선형 최적화 이중성 이론과 무한계수 확장

초록

본 논문은 Lean 4를 이용해 선형 순서체 위의 파카스(Farkas) 보조정리와 강이중성 정리를 형식적으로 증명하고, 계수에 무한값(⊤, ⊥)을 허용하는 확장된 선형 프로그램에 대한 새로운 이중성 정리를 제시한다.

상세 분석

논문은 먼저 전통적인 파카스 보조정리(equalityFarkas, inequalityFarkas)를 일반화한다. 기존 정리는 유한 차원 행렬 A와 벡터 b에 대해 “해가 존재한다 ↔ 선형 결합으로 모순을 만들 수 없다”는 대립을 제시한다. 저자들은 Bartl의 접근을 차용해, 곱셈이 교환법칙을 만족하지 않아도 되는 선형 사상 A: (I→R)→(J→R)와 b: (I→R)→R에 대해 동일한 대립을 증명한다. 특히 I가 무한형이라도 J가 유한형이면 정리가 성립한다는 점이 주목할 만하다. 이를 위해 선형 순서체(linearly ordered division ring)와 선형 순서 모듈(linearly ordered R‑module) 개념을 도입하고, 스칼라 곱의 단조성 조건을 명시한다. 이러한 일반화는 기존 행렬 기반 증명보다 추상적인 모듈 이론을 활용함으로써, 다양한 응용 분야(예: 함수 공간, 무한 차원 최적화)로 확장이 가능함을 시사한다.

다음으로 논문은 무한값을 포함하는 확장된 선형 체(F∞)를 정의한다. F∞ = F ∪ {⊥, ⊤} 로, ⊥ < p < ⊤ (p∈F)이며, 연산 규칙에서 ⊥+⊤ = ⊥, 0·⊥ = ⊥ 등 비표준적인 규칙을 채택한다. 이러한 정의는 Mathlib에 존재하는 ⊥+⊤ = ⊥ 규칙을 그대로 이용하면서, 0·⊥ = ⊥을 추가함으로써 무한값이 포함된 선형 결합에서도 일관된 순서를 유지한다. 저자들은 이 구조 위에서 extendedFarkas 정리를 증명한다. 여기서는 행렬 A와 벡터 b가 각각 행·열에 ⊥와 ⊤가 동시에 존재하지 않는다는 네 가지 전제가 필요하며, 이는 무한값이 섞인 경우에 기존 파카스 정리가 깨지는 사례를 방지한다. 정리의 두 번째 경우에서는 (−Aᵀ)·y ≤ 0 대신 Aᵀ·y ≥ 0를 사용하지 않는 이유를 상세히 설명한다. 이는 ⊤·0 ≥ 0이 거짓이지만 ⊤·0 ≤ 0은 참인 상황을 고려한 것이다.

이후 정의된 확장 선형 프로그램(ELP)은 목표 함수와 제약식 모두에 ⊤, ⊥를 허용한다. 유효성(valid) 조건은 앞서 언급한 네 가지 행·열 전제와 더불어, 목적계수 c와 제약계수 b 사이의 무한값 상호작용을 제한한다. 이러한 조건 하에서 ValidELP.strongDuality 정리를 증명한다. 정리는 P와 그 듀얼 D가 모두 정의된 최적값을 가지며, 적어도 하나가 실현 가능하면 P⋆ = −D⋆ 가 성립한다는 강이중성을 제공한다. 여기서 “정의됨”은 최적값이 ⊤(불가능) 혹은 ⊥(무한히 좋음)으로만 한정되지 않고, 실제 유한 실수로 존재함을 의미한다. 저자들은 무한값이 포함된 경우에도 전통적인 “max/min” 형태보다 “min/min” 형태가 가장 약한 전제만으로 성립함을 강조한다.

마지막으로 논문은 실제 사례(다이어트 문제)와 무한계수 적용 예시를 통해 이론의 실용성을 보여준다. 렌즈(렌즈)와 렌즈 가격을 ⊤ 로 설정함으로써, 변수 l이 자동으로 0이 되는 상황을 형식적으로 모델링하고, 듀얼 문제에서도 동일하게 ⊤ 제약을 반영함으로써 최적값이 일관되게 변함을 확인한다. 전체적으로 이 논문은 형식 검증을 통해 기존 이중성 이론의 정확성을 보장하고, 무한계수를 허용하는 새로운 모델을 제시함으로써 이론적·실용적 확장을 동시에 달성한다.