diff --git "a/\350\257\276\344\273\266/0613Simplex Method\344\270\216LP\345\256\236\346\210\230/lpsolve.py" "b/\350\257\276\344\273\266/0613Simplex Method\344\270\216LP\345\256\236\346\210\230/lpsolve.py"
new file mode 100644
index 0000000..86d19ce
--- /dev/null
+++ "b/\350\257\276\344\273\266/0613Simplex Method\344\270\216LP\345\256\236\346\210\230/lpsolve.py"
@@ -0,0 +1,49 @@
+'''
+原题目：
+有2000元经费，需要采购单价为50元的若干桌子和单价为20元的若干椅子，你希望桌椅的总数尽可能的多，但要求椅子数量不少于桌子数量，且不多于桌子数量的1.5倍，那你需要怎样的一个采购方案呢？
+解：要采购x1张桌子，x2把椅子
+
+max z= x1 + x2
+s.t. x1 - x2 <= 0
+1.5x1 >= x2
+50x1 + 20x2 <= 2000
+x1, x2 >=0
+
+在python中此类线性规划问题可用lp solver解决
+scipy.optimize._linprog def linprog(c: int,
+            A_ub: Optional[int] = None,
+            b_ub: Optional[int] = None,
+            A_eq: Optional[int] = None,
+            b_eq: Optional[int] = None,
+            bounds: Optional[Iterable] = None,
+            method: Optional[str] = 'simplex',
+            callback: Optional[Callable] = None,
+            options: Optional[dict] = None) -> OptimizeResult
+
+矩阵A：就是约束条件的系数（等号左边的系数）
+矩阵B：就是约束条件的值（等号右边）
+矩阵C：目标函数的系数值
+'''
+
+from scipy import  optimize as opt
+import numpy as np
+#参数
+#c是目标函数里变量的系数
+c=np.array([1,1])
+#a是不等式条件的变量系数
+a=np.array([[1,-1],[-1.5,1],[50,20]])
+#b是是不等式条件的常数项
+b=np.array([0,0,2000])
+#a1，b1是等式条件的变量系数和常数项，这个例子里无等式条件,不要这两项
+#a1=np.array([[1,1,1]])
+#b1=np.array([7])
+#限制
+lim1=(0,None) #(0,None)->(0,+无穷)
+lim2=(0,None)
+#调用函数
+ans=opt.linprog(-c,a,b,bounds=(lim1,lim2))
+#输出结果
+print(ans)
+
+#注意：我们这里的应用问题，椅子不能是0.5把，所以最后应该采购37把椅子
+