关于SVM中SMO算法第一个向量选择的问题

在看李航编写的《统计学习方法》一书中第128页时，涉及到SMO算法中第一个变量的选择，然后作者指出选择不满足KKT条件的变量作为第一个变量，然后突然给出了如下三个KKT条件:

αi=0⇔yig(xi)≥1(1)

0<αi<C⇔yig(xi)=1(2)

αi=C⇔yig(xi)≤1(3)

其中 g(xi)=∑Nj=1αjyjK(xi,xj)+b ，其实就是 g(xi)=w⋅xi+b
看到这三个公式真是一头雾水啊，跟我看的KKT条件不一样，因为至少应该涉及到 ξ 啊。该书中给的KKT条件中有 αiyig(xi)=0 且 yig(xi)≥1 。但是上述第三个式子竟然出现 yig(xi)≤1 。一开始真是百思不得其解啊。后来经过仔细研究才发现，得利用该书110页提到的一个公式

C−αi−μi=0(4)

该式子是非常重要的（ μi 是松弛变量 ξi 对应的拉格朗日乘子)。现在来重新分析上述公式(1)-(3)是怎么得到的。
如果 αi=0 ，那么由公式(4)可得 μi=C ，由KKT条件 μiξi=0 可知， ξi=0 。又由KKT条件可知 αi[yig(xi)−(1−ξi)]=0 且 yig(xi)≥1−ξi ，因为 ξi=0 ，所以就变成 αi[yig(xi)−1]=0 ，又因为 αi=0 ，所以 yig(xi)≥1 ，因此就得到了公式(1)。
同理可得第二个公式。因为 0<αi<C ，所以由公式(4)可知 μi≥0 ，因此同样得到 ξi=0 ，又因为 αi≥0 ,若要使KKT条件成立，只能 yig(xi)−(1−ξi)=0 ，因此 yig(xi)=(1−ξi) ，进而根据 ξi=0 ，有 yig(xi)=1 ，这样就得到了公式(2)。
关于公式(3)，因为 αi=C ，由公式(4)可知 μi=0 ，由KKT条件 μiξi=0 可知， ξi≥0 。因为 0<αi<C ，所有约束条件只能等于0，即 yig(xi)−(1−ξi)=0 ，也即 yig(xi)=(1−ξi) 。因为 ξi≥0 ，所以 yig(xi)=(1−ξi)≤1 ，得到公式(3)。