在线性规划中，什么是最优解？什么是最优解不唯一？最优解是让z取得最大值的点的坐标吗？

最优解是使得目标函数取到最大值或最小值（视情况而定）的解。

在高中阶段目标函数一般是二元函数z(x,y)。假设可行域（即满足限定条件的x,y范围，可表示为平面直角坐标系内的一个区域）为X。

假设目标函数z=ax+by是一线性函数，在坐标系内图像为一条直线，直线平移时z值发生变化。若X有一条外侧的边平行于目标函数的直线，则直线与该边重合时，边上所有点都是最优解，所以最优解可能不唯一。

最优解可以理解为让z取得最值的点的坐标。

扩展资料：

使目标函数取最小值的可行解称为极小解，使其取最大值的可行解称为极大解。极小解或极大解均称为最优解。相应地，目标函数的最小值或最大值称为最优值。有时，也将最优解和最优值一起称为相应数学规划问题的最优解。 

线性规划的最优解不一定只有一个，若其有多个最优解，则所有最优解所构成的集合称为该线性规划的最优解域。

函数与不等式和方程存在联系（初等函数）。令函数值等于零，从几何角度看，对应的自变量的值就是图像与X轴的交点的横坐标；从代数角度看，对应的自变量是方程的解。

另外，把函数的表达式（无表达式的函数除外）中的“=”换成“<”或“>”，再把“Y”换成其它代数式，函数就变成了不等式，可以求自变量的范围。

参考资料来源：百度百科--基本最优解

参考资料来源：百度百科--最优解

使某线性规划的目标函数达到最优值（最大值或最小值）的任一可行解，都称为该线性规划的一个最优解。
线性规划的最优解不一定唯一，若其有多个最优解，则所有最优解所构成的集合称为该线性规划的最优解域。

线性规划（简称LP）是运筹学中研究较早、发展较快、应用广泛、方法较成熟的一个重要分支，它是辅助人们进行科学管理的一种数学方法。研究线性约束条件下线性目标函数的极值问题的数学理论和方法。英文缩写LP。它是运筹学的一个重要分支，广泛应用于军事作战、经济分析、经营管理和工程技术等方面。为合理地利用有限的人力、物力、财力等资源作出的最优决策，提供科学的依据。

解决线性规划问题的步骤：
①列出约束条件及目标函数。
②画出约束条件所表示的可行域。
③在可行域内求目标函数的最优解及最优值。
线性规划所建立的数学模型具有以下特点：
①每个模型都有若干个决策变量（x1，x2，x3……，xn），其中n为决策变量个数。决策变量的一组值表示一种方案，同时决策变量一般是非负的。
②目标函数是决策变量的线性函数，根据具体问题可以是最大化（max）或最小化（min），二者统称为最优化（opt）。
③约束条件也是决策变量的线性函数。
当我们得到的数学模型的目标函数为线性函数，约束条件为线性等式或不等式时称此数学模型为线性规划模型。

最优解是使得目标函数取到最大值或最小值（视情况而定）的解。
在高中阶段目标函数一般是二元函数z(x,y)。假设可行域（即满足限定条件的x,y范围，可表示为平面直角坐标系内的一个区域）为X。现假设目标函数z=ax+by是一线性函数，在坐标系内图像为一条直线，直线平移时z值发生变化。若X有一条外侧的边平行于目标函数的直线，则直线与该边重合时，边上所有点都是最优解，所以最优解可能不唯一。
最优解可以理解为让z取得最值的点的坐标。

在线性规划中，使得目标函数取得最大值或者最小值的可行解就是最优解；当最优解不止一个时，称为最优解不唯一；最优解就是让z取得最大值或者最小值的点的坐标（可行解）。

最优解是让z取得最大值的坐标 不唯一就是有无数个 做线性规划题要画图 画图在再划比划就知道了