二元一次不等式表示的平面区域：

二元一次不等式ax+by+c＞0在平面直角坐标系中表示直线ax+by+c=0某一侧所有点组成的平面区域。不等式ax+by+c＜0表示的是另一侧的平面区域。

线性约束条件：

关于x，y的一次不等式或方程组成的不等式组称为x，y的线性约束条件；

线性目标函数：

关于x、y的一次式欲达到最大值或最小值所涉及的变量x、y的解析式，叫做线性目标函数；

线性规划问题：

一般地，求线性目标函数在线性约束条件下的最大值或最小值问题称为线性规划问题。

可行解、可行域和最优解：

满足线性约束条件的解（x，y）称为可行解；由所有可行解组成的集合称为可行域； 使目标函数取得最大值或最小值的可行解叫做线性规划问题的最优解。

用一元一次不等式（组）表示平面区域：

(1)一般地，直线l:ax+by+c=0把直角坐标平面分成了三个部分：①直线l上的点(x，y)的坐标满足ax+by+c=0；②直线l一侧的平面区域内的点(x，y)的坐标满足ax+by+c>0;③直线l另一侧的平面区域内的点(x，y)的坐标满足ax+by+c<0．所以，只需在直线l的某一侧的平面区域内，任取一特殊点(x₀，y₀)，从ax₀+by₀+c的值的正负，即可判断不等式表示的平面区域，可简称为，特殊点定域”．
(2)不等式组表示的平面区域是各个不等式所表示的平面区域的公共部分. 

线性规划问题求解步骤：

（1）确定目标函数；
（2）作可行域；
（3）作基准线（z=0时的直线）；
（4）平移找最优解；
（5）求最值。

线性规划求最值线性规划求最值问题:
（1）要充分理解目标函数的几何意义，诸如直线的截距、两点间的距离（或平方）、点到直线的距离、过已知两点的直线斜率等．
   (2)求最优解的方法①将目标函数的直线平移，最先通过或最后通过的点为最优解，②利用围成可行域的直线的斜率来判断．若围成可行域的直线，且目标函数的斜率k满足的交点一般为最优解．在求最优解前，令z=0的目的是确定目标函数在可行域的什么位置有可行解，值得注意的是，有些问题中可能要求x，y∈N（即整点），它不一定在边界上．特别地，当表示线性目标函数的直线与可行域的某条边平行（）时，其最优解可能有无数个，用图解法解决线性规划问题时，分析题目的已知条件，找出约束条件和目标函数是关键．可先将题目的量分类，列出表格，理清头绪，然后列出不等式组（方程组），寻求约束条件，并就题目所述找到目标函数．

线性规划的实际应用在线性规划的实际问题中:

主要掌握两种类型：
一、给定一定数量的人力、物力资源，问怎样运用这些资源能使完成的任务量最大，收到的效益最大；
二、给定一项任务，问怎样统筹安排，能使完成这项任务耗费的人力、物力资源最小．
(l)用图解法解决线性规划问题的一般步骤：①分析并将已知数据列出表格；②确定线性约束条件；③确定线性目标函数；④画出可行域；⑤利用线性目标函数（直线）求出最优解；⑥实际问题需要整数解时，应适当调整，以确定最优解．
(2)整数规划的求解，可以首先放松可行解必须为整数的要求，转化为线性规划求解，若所求得的最优解恰为整数，则该解即为整数规划的最优解；若所求得的最优解不是整数，则视所得非整数解的具体情况增加条件；若这两个子问题的最优解仍不是整数，再把每个问题继续分成两个子问题求解，……，直到求出整数最优解为止，

随机事件的定义：

在随机试验中，可能出现也可能不出现，而在大量重复试验中具有某种规律性的事件叫做随机事件，随机事件通常用大写英文字母A、B、C等表示。

必然事件的定义：

必然会发生的事件叫做必然事件；

不可能事件：

肯定不会发生的事件叫做不可能事件；

概率的定义：

在大量进行重复试验时，事件A发生的频率总是接近于某个常数，在它附近摆动。这时就把这个常数叫做事件A的概率，记作P（A）。
m，n的意义：事件A在n次试验中发生了m次。
因0≤m≤n，所以，0≤P（A）≤1，必然事件的概率为1，不可能发生的事件的概率0。

随机事件概率的定义：

对于给定的随机事件A，随着试验次数的增加，事件A发生的频率总是接近于区间[0，1]中的某个常数，我们就把这个常数叫做事件A的概率，记作P（A）。

频率的稳定性：

即大量重复试验时，任何结果（事件）出现的频率尽管是随机的，却“稳定”在某一个常数附近，试验的次数越多，频率与这个常数的偏差大的可能性越小，这一常数就成为该事件的概率；

“频率”和“概率”这两个概念的区别是：

频率具有随机性，它反映的是某一随机事件出现的频繁程度，它反映的是随机事件出现的可能性；概率是一个客观常数，它反映了随机事件的属性。