Nociones Previas: Graficando Sistemas de Inecuaciones

Antes de resolver problemas complejos, necesitas dominar cómo graficar sistemas de inecuaciones lineales. Es como crear un mapa que te muestra todas las soluciones posibles.

Para el ejemplo x + y ≤ 5, primero graficas la línea x + y = 5 usando puntos clave como (0,5) y (5,0). Luego determinas qué lado de la línea cumple la desigualdad.

Las condiciones x ≥ 0; y ≥ 0 son súper importantes porque limitan tu gráfica al primer cuadrante. Esto significa que solo trabajas con valores positivos, lo cual tiene sentido en problemas reales donde no puedes tener cantidades negativas.

💡 Tip clave: La intersección de todas las gráficas te da la región factible, que contiene todas las soluciones válidas del problema.

Estructura Básica de la Programación Lineal

Todo problema de programación lineal tiene dos componentes principales que necesitas identificar claramente. La función objetivo es lo que quieres maximizar o minimizar: f(x,y) = ax + by + c.

Las restricciones lineales son las limitaciones del problema real, representadas como un sistema de inecuaciones. Siempre incluyen la condición de no negatividad (x ≥ 0; y ≥ 0) porque las variables suelen representar cantidades físicas.

La región factible es el área donde se intersectan todas las restricciones. Puede ser acotada (como un polígono cerrado) o no acotada (extendiéndose infinitamente en alguna dirección).

🎯 Dato importante: Los vértices o puntos extremos de la región factible son donde encontrarás las soluciones óptimas.

Teorema Fundamental y Puntos Notables

El teorema fundamental te da la clave para resolver estos problemas eficientemente: si la región factible es acotada, el máximo o mínimo siempre ocurre en un vértice.

Esto significa que no necesitas revisar infinitos puntos, solo evalúas la función objetivo en cada punto extremo. Si dos vértices consecutivos dan el mismo valor óptimo, entonces toda la arista que los conecta contiene soluciones óptimas.

La solución óptima es el punto que maximiza o minimiza tu función objetivo, mientras que el valor óptimo es el resultado numérico que obtienes al evaluarla.

⚡ Estrategia ganadora: Encuentra todos los vértices, evalúa la función objetivo en cada uno, y compara los resultados.

Ejemplo Paso a Paso: Maximización

Vamos a resolver un problema completo para que veas el proceso en acción. Queremos maximizar f(x,y) = 6x + 3y sujeto a x + y ≤ 10, 2x + 3y ≤ 24, x ≥ 0, y ≥ 0.

Paso 1: Grafica cada restricción y encuentra la región factible. Las intersecciones de las líneas te dan los vértices: A(0,0), B(10,0), C(6,4), D(0,8).

Paso 2: Evalúa la función objetivo en cada vértice. f(A) = 0, f(B) = 60, f(C) = 48, f(D) = 24.

El máximo valor es 60, que ocurre en el punto B(10,0). Entonces la solución óptima es x = 10, y = 0 con valor óptimo = 60.

📊 Resultado: Siempre verifica que tu respuesta tenga sentido en el contexto del problema original.

Caso Especial: Infinitas Soluciones Óptimas

A veces encuentras que dos vértices diferentes dan el mismo valor óptimo. Esto significa que tienes infinitas soluciones óptimas a lo largo del segmento que los conecta.

En el ejemplo de minimizar f(x,y) = 3x - 3y + 10, los puntos A(0,2) y D(2,4) ambos dan f = 4. Cualquier punto en el segmento AD es una solución óptima.

El conjunto de soluciones óptimas se expresa como AD = {(x,y) ∈ ℝ²/ y = x + 2, x ∈ [0,2]}. Esto te da flexibilidad para elegir la solución más conveniente según otros criterios.

🎭 Ventaja extra: Cuando tienes infinitas soluciones, puedes considerar factores adicionales como facilidad de implementación o preferencias prácticas.

Método de Rectas de Nivel

Las rectas de nivel son una herramienta visual poderosa para entender cómo se comporta tu función objetivo. Se obtienen igualando la función a diferentes constantes k.

Para f(x,y) = 4x + 3y, las rectas de nivel son k = 4x + 3y, que se reescriben como y = -4x/3 + k/3. Todas son paralelas con pendiente -4/3.

El valor de k te indica la "altura" de cada recta de nivel. Conforme k aumenta, las rectas se mueven en la dirección que optimiza la función.

🎯 Visualización clave: Imagina las rectas de nivel como curvas topográficas de un mapa - te muestran hacia dónde "subir" para optimizar.

Vector Dirección de Crecimiento

El vector dirección de crecimiento V = (a,b) te muestra exactamente hacia dónde aumenta el valor de tu función objetivo z = ax + by. Es perpendicular a las rectas de nivel.

Si tu función es f(x,y) = 2x - y, entonces V = (2,-1). Esto significa que moverte 2 unidades hacia la derecha y 1 hacia abajo aumenta el valor de la función.

La pendiente del vector es b/a, mientras que la pendiente de las rectas de nivel es -a/b. Como su producto es -1, son perpendiculares.

🧭 Navegación inteligente: El vector dirección es como tu brújula - siempre apunta hacia donde la función crece más rápido.

Aplicación Práctica del Método Gráfico

Cuando tienes la región factible dibujada, usar el vector dirección de crecimiento hace el proceso súper eficiente. Solo traza una recta de nivel y muévela en la dirección del vector.

Para maximizar f(x,y) = -4x + 3y con vector V = (-4,3), mueves la recta de nivel hacia donde apunta el vector hasta tocar el último vértice de la región factible.

En este ejemplo, la solución óptima es (2,5) con valor óptimo f(2,5) = 7. El punto donde la recta de nivel tangente toca la región factible te da la respuesta.

⚡ Método express: Una vez que dominas las rectas de nivel, puedes resolver problemas gráficos en segundos.

Verificando tu Comprensión

Es crucial que entiendas las definiciones exactas para evitar errores conceptuales. La función objetivo y las restricciones siempre son lineales - esa es la esencia de la programación lineal.

Las condiciones de no negatividad significan x ≥ 0 y y ≥ 0, no que sean estrictamente positivas. El cero está incluido y es perfectamente válido.

Una solución factible simplemente pertenece a la región factible, pero no necesariamente optimiza la función objetivo. Solo la solución óptima hace eso.

🎓 Dominio conceptual: Distinguir entre solución factible y solución óptima es fundamental para el éxito en estos problemas.

Problema Real: Optimización de Minas

Los problemas de optimización en la industria muestran el poder real de la programación lineal. Esta compañía minera necesita minimizar costos mientras cumple demandas específicas de mineral.

Defines variables $x = días mina A, y = días mina B$, función objetivo $minimizar costo = 100,000(x + y)$, y restricciones basadas en producción diaria y demandas mínimas.

La solución óptima es trabajar 40 días en mina A y 20 días en mina B, con un costo mínimo de S/6,000,000. Esto satisface todas las demandas al menor costo posible.

💰 Impacto real: Esta técnica puede ahorrar millones de soles en decisiones empresariales, demostrando por qué las matemáticas son tan valiosas.