下面是书本截图：
根据a与ξ取值如何确定支持向量分布
这里解释一下，上面的话：
1. Why ai>0, 则ξi=0，支持向量x就落在间隔边界上？
因为我们可以从KKT条件中可以知道，只要ai>0那么ξi必为0；由下图原始问题我们可以知道，当ξ为0时不就相当于没有引入软间隔，那就像线性可分数据集一样，支持向量落在间隔边界上咯。
KKT条件简化参考这里：
（SMO算法中关于优化变量的第一个变量选择的问题（KKT简化））
2. Why ai=C要分类讨论ξ？
因为当ai=C时，我们只知道ξi是大于0的哈哈哈
3. Why 0<ξi<1时，支持向量落在分离超平面之间？
因为，看原始问题的约束条件，函数间隔>=1-ξ。那0<ξi<1，不就等价于函数间隔大于0小于1咯。又因为间隔边界与分离超平面的函数距离为1。所以就落在他们之间。
同理剩余两种情况也是这个道理
这是软间隔最大化中引入松弛变量后，原始问题：
这是软间隔最大化中引入松弛变量后，原始问题的对偶问题：
为什么a>0对应的实例x为支持向量呢
我们知道，在初始化a时，是将其初始化为0的。
那么，在SMO算法，我们每次挑选出两个ai, aj进行优化，固定其他a。也就是说，那些从来没有被挑选出a，它的值始终为0。所以这样的值对构造分离超平面并没有意义，所以不是支持向量。由上图约束条件可以知道，支持向量对应的a一定是在（0, C]区间内的。