← Voltar ao Blog••8 min de leitura

Casos Especiais no Método Simplex: Degenerescência, Soluções Ilimitadas e Múltiplos Ótimos

Aprenda a identificar e tratar situações especiais no quadro simplex, incluindo degenerescência, ilimitação e infinitas soluções ótimas.

Solucionador Interativo

Experimente a Calculadora Simplex e de Sensibilidade Passo a Passo

Insira sua função objetivo e restrições para visualizar cada quadro, elementos pivô e análise de sensibilidade em tempo real.

Abrir Calculadora Simplex →

Introdução aos Casos Especiais

Embora o algoritmo Simplex convirja previsivelmente para a solução ótima na maioria dos problemas, particularidades geométricas do poliedro de soluções originam casos especiais que exigem interpretação correta no quadro simplex.

1. Degenerescência

A degenerescência ocorre quando há empate no teste da razão mínima durante a seleção da variável que deve sair da base. Na iteração subsequente, pelo menos uma variável básica assumirá valor nulo ($0$).

Geometricamente, a degenerescência indica que múltiplas restrições interceptam-se no mesmo vértice. Teste o critério de Bland em nossa Calculadora do Método Simplex. Em casos raros, isso pode gerar ciclagem infinita. Para impedir ciclos, adota-se a Regra de Bland (critério do menor índice).

2. Soluções Ilimitadas

Uma solução ilimitada ocorre quando a função objetivo pode crescer indefinidamente em direção ao infinito sem violar nenhuma das restrições do modelo.

No quadro Simplex, identifica-se essa condição quando uma variável candidata a entrar na base apresenta custo reduzido negativo, mas todos os coeficientes na sua coluna são menores ou iguais a zero ($a_{ik} \le 0$). Como é impossível calcular uma razão positiva, nenhuma variável pode deixar a base, demonstrando que a região é aberta. Em problemas com 2 variáveis, visualize este poliedro em nossa Calculadora do Método Gráfico.

3. Múltiplos Ótimos (Soluções Ótimas Alternativas)

Ocorrem múltiplos ótimos quando a função objetivo é estritamente paralela a uma das restrições ativas na fronteira do poliedro viável.

No quadro ótimo final, esse caso manifesta-se quando uma variável não básica apresenta custo reduzido exatamente igual a zero ($Z_j - C_j = 0$). Ao escolher essa variável como pivô, obtém-se um novo vértice ótimo com exatamente o mesmo valor da função objetivo $Z$. Qualquer combinação linear convexa entre esses pontos também será uma solução ótima.

Pronto para resolver seu modelo de Programação Linear?

Obtenha soluções instantâneas passo a passo com análise completa de sensibilidade e preços sombra para qualquer modelo de PL.

Iniciar Calculadora Simplex