SOLUCION LINEAL ÓPTIMA FACTIBLE, NO ÓPTIMA, INFACTIBLE

El Método simplex es un procedimiento iterativo que permite ir mejorando la

solución a cada paso. El proceso concluye cuando no es posible seguir
mejorando más dicha solución o cuando esta es óptima.

Este método, permite analizar cada variable del problema planteado, sus
variaciones, para determinar cual es la decisión más acertada a tomar en
cualquiera que sea el área de la empresa sobre la cual se presente la
incertidumbre.

Existen casos especiales de solución de problemas por medio del simplex, tales
como:

• Soluciones Múltiples

• Solución Degenerada

• Solución Infactible

• Sin Solución

A continuación se presenta un análisis detallado de cada caso especial de

solución con un ejemplo práctico.

CASO DE SOLUCIONES MÚLTIPLES

Cuando la función objetivo es paralela a una restricción que se satisface en el

sentido de la igualdad a través de la solución óptima, la función objetivo
tomará el mismo valor óptimo en más de un punto de la solución. Por esta
razón reciben el nombre de Múltiples alternativas óptimas.

CASO DE SOLUCIÓN DEGENERADA

La degeneración ocurre cuando en alguna iteración del método simplex existe

un empate en la selección de la variable que sale. Este empate se rompe
arbitrariamente. En este caso decimos que la nueva solución es degenerada.
Sin embargo, cuando suceda esto una o más veces de las variables básicas,
será necesariamente igual a cero en la siguiente iteración. En el método
simplex, la presencia de una variable básica igual a cero, no requiere ninguna
acción especial; en todo caso, es necesario no descuidar las condiciones de
degeneración. En términos geométricos, la degeneración ocurre cuando un
vértice está definido por demasiadas restricciones.

CASO DE SOLUCIÓN INFACTIBLE

En un modelo de Programación Lineal, cuando las restricciones no se pueden
satisfacer en forma simultánea, se dice que este no tiene solución factible. Esta
situación nunca puede ocurrir si todas las restricciones son del tipo MENOR O
IGUAL ( ), esto, suponiendo valores positivos en el segundo miembro, ya que
las variables de holgura producen siempre una solución factible.

Sin embargo, cuando empleamos los otros tipos de restricciones, recurrimos al

uso de variables artificiales, que por su mismo diseño no ofrecen una solución
factible al modelo original. Aunque se hacen provisiones (a través del uso de
penalizaciones) para hacer que estas variables artificiales sean cero en el nivel
óptimo, esto sólo puede ocurrir si el modelo tiene una espacio factible. Si no lo
tiene, cuando menos una variable artificial será positiva en la iteración óptima.

Desde el punto de vista práctico, un espacio infactible, apunta a la posibilidad

de que el modelo no se haya formulado correctamente, en virtud de que las
restricciones estén en conflicto. También es posible que las restricciones no
estén destinadas a cumplirse en forma simultánea. En este caso, quizás se
necesite una estructura del modelo totalmente diferente que no admita todas
las restricciones al mismo tiempo.

CASO DE NO SOLUCIÓN

En algunos modelos de Programación Lineal, los valores de las variables, se

pueden aumentar en forma indefinida sin violar ninguna de las restricciones, lo
que significa que el espacio es sin solución cuando menos en una dirección.

Como resultado, el valor de la función objetivo puede crecer (Maximización) o

decrecer (Minimización) en forma indefinida. En este caso, decimos que el
espacio en el cual se espera sea resuelto el modelo, y el valor óptimo de la
función objetivo no tiene solución.

La falta de explicación de un modelo puede señalar solo una cosa, que este se
encuentra mal construido. Evidentemente resulta irracional hacer que un
modelo produzca una ganancia infinita. Las irregularidades más probables en
este modelo son:

1. No se toman en cuenta una o más restricciones redundantes

2. No se determinan adecuadamente los parámetros (constantes) de alguna

restricción.