Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Resumen
Las relaciones entre elementos de dos conjuntos forman parte de la vida social,
econmica y de la actividad de las empresas. Un objetivo importante es comprender la
naturaleza y el contenido de esas relaciones. Los estudios clsicos basados en la lgica
booleana solo consideran las alternativas de existencia o no de relacin. La necesidad de
establecer un grado o nivel de vnculo conduce al empleo de conjuntos borrosos para su
generalizacin.
Avanzar en el estudio de las relaciones fuzzy ayuda a buscar nuevos caminos para dar
solucin a complejas cuestiones de decisin en el mbito de las realidades sociales,
econmicas y de gestin (Gil Aluja, 1999). Permite plantear y resolver problemas de
decisin referidos a relaciones de distinto tipo, a la asignacin, agrupacin y ordenacin
de recursos, inversiones, fuentes de financiacin, recursos humanos y otros.
En este trabajo se presentan y comparan los conceptos de relacin binaria ntida (crisp) y
borrosa (fuzzy), y sus diferentes formas de representacin. Se generalizan algunas
propiedades de las relaciones cuando los conjuntos son iguales, que permiten una
clasificacin de las mismas. En particular, se analizan las relaciones de equivalencia y de
semejanza, y sus extensiones fuzzy, as como su aplicacin al estudio de relaciones en
un espacio financiero.
Palabras clave: relaciones binarias ntidas, relaciones binarias borrosas, espacio
financiero.
1 Este trabajo fue realizado en el marco del Proyecto E019: Prediccin y toma
de decisiones en condiciones de incertidumbre de la Programacin Cientfica
2004-2007 de la Universidad de Buenos Aires.
18
Abstract
Relations between elements of two sets are part of social and economic life, and business
activity. An important objective is to understand the nature and content of these
relations. The classical studies based on Boolean logic only consider the presence or
absence of relation. This concept can be generalized to allow for various degrees or
strengths of association or interaction between elements using fuzzy set theory.
To advance in the study of relations fuzzy helps finding new ways to solve complex issues
decisions in the social, economic and management environments (Gil Aluja, 1999). It
allows posing and solving decision problems relating the allocation, management and
clustering of resources, investment, funding, human resources and others.
This paper presents and compares the binary relation concepts crisp and fuzzy, and its
different forms of representation. It generalizes some properties of relations among the
elements of a single set that let a classification be possible. In particular, it analyzes the
equivalent and the similarity relations and their fuzzy extensions, as well as the study of
these relations in a financial space.
Keywords: binary crisp relations, binary fuzzy relations, financial space.
19
1. INTRODUCCIN
Las relaciones entre elementos de dos conjuntos forman parte de la
vida social, econmica y de la actividad de las empresas. Un objetivo
importante es comprender la naturaleza y el contenido de esas
relaciones. Los estudios clsicos basados en la lgica booleana solo
consideran las alternativas de existencia o no de relacin.
La necesidad de establecer un grado o nivel de vnculo conduce al
empleo de conjuntos borrosos para su generalizacin. Surgen,
entonces, propiedades menos fuertes y ms aptas para representar
situaciones menos precisas pero que se encuentran ms
frecuentemente, que permiten extender los conceptos de relaciones de
equivalencia, orden y semejanza al mbito fuzzy.
Gil Aluja (1999) define relacin como todo tipo de asociacin capaz
de poner en evidencia el nivel de conexin existente entre objetos fsicos
o mentales pertenecientes a un mismo conjunto o entre objetos de
distintos conjuntos.
Avanzar en el estudio de las relaciones fuzzy ayuda a buscar nuevos
caminos para dar solucin a complejas cuestiones de decisin en el
mbito de las realidades sociales, econmicas y de gestin (Gil Aluja,
1999). Permite plantear y resolver problemas de decisin referidos a
relaciones de distinto tipo, a la asignacin, agrupacin y ordenacin de
recursos, inversiones, fuentes de financiacin, recursos humanos y
otros.
En este trabajo, se presentan y comparan los conceptos de relacin
binaria ntida (crisp) y borrosa (fuzzy) y sus diferentes formas de
representacin. Se generalizan algunas propiedades de las relaciones
cuando los conjuntos son iguales, que permiten una clasificacin de las
mismas. Se analizan, en particular, las relaciones de equivalencia y de
semejanza, y sus extensiones fuzzy.
Adicionalmente, se presenta una relacin de equivalencia en un
espacio financiero (Gil Pelez, 1987) que considera al tiempo como un
bien econmico en s mismo, se generaliza al campo fuzzy y se
desarrolla un caso de aplicacin.
2. RELACIONES BINARIAS CRISP Y FUZZY: CONCEPTOS BSICOS
Una relacin binaria crisp representa la presencia o ausencia de
asociacin, interaccin, interconexin, vinculacin o incidencia entre
los elementos de dos conjuntos. Este concepto puede ser generalizado
haciendo posible diversos grados o intensidad de asociacin o
20
( x, y ) R
( x, y ) R
si
si
( )
y1
x1
y2
x2
y3
Figura 1. Diagrama de una relacin binaria crisp
x1
x2
y1
1
1
y2
0
0
y3
1
0
21
( )
R =
{ (x, y ) / R~ (x, y ) }, (0 , 1] .
~
Toda relacin R (por ser un conjunto borroso) puede ser representada
unvocamente en trminos de sus -cortes mediante la expresin
~
R = U . R .
(0,1]
22
y1
0.5
x1
0.9
y2
1
x2
0.7
y3
0.2
~
R
y1
y2
y3
x1
0.5
1
0.7
x2
0.9
0
0.2
~
Figura 4. Matriz de pertenencia de R
2.1. Composicin max-min
~
~
~
~
Sean R1 X Y y R2 Y Z . Se define la composicin de R1 y R2 ,
~ ~
~ ~
denotada por R1 o R2 y tal que R1 o R2 X Z , como la relacin binaria
borrosa que verifica:
[ (
)]
x X , y Y , z Z.
) (
) (
) (
23
[(x, y ) R ( y, z ) R] (x, z ) R .
~
R es antisimtrica si y solo si
R~ (x, y ) > 0 R~ ( y, x ) > 0 x = y, (x , y ) X 2
)]
~
R es max-min transitiva si y solo si R~ (x, z ) max min R~ (x, y ) , R~ ( y, z )
y
~
R es antirreflexiva si y solo si R~ (x, x ) = 0, x X .
24
~
Se denomina clausura transitiva de una relacin borrosa R a la
relacin (Kaufmann, 1982)
~ ~ ~
~
~
R = R U R 2 U R 3 U R 4 U ...
Arreflexiva
Simtrica
Asimtrica
Antisimtrica
Transitiva
Equivalencia
Compatibilidad
/semejanza
Pre-orden
Orden amplio
Orden estricto
25
( )
()
( )
( )
( )
26
~
R
a
b
c
d
1
0.8
0.7
1
0.8
1
0.7
0.8
0.7
0.7
1
0.7
1
0.8
0.7
1
= 0.7
= 0.8
=1
27
El conjunto E (t 0 ) = (C , t ) / C + , t = t 0
28
29
relacin
est
dado
por
Se considera capital nulo a todo capital con valor cero, cualquiera sea t,
que tiene proyeccin nula en p, o sea
Proy p (0, t ) = 0 . La clase de
equivalencia est representada por los puntos del eje del tiempo.
v4
v3
v2
v1
30
6. RELACIONES DE SEMEJANZA
Una relacin binaria R X 2 es de semejanza o compatibilidad (tambin
se la llama relacin de proximidad o tolerancia) si y slo si es reflexiva y
simtrica.
Un concepto importante asociado con este tipo de relaciones son las
clases de compatibilidad, tambin denominadas clases de tolerancia.
Dada una relacin de semejanza R , una clase de compatibilidad es un
subconjunto A de X tal que x R y , x, y A . Una clase de
compatibilidad maximal es una clase de compatibilidad que no est
contenida propiamente en ninguna de las otras clases de
compatibilidad (Klir y Yuan, 1995).
La familia de todas las clases de compatibilidad maximales inducidas
por R sobre X determinan un cubrimiento completo de X con respecto
a R.
Una relacin binaria borrosa R X 2 es de semejanza, compatibilidad,
proximidad o tolerancia si y slo si es reflexiva y simtrica.
de
los
un
de
31
~
Ejemplo 4. La relacin R definida en X = {a, b, c, d , e} mediante su matriz
de pertenencia (Figura 9), es una relacin de semejanza borrosa dado
que es reflexiva (la diagonal principal tiene unos) y simtrica (su matriz
de pertenencia es simtrica respecto de la diagonal principal). Los ~
cubrimientos completos de la relacin R X 2 se pueden representan
mediante un diagrama de rbol (Figura 10).
~
R
0.5
0.2
0.3
0.5
0.2
0.5
0.5
0.7
0.2
0.3
0.2
0.7
32
= 0.2
= 0.3
d e
= 0.5
d e
d e
= 0.7
=1
d R~ (x, y ) = ~ (x, y ) .
R
~
~
ii. d R~ (x, y ) = d R~ ( y, x ) como R es simtrica su complemento R
tambin lo es.
33
[ (
)]
proyecciones son
C1'
= Proy p (C1 , t1 ) y
(C1 ,t1 )
C 2'
(C 2 ,t 2 )
= Proy p (C 2 , t 2 ) ,
y
( )
(I)
C~ (C 2 ) =
1
donde
34
~
C1
~
C 2
b
C1'
C2'
x
b
( )
( )
x (C1 b )
b
C~ (x ) =
1
x + C1 + b
b
0
si
x C1 b
si
C1 b x C1
si
C1 x C1 + b
si
x C1 + b
(II)
x (C 2 b )
b
C~ (x ) =
2
+
x
C 2 + b
b
0
x C 2 b
si
( )
si
C 2 b x C 2
si
C 2 x C 2 + b
si
x C 2 + b
( )
se considera:
35
(III)
i. C 2' C1'
Si C 2' C1' b entonces C1' C 2' + b . Al reemplazar en (II) y en (III) se
( )
( )
( )
( )
simetra.
8. CASO DE ESTUDIO
Se considera el siguiente espacio financiero simplificado:
Donde:
C1 = 4100 con t1 = 1 ; C 2 = 7630,20 con t 2 = 9 ; C 3 = 10500 con t 3 = 12
C 4 = 4567,75 con t 4 = 4 ; C5 = 4200,50 con t 5 = 2 ; C 6 = 7537,25 con t 6 = 7
36
C~ (x ) = 600
1
x + 6624
600
0
si
x 5424
si 5424 x 6024
si 6024 x 6624
si
x 6624
0
x 5457
C~ (x ) = 600
2
x + 6657
600
0
0
x 6016
C~ (x ) = 600
3
x + 7216
600
0
0
x 4727
~
C (x ) = 600
4
x + 5927
600
0
0
x 5114
C~ (x ) = 600
5
x + 6314
600
0
0
x 6378
C~ (x ) = 600
6
x + 7578
600
0
si
x 5457
si 5457 x 6057
si 6057 x 6657
si
x 6657
si
x 6016
si 6016 x 6616
si 6616 x 7216
si
x 7216
si
x 4727
si 4727 x 5327
si 5327 x 5927
si
x 5927
si
x 5114
si 5114 x 5714
si 5714 x 6314
si
x 6314
si
x 6378
si 6378 x 6978
si 6978 x 7578
si
x 7578
37
38
C~ (C 2 ) =
6057 + 6624
; C~ (C 2 ) = 0,945
1
600
C~ (C3 ) =
6616 + 6624
; C~ (C3 ) = 0,01333
1
600
C~ (C 4 ) = 0
1
C~ (C5 ) =
1
5714 5424
; C~ (C5 ) = 0,4833
1
600
C~ (C 6 ) = 0
1
C~ (C3 ) =
2
6616 + 6657
; C~ (C3 ) = 0,06833
2
600
C~ (C 4 ) = 0
2
C~ (C5 ) =
2
5714 5457
; C~ (C5 ) = 0,4283
2
600
C~ (C 6 ) = 0
2
C~ (C 4 ) = 0 ; C~ (C5 ) = 0
3
C~ (C6 ) =
6978 + 7216
; C~ (C 6 ) = 0,3966
3
600
C~ (C5 ) =
5714 + 5927
; C~ (C5 ) = 0,355
4
600
C~ (C 6 ) = 0
4
C~ (C 6 ) = 0
5
39
~
S
(C1 , t1 )
(C 2 , t 2 )
(C3 , t 3 )
(C 4 , t 4 )
(C5 , t5 )
(C1 , t1 )
(C 2 , t 2 )
(C3 , t 3 )
(C 4 , t 4 )
(C5 , t5 )
(C 6 , t 6 )
0,945
0,013
0,483
0,945
0,068
0,4283
0,013
0,068
0,396
(C 6 , t 6 )
0,355
0,483
0,4283
0,355
0,396
40
= 0.013
(C1, t1 ) (C2 , t2 )
(C5 , t5 )
(C1, t1 ) (C2 , t2 )
(C3 , t3 )
(C 3 , t 3 ) (C 6 , t 6 )
(C 4 , t 4 ) (C 5 , t 5 )
= 0.068
(C1, t1 ) (C2 , t2 )
(C5 , t5 )
(C 2, t2 ) (C3 , t3 )
(C 3, t3 ) (C6 , t6 )
(C 4 , t 4 ) (C5 , t 5 )
= 0.355
(C1, t1 ) (C2 , t2 )
(C5 , t5 )
(C 3 , t 3 ) (C 6 , t 6 )
(C 4 , t 4 ) (C 5 , t 5 )
= 0.396
(C1, t1 ) (C2 , t2 )
(C5 , t5 )
(C 3 , t 3 ) (C 6 , t 6 )
= 0.4283
(C1, t1 ) (C2 , t2 )
(C5 , t5 )
(C 3 , t 3 )
= 0.483
(C1 , t1 ) (C 2 , t 2 )
= 0.945
=1
(C1 , t1 ) (C5 , t 5 )
(C 6 , t 6 )
(C 4 , t 4 )
(C 4 , t 4 )
(C3 ,t3 )
(C 6 , t 6 )
(C 4 , t 4 )
(C1 , t1 ) (C 2 , t 2 )
(C 5,t5 )
(C 3,t3 )
(C 6,t6 )
(C 4,t4 )
(C1 , t1 )
(C 5 , t 5 )
(C3 ,t3 )
(C 6 , t 6 )
(C 4 , t 4 )
(C 2 , t 2 )
41
~
S2
(C1 , t1 )
(C 2 ,t 2 )
(C3 , t 3 )
(C 4 , t 4 )
(C5 , t 5 )
(C 6 , t 6 )
(C1 , t1 ) (C 2 , t 2 )
(C3 , t 3 )
(C 4 ,t 4 )
(C5 , t5 )
(C 6 , t 6 )
0,945
0,068
0,355
0,483
0,013
0,945
0,068
0,355
0,483
0,068
0,068
0,068
0,068
0,396
0,355
0,355
0,355
0,483
0,483
0,068
0,355
0,013
0,068
0,396
~
S3
(C1 ,t1 )
(C 2 ,t 2 )
(C3 , t 3 )
(C 4 , t 4 )
(C5 , t 5 )
(C 6 , t 6 )
(C1 ,t1 )
(C 2 , t 2 )
(C3 , t 3 )
(C 4 ,t 4 )
(C5 , t5 )
(C 6 , t 6 )
0,945
0,068
0,355
0,483
0,068
0,945
0,068
0,355
0,483
0,068
0,068
0,068
0,068
0,068
0,396
0,355
0,355
0,068
0,355
0,483
0,483
0,068
0,355
0,068
0,068
0,068
0,396
0,068
42
~
S4
(C1 ,t1 )
(C 2 ,t 2 )
(C3 , t 3 )
(C 4 , t 4 )
(C5 , t5 )
(C 6 , t 6 )
(C1 ,t1 )
(C 2 , t 2 )
(C3 , t 3 )
(C 4 ,t 4 )
(C5 , t5 )
(C 6 , t 6 )
0,945
0,068
0,355
0,483
0,068
0,945
0,068
0,355
0,483
0,068
0,068
0,068
0,068
0,068
0,396
0,355
0,355
0,068
0,355
0,068
0,483
0,483
0,068
0,355
0,068
0,068
0,068
0,396
0,068
0,068
~
Tabla 5. Matriz de pertenencia de S 4
~
~
~ ~ ~
~
~
Como S 4 = S 5 , finalmente S = S U S 2 U S 3 U S 4 .
~
S
(C1 ,t1 )
(C 2 ,t 2 )
(C3 , t 3 )
(C 4 , t 4 )
(C5 , t5 )
(C 6 , t 6 )
(C1 ,t1 )
(C 2 , t 2 )
(C3 , t 3 )
(C 4 ,t 4 )
(C5 , t5 )
(C 6 , t 6 )
0,945
0,068
0,355
0,483
0,068
0,945
0,068
0,355
0,483
0,068
0,068
0,068
0,068
0,068
0,396
0,355
0,355
0,068
0,355
0,068
0,483
0,483
0,068
0,355
0,068
0,068
0,068
0,396
0,068
0,068
~
Tabla 6. Matriz de pertenencia de la clausura transitiva de S
= 0.068
= 0.355
43
(C1 , t1 ) (C 2 , t 2 ) (C 4 , t 4 ) (C5 , t 5 )
(C 3 , t 3 ) (C 6 , t 6 )
= 0.396
(C1 , t1 ) (C 2 , t 2 ) (C5 , t 5 )
(C 4 , t 4 )
= 0.483
(C1 , t1 ) (C 2 , t 2 ) (C5 , t 5 )
(C 4 , t 4 )
(C 3 , t 3 )
(C 6 , t 6 )
(C 4 , t 4 )
(C 3 , t 3 )
(C 5 , t 5 )
= 0.945
=1
(C1 , t1 ) (C 2 , t 2 )
(C1 , t1 )
(C 2 , t 2 )
(C 5 , t 5 )
(C 5 , t 5 )
(C 4 , t 4 )
(C 3 , t 3 ) (C 6 , t 6 )
(C 3 , t 3 )
(C 6 , t 6 )
44
~
S
(C1 ,t1 )
(C 2 ,t 2 )
(C3 , t 3 )
(C 4 , t 4 )
(C5 , t 5 )
(C 6 , t 6 )
(C1 , t1 ) (C 2 , t 2 )
(C3 , t 3 )
(C 4 ,t 4 )
(C5 ,t 5 )
(C 6 , t 6 )
0,055
0,932
0,645
0,517
0,932
0,055
0,932
0,645
0,517
0,932
0,932
0,932
0,932
0,932
0,604
0,645
0,645
0,932
0,645
0,932
0,517
0,517
0,932
0,645
0,932
0,932
0,932
0,604
0,932
0,932
45
46
Lazzari, L.; Mouli, P.; Eriz, M. (2007). Relaciones binarias fuzzy: una
herramienta para la toma de decisin. Actas de las XXII Jornadas
Nacionales de Docentes de Matemtica de Facultades de Ciencias
Econmicas y Afines (en soporte digital). Mendoza.
Lentin, A.; Rivaud, J. (1969). Algebra Moderna. Aguilar, Madrid.
Pascale, R. (1998). Decisiones financieras. Ediciones Macchi, Buenos
Aires.
Rojo, A. Algebra I. (1972). El Ateneo, Buenos Aires.
Suarez, A.S. (1995). Decisiones ptimas de la inversin y financiacin en
la empresa. Ediciones Pirmide S.A. Madrid.
Zadeh, L. (1971). Similarity relations and fuzzy orderings. Information
Sciences 3, pp.177-200.
Zimmermann H. (1991). Fuzzy Set Theory and its Applications. Kluwer
Academic Publishers, Boston.