在利用CVX求解凸优化问题时，我们往往在cvx_begin/cvx_end环境中输入的是原始问题(即Primalproblem)。这是因为Primal problem更加直观，更加方便我们对问题的建模。

但是，在某些特殊的问题中，我们需要获得对偶问题中的最优对偶变量，即拉格朗日乘子。这些对偶变量是有物理意义的，它们意味着Primalproblem中各个对应约束条件的sensitivity，也就是说，乘子越大，这个约束越push，越应该active。

另一方面，在CVX求解凸优化问题时，从计算效率角度出发，也是往往通过求解dual problem来求解Primal problem(前提是strong duality holds)。

因此，我们只需在CVX的环境中声明一下对偶变量，即可在CVX运行之后输出最优的对偶变量，而并不需要输入对偶问题的具体形式。

例如：一个线性规划问题：

其中变量是x。其对偶问题是

其中变量是y。为了输出最优对偶变量，我们有如下代码：

这样，CVX将同时输出最优的Primal和Dual变量值。