檢驗數自然是0，因爲已經融在最優解裏算作資源限量b了
18.單純形表中的檢驗數是目標函數用基變量表示時，基變量的價值係數×
是非基變量的價值係數。
仍有問題的部分↓
θ的作用：從其得出公式可以看出，其實θ在單純形法中起到的是一個比例的作用(b/入基變量係數)，在換入新的變量後，要保證新換出的變量是對現結果貢獻最小的，也就是資源限量b值減少