Casos especiales:

Esta seccin considera cuatro casos especiales que se presentan en la aplicacin

del mtodo simplex.
1. Degeneracin
2. Optima alternativa
3. Soluciones no acotadas
4. Soluciones inexistentes (o no factibles)
Nuestro inters en el estudio de estos casos especiales es doble:
1. presentar una explicacin terica de la razn de estas situaciones y
2. Proporcionar una interpretacin prctica de lo que podran significar estos resultados
especiales en un problema de la vida real.
-Degeneracin
En la aplicacin de las condiciones factibles del mtodo simplex, un empate de la razn
mnima debe romperse arbitrariamente con el propsito de determinar la variable de salida.
Cuando esto sucede, una o ms de las variables bsicas sern cero en lo siguiente. En este
caso, la nueva solucin es degenerada.
No hay nada alarmante en el hecho de abordar una solucin degenerada, con excepcin de
un pequeo inconveniente terico que en breve expondremos. Desde el punto de vista
prctico, la condicin revela que el modelo tiene por lo menos una restriccin redundante. Para
poder proporcionar ms perspectivas de los impactos tericos y prcticos de la degeneracin,
consideramos un ejemplo numrico. La ilustracin grfica debe mejorar la comprensin de las
ideas que son la base de esta situacin especial.
-ptimos alternativos
Cuando la funcin objetivo es paralela a una restriccin no acotada (es decir, una restriccin
que se satisface como una ecuacin por medio de la solucin optima), la funcin objetivo
asumir el mismo valor optimo en mas de un punto de la solucin. Por esta razn se conocen
como ptimos alternativos.
-Solucin no acotada
En algunos modelos de PL, los valores de las variables se pueden incrementar
indefinidamente sin violar ninguna de las restricciones, lo que significa que el espacio de la
solucin es no acotado por lo menos en una direccin. Como resultado, el valor objetivo
aumentara (un caso de maximizacin) o disminuir (un caso de minimizacin)
indefinidamente. En este caso, tanto el espacio de la solucin como el valor objetivo optimo
son no, acotados.
La no acotacin en un modelo solo indica una cosa: el modelo esta mal construido. Las
irregularidades mas probables en estos modelos son que no se han tornado en cuenta una o
ms restricciones no redundantes y que los parmetros (constantes) de algunas restricciones
no se calcularon correctamente.
-Solucin no factible
Si las restricciones no se satisfacen simultneamente, el modelo no tiene una solucin factible.
Esta situacin nunca puede ocurrir (suponiendo constantes no negativas en el lado derecho),
debido a que las holguras proporcionan una solucin factible.
Para otros tipos de restricciones, utilizamos variables artificiales. Aun cuando las artificiales se
penalizan para forzarlas a cero en la ptima, esto solo puede ocurrir si el modelo tiene un
espacio factible. De lo contrario, por lo menos una variable artificial ser positiva en la iteracin
ptima.
Desde el punto de vista prctico, un espacio no factible indica la posibilidad de que el modelo
no este formulado correctamente.

Casos especiales en la aplicacin del SIMPLEX:

Tipos de soluciones y su identificacin en el mtodo simplex.

Estudiaremos los casos especiales que se pueden presentar en la aplicacin del

mtodo simplex, entre los que se cuentan:

1. Degeneracin:

La degeneracin ocurre cuando en alguna iteracin del mtodo simplex existe un

empate en la seleccin de la variable que sale este empate se rompe
arbitrariamente. Sin embargo, cuando suceda esto una o ms veces de las
variables bsicas, ser necesariamente igual a cero en la siguiente iteracin. En
este caso decimos que la nueva solucin es degenerada.

2. Mltiples alternativas optimas:

Cuando la funcin objetivo es paralela a una restriccin que se satisface en el

sentido de la igualdad a travs de la solucin ptima, la funcin objetivo tomar
el mismo valor ptimo en ms de un punto de la solucin. Por esta razn reciben
el nombre de Mltiples alternativas ptimas.

Cmo sabemos en las tablas que existen mltiples alternativas ptimas ?

Cuando en los coeficientes de las variables no bsicas en el rengln z de la tabla

ptima existe una variable con valor de cero, lo que indica que esa variable no
bsica puede entrar a la solucin bsica sin alterar el valor de z , pero provoca un
cambio en el valor de las variables.

3. Soluciones no acotadas:
En algunos modelos de programacin lineal, los valores de las variables se
pueden aumentar en forma indefinida sin violar ninguna de las restricciones, lo
que significa que el espacio de soluciones es no acotado cuando menos en una
direccin. Como resultado el valor de la funcin objetivo puede crecer (caso de la
minimizacin) en forma indefinida.

Cmo sabemos en las tablas que existen solucin no acotada ?

Cuando en la tabla del simplex en el rengln de la z existe una variable no bsica

que puede entrar pero al determinar la variable que sale nos damos cuenta que en
la su columna existen solo valores de ceros o negativos lo que significa que esa
variable puede hacer crecer en forma indefinida a z sin que se infrinja ninguna de
las restricciones. Por lo tanto concluimos sin hacer ms clculos que el problema
no tiene solucin acotada.

4. Solucin Infactible:

Si las restricciones no se pueden satisfacer en forma simultnea, se dice que el

modelo no tiene solucin factible. Esta situacin nunca puede ocurrir si todas las
restricciones son del tipo Menor igual (suponiendo valores positivos en el
segundo miembro) ya que las variables de holgura producen siempre una
solucin factible. Sin embargo, cuando empleamos los otros tipos de
restricciones, recurrimos al uso de variables artificiales, que por su mismo diseo
no ofrecen una solucin factible al modelo original. Aunque se hacen provisiones
( a travs del uso de penalizaciones) para hacer que estas variables artificiales
sean cero en el nivel ptimo, esto slo puede ocurrir si el modelo tiene una
espacio factible. Si no lo tiene, cuando menos una variable artificial ser positiva
en la iteracin ptima.