编写一个能用单纯形法求线性规划问题标准形式的小程序。

以下是使用Python编写的单纯形法求解线性规划问题标准形式的小程序：

import numpy as np

def simplex(A, b, c):
    m, n = A.shape
    # 构造初始单纯形表
    table = np.zeros((m+1, n+m+1))
    table[:-1, :-m-1] = A
    table[:-1, -m-1:-1] = np.eye(m)
    table[:-1, -1] = b
    table[-1, :-1] = -c
    # 迭代计算
    while table[-1, :-1].min() < 0:
        # 选主元列
        pivot_col = np.argmin(table[-1, :-1])
        # 选主元行
        pivot_row = np.argmin(table[:-1, -1] / table[:-1, pivot_col])
        # 更新单纯形表
        table[pivot_row, :] /= table[pivot_row, pivot_col]
        for i in range(m+1):
            if i != pivot_row:
                table[i, :] -= table[i, pivot_col] * table[pivot_row, :]
    # 返回最优解和最优值
    return table[:-1, -1], -table[-1, -1]

其中，输入的参数分别为系数矩阵 A、约束条件右侧的向量 b 和目标函数的系数向量 c。程序返回最优解和最优值。

注意，这个程序只能解决标准形式的线性规划问题，并且对于特殊情况（如无界解或无可行解）并没有进行判断和处理。在实际应用中需要注意对输入数据进行检查和处理。