关于Boyd《凸优化》中严格不等式择一定理（Theorem of alternatives for strict inequalities）示例2.21的推导疑问

我完全理解你在看Boyd《凸优化》示例2.21时的困惑——那个灰色高亮的蕴含步骤确实容易让人卡壳，尤其是第一次接触严格不等式择一定理的时候。咱们一步步拆解这个逻辑：

首先，先明确这个高亮步骤的前提：我们假设存在非零的非负向量λ，使得对于所有的x，都有 ( λ^T(Ax - b) ≥ 0 )。我们要从这个前提推导出 ( A^Tλ = 0 ) 和 ( λ^T b ≤ 0 )。

第一步：推导 ( A^Tλ = 0 ) #

把 ( λ^T(Ax - b) ) 展开，得到：
( λ^T(Ax - b) = (A^Tλ)T x - λ^T b )
这个式子要对任意x∈ℝⁿ都成立且≥0。现在假设 ( A^Tλ ≠ 0 )，那我们可以取x为一个方向相反的向量：比如 ( x = -t \cdot A^Tλ )，其中t是一个足够大的正数。代入后：
( (A^Tλ)T x = (A^Tλ)T(-t \cdot A^Tλ) = -t \cdot ||A^Tλ||2 )
当t趋向无穷大时，这个项会趋向负无穷，整个式子 ( (A^Tλ)T x - λ^T b ) 也会变成负的，这和“对所有x都≥0”的前提矛盾。所以唯一的可能就是 ( A^Tλ = 0 )。

第二步：推导 ( λ^T b ≤ 0 ) #

当我们已经确定 ( A^Tλ = 0 ) 后，原式就简化成了：
( 0 \cdot x - λ^T b ≥ 0 )
也就是 ( -λ^T b ≥ 0 )，两边乘以-1（注意不等号方向反转），就得到 ( λ^T b ≤ 0 )。

为什么这和择一定理相关？ #

严格不等式择一定理的核心是：线性系统 ( Ax < b )无解的充要条件就是存在这样的非零非负λ，满足 ( A^Tλ = 0 ) 和 ( λ^T b ≤ 0 )。刚才的推导就是把“系统无解”（等价于不存在x使得Ax < b，即对所有x，Ax - b不满足全分量<0，进而存在λ≥0,λ≠0使得λ^T(Ax -b)≥0对所有x成立）转化为了那两个条件，这就是高亮步骤的核心逻辑。

如果还有细节没搞懂，可以把示例里的具体式子贴出来，咱们再细化分析！

备注：内容来源于stack exchange，提问作者Gokulakrishnan CANDASSAMY