No es sólo que se pueda resolver el problema con programación lineal. En realidad, la reducción a la programación lineal muestra que el problema del casco convexo es equivalente, por dualización, al problema del punto factible en la programación lineal. En otras palabras, se pregunta si existen coeficientes $\alpha_1,\ldots,\alpha_n \ge 0$ tal que $$u = \alpha_1 v_1 + \alpha_2 v_2 + \cdots + \alpha_n v_n.$$ El vector de coeficientes $\vec{\alpha}$ es un punto factible en un problema general de programación lineal, y usted se pregunta si existe un punto factible. Por lo tanto, el problema no puede ser ni más difícil ni más fácil que la programación lineal.
Su segunda pregunta se refiere a si existen casos especiales de (el problema del punto factible de) la programación lineal que sean más fáciles que el caso general de la programación lineal. La respuesta es afirmativa. Por ejemplo, el algoritmo de tipo "quickhull" que menciona Steve Huntsman funciona bien en cualquier dimensión baja específica. Equivale a un algoritmo de programación lineal para el caso de que los coeficientes sean no negativos y haya pocas igualdades. También se puede esperar un algoritmo más rápido (tal vez incluso equivalente a quickhull) en el otro extremo, cuando hay casi tantas igualdades como variables. Y siempre se puede pensar en nuevos tipos de problemas de programación lineal estructurada que sean más convenientes o más rápidos, por ejemplo, con una matriz dispersa.