Cuadernos del CIMBAGE N 10 (2008) 17-46

RELACIONES BINARIAS CRISP Y FUZZY. APLICACIN A UN

ESPACIO FINANCIERO1
Luisa L. Lazzari Patricia I. Mouli Mariano Eriz
CIMBAGE Facultad de Ciencias Econmicas
Universidad de Buenos Aires
Av. Crdoba 2122 2 piso Ciudad de Buenos Aires C1120AAQ
ilazzari@econ.uba.ar pimoulia@hotmail.com erizmariano@hotmail.com
Recibido 15 de junio de 2007, aceptado 27 de septiembre de 2007

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.

Lazzari et al. / Cuadernos del CIMBAGE N 10 (2008) 17-46

18

CRISP AND FUZZY RELATIONS. APPLICATION

TO FINANCIAL SPACE
Luisa L. Lazzari Patricia I. Mouli Mariano Eriz
CIMBAGE Facultad de Ciencias Econmicas
Universidad de Buenos Aires
Av. Crdoba 2122 2 piso Ciudad de Buenos Aires C1120AAQ
ilazzari@econ.uba.ar pimoulia@hotmail.com erizmariano@hotmail.com
Received June 15th 2007, accepted September 27th 2007

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.

Lazzari et al. / Cuadernos del CIMBAGE N 10 (2008) 17-46

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

Lazzari et al. / Cuadernos del CIMBAGE N 10 (2008) 17-46

20

interaccin entre elementos. En una relacin fuzzy, los grados de

asociacin pueden ser representados mediante grados de pertenencia.
Una relacin ntida puede considerarse un caso particular de una
borrosa, as como un conjunto ntido lo es de uno borroso.
Dados dos conjuntos X e Y , se denomina relacin binaria R , de X en
Y (Rojo, 1972), a todo subconjunto del producto cartesiano X Y .
Una relacin crisp puede ser definida por medio de una funcin
caracterstica que asigna valor uno a todo par ordenado que pertenece
a la relacin y cero a todo par que no pertenece a la misma.
1
Se denota R : X Y {0, 1} / (x, y ) =
0

( x, y ) R
( x, y ) R

si
si

Para indicar que el par ordenado (a, b ) pertenece a la relacin suele

escribirse (a, b ) R o bien a R b (Rojo, 1972). Las relaciones binarias
pueden representarse mediante un diagrama (Figura 1) o una matriz
R = rij (Figura 2), donde rij = 1 indica que x est relacionado con y ,

( )

mientras que rij = 0 que no lo est.

Ejemplo 1. Dados los conjuntos X = {x1 ; x 2 } e Y = {y1 ; y 2 ; y 3 } , se define
la relacin R X Y / R = {(x1 , y1 ), (x1 , y 3 ), (x 2 , y1 )} .

y1
x1
y2
x2
y3
Figura 1. Diagrama de una relacin binaria crisp

x1
x2

y1
1
1

y2
0
0

y3
1
0

Figura 2. Representacin matricial de una relacin binaria crisp

Lazzari et al. / Cuadernos del CIMBAGE N 10 (2008) 17-46

21

La relacin inversa de R es el subconjunto de Y X siguiente (Rojo,

1972):
R 1 = {( y, x ) / (x, y ) R} o bien R 1 ( y, x ) = R (x, y ) (x, y ) X Y

Para generalizar el concepto de relacin binaria booleana de modo de

introducir un grado o nivel de vnculo entre los elementos de los
conjuntos, se define relacin binaria borrosa del siguiente modo:
~
Dados dos conjuntos X e Y se denomina relacin binaria fuzzy R de
X en Y (Kaufmann, 1973) a todo subconjunto borroso del producto
~
cartesiano X Y . Se denota R : X Y [0 , 1] .
Por ser una generalizacin de las relaciones binarias ntidas, las
relaciones binarias borrosas tambin pueden representarse mediante
~
un diagrama (Figura 3) o una matriz de pertenencia R = rij (Figura 4),

( )

donde rij = R~ (x, y ) es el grado con el cual x est relacionado con y .

Este valor puede indicar relacin de incidencia, preferencia, u otro tipo

de vinculacin entre los elementos de los conjuntos ntidos X e Y .
Todas las operaciones definidas con subconjuntos borrosos (como por
ejemplo la unin, la interseccin y el complemento) pueden extenderse
a las relaciones borrosas (Kaufmann y Gil Aluja, 1993). Se pueden
definir los -cortes de una relacin borrosa como:

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]

Ejemplo 2. Dados los conjuntos X e Y del Ejemplo 1, se define

~
R X Y expresada mediante el diagrama de la Figura 3 y por su
matriz de pertenencia (Figura 4).

22

Lazzari et al. / Cuadernos del CIMBAGE N 10 (2008) 17-46

y1

0.5
x1

0.9
y2

1
x2

0.7
y3

0.2

Figura 3. Diagrama de una relacin binaria borrosa

~
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:

[ (

)]

R~ o R~ (x, z ) = max min R~ (x, y ) , R~ ( y, z )

1

x X , y Y , z Z.

2.1.1. Propiedades de la composicin max-min

~
~
~
Sean R1 X Y , R2 Y Z y R3 Z W , se verifican las siguientes
propiedades (Kaufmann, 1982):
~ ~
~
~ ~ ~
i. Asociatividad: R1 o R2 o R3 = R1 o R2 o R3
~ ~ ~
~ ~
~ ~
ii. Distributividad respecto de la unin: R o T1 U T2 = R o T1 U R o T2
~
~
~ ~
~ ~
iii. T1 T2 R o T1 R o T2

) (

) (

) (

3. RELACIONES DEFINIDAS EN UN CONJUNTO

R es una relacin definida en un conjunto X , si y solo si R X 2

( X 2 = X X ).

Lazzari et al. / Cuadernos del CIMBAGE N 10 (2008) 17-46

23

3.1. Posibles propiedades de las relaciones definidas en un

conjunto
Las relaciones binarias definidas en un conjunto pueden cumplir
diferentes propiedades que permiten una clasificacin de las mismas.
En primer lugar se consideran las correspondientes a una relacin
crisp.
R es reflexiva si y solo si x X : ( x, x ) R .
R es arreflexiva si y solo si x X : ( x, x ) R .
R es simtrica si y solo si x y X : (x, y ) R ( y, x ) R .
R es asimtrica si y solo si x y X : ( x, y ) R ( y, x ) R .
R es antisimtrica si y solo si x y X : [ ( x, y ) R ( y, x ) R ] x = y .
R es transitiva si y solo si x y z X :

[(x, y ) R ( y, z ) R] (x, z ) R .

Estas propiedades pueden extenderse a las relaciones fuzzy y

expresarlas mediante la funcin de pertenencia (Kaufmann, 1973; Klir
y Yuan, 1995).
~
R es reflexiva si y solo si R~ (x, x ) = 1, x X .
~
R es simtrica si y solo si R~ (x, y ) = R~ ( y, x ), (x, y ) X 2 .

~
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 .

Adems se verifica que:

~
~ ~ ~
R reflexiva R o R = R 2 reflexiva
~
~ ~
R reflexiva R R 2
~
~
~
R es max-min transitiva R 2 R
Existen otras definiciones de las propiedades de las relaciones binarias
borrosas (Kaufmann, 1973; Zimmermann, 1991; Kaufmann y Gil Aluja,
1993; Klir y Yuan, 1995).

24

Lazzari et al. / Cuadernos del CIMBAGE N 10 (2008) 17-46

3.2. Clausura transitiva de una relacin binaria borrosa

~
~
~ ~
Sea R X X se define R 2 = R o R la relacin borrosa cuya funcin de
pertenencia es:

R~ 2 (x, z ) = max[min ( R~ (x, y ) , R~ ( y, z ))] x, y, z X .

y

~
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 ...

Propiedades (Kaufmann, 1982):

i. La clausura transitiva de una relacin binaria borrosa es una
relacin binaria transitiva.
~
ii. Sea R una relacin binaria borrosa. Si a partir de un cierto k se
~
~
verifica que R k +1 = R k , entonces
~ ~ ~
~
R = R U R 2 U ... U R k .
~
~ ~ ~
~
iii. Si R X X y n = card X , entonces R = R U R 2 U ... U R n .
3.3. Clasificacin de las relaciones binarias definidas en un
conjunto X
Al considerar las diferentes propiedades, se pueden distinguir distintos
tipos de relaciones definidas en un conjunto X, como se indica en la
Tabla 1. Algunos de ellos sern tratados en este trabajo.
Reflexiva

Arreflexiva

Simtrica

Asimtrica

Antisimtrica

Transitiva

Equivalencia
Compatibilidad
/semejanza
Pre-orden
Orden amplio
Orden estricto

Tabla 1. Algunos tipos de relaciones binarias definidas en un conjunto

4. RELACIONES DE EQUIVALENCIA
Una relacin binaria R X 2 es de equivalencia si y slo si es reflexiva,
simtrica y transitiva.

Lazzari et al. / Cuadernos del CIMBAGE N 10 (2008) 17-46

25

Para cada elemento x se puede definir un conjunto, denotado K x , que

contiene todos los elementos del referencial que estn relacionados con
ste a travs de la relacin R . K x es la clase de equivalencia de la
relacin con respecto a x y todos los elementos que pertenecen a la
misma clase son equivalentes. Formalmente, K x = {y / (x, y ) R} , x K x
por ser una relacin reflexiva.
Una relacin de equivalencia R definida sobre X determina una
particin del conjunto en clases de equivalencia, dado que las clases
son no vacas, disjuntas de a pares y su unin es X (Lentin y Rivaud,
1969).
La familia de todas las clases de equivalencia definidas por la relacin
R , es el conjunto cociente de X por la relacin de equivalencia y se
denota X / R .
Una relacin binaria borrosa R X 2 es de equivalencia borrosa o de
similitud si y slo si es reflexiva, simtrica y transitiva max-min2.
~
Si R es una relacin de similitud, cada -corte para (0,1] es una
relacin de equivalencia ntida, que representa la presencia de similitud
de grado entre los elementos. Cada una de esas relaciones de
equivalencia crisp determina una particin de X . R denota la

( )

particin correspondiente a la relacin de equivalencia de R . Dos

elementos x e y pertenecen al mismo subconjunto de la particin si y

solo si R~ (x, y ) . Cada relacin de similitud se asocia con el conjunto

~
R = { (R ) / (0,1]} de particiones del conjunto X . R es un

()

( )

( )

refinamiento de R si y solo si (Dubois y Prade, 1980).

~
Ejemplo 3. La relacin R definida en X = {a, b, c, d }, mediante su matriz
de pertenencia (Figura 5), es una relacin de equivalencia borrosa dado
que es reflexiva (la diagonal principal tiene unos), simtrica (es
simtrica respecto de la diagonal principal) y transitiva max-min
~ ~ ~
( R o R = R ). Est asociada con una secuencia de particiones R para

( )

> 0, R~ = { 0.7, 0.8, 1} . Sus refinamientos pueden ser graficados

mediante un diagrama de rbol (Figura 6).

2 Este concepto puede ser generalizado para otra definicin de transitividad de

una relacin fuzzy.

26

Lazzari et al. / Cuadernos del CIMBAGE N 10 (2008) 17-46

~
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

Figura 5. Matriz de pertenencia de R

= 0.7

= 0.8

=1

Figura 6. Diagrama de rbol

Las clases de equivalencia formadas por los niveles de refinamiento de
una relacin de similitud pueden interpretarse como conjuntos de
elementos que son similares entre s en un grado no menor que .
El concepto de rbol de particin en una relacin de similitud (Figura
6) juega el mismo papel que el conjunto cociente en una relacin de
equivalencia (Zadeh, 1971).
Las relaciones de similitud, al igual que las de equivalencia, definen

clases de similitud. Dada una relacin de similitud R definida en X ,

la clase de similitud para cada elemento x X es un conjunto borroso
en el cual el grado de pertenencia de cada elemento y X es la
intensidad de la relacin de cada elemento con x . Es decir, la clase de
similitud para un elemento x representa el grado con el cual todos los
otros elementos de X son similares con x (Klir y Yuan, 1995).

Lazzari et al. / Cuadernos del CIMBAGE N 10 (2008) 17-46

27

5. CAPITAL Y ESPACIO FINANCIERO

En esta seccin se presenta una relacin de equivalencia financiera
basada en el Principio de proyeccin financiera introducido por Gil
Pelez (1987) a partir de los conceptos de capital y espacio financiero.
En el apartado 7 se desarrolla una extensin fuzzy de esta relacin.
El sujeto econmico considera la magnitud tiempo con diversos
significados segn sea la naturaleza del problema que pretende
explicar o analizar.
Una interpretacin consiste en considerar el tiempo como una
magnitud sin influencia en el fenmeno econmico. Bajo una hiptesis
de fenmenos estticos o invariantes respecto al tiempo, el tiempo y el
espacio son solamente el soporte fsico de los hechos econmicos.
Con la aparicin de los modelos dinmicos en los que intervienen
variables econmicas cuyos valores son funcin del tiempo, se lo
considera una variable exgena de la que en cierta forma depende el
resultado del fenmeno econmico.
Si se tiene en cuenta que en todo proceso de produccin interviene el
tiempo y que entre dos procesos de igual rendimiento y factores, pero
de diferente duracin, el sujeto econmico prefiere aquel que
representa un menor consumo de tiempo, ste puede ser contemplado
como un bien econmico capaz, junto con otros, de transformarse en
nuevos bienes a travs de un proceso productivo, o de canjearse o
sustituirse por otro bien en un proceso o decisin de consumo (Gil
Pelez, 1987).
Bajo esta perspectiva se identifican los bienes econmicos mediante el
par (C, t ) . C indica el valor del bien y t expresa el momento de tiempo
en que va referida dicha valoracin, llamado momento de
disponibilidad, de referencia o de vencimiento del valor del bien.
Se denomina capital financiero a la medida de un bien econmico
referida al momento de su disponibilidad o vencimiento, la magnitud
bidimensional (C, t ) / C + , t y espacio financiero al conjunto de

todos los posibles valores del capital financiero E = (C , t ) / C + , t .

El conjunto E (t 0 ) = (C , t ) / C + , t = t 0

se denomina corte del espacio

financiero por t0 , y representa el subconjunto de todos los capitales con

vencimiento t 0 .

Lazzari et al. / Cuadernos del CIMBAGE N 10 (2008) 17-46

28

El corte del espacio financiero por C0 es el subconjunto de todos los

capitales de valor C0 , E (C 0 ) = { (C , t ) / C = C 0 , t R} .

5.1. Relacin de equivalencia financiera

Todo hecho econmico en el que intervienen capitales financieros
recibe el nombre de fenmeno financiero. Operacin financiera es toda
accin que intercambia o sustituye ciertos capitales financieros por
otros de distinto vencimiento o bien todo cambio no simultneo de
capitales (Gil Pelez, 1987).
La mayora de los fenmenos financieros son operaciones financieras o
asimilables a operaciones financieras ms o menos imperfectas.
Con el propsito de poder resolver algunos problemas que plantean los
fenmenos financieros pueden definirse, en el espacio financiero E,
relaciones de equivalencia que permitan al sujeto econmico decir si los
capitales (C, t ) y (C , t ) son equivalentes.
Para definir una relacin de equivalencia en el espacio financiero
E = (C , t ) / C + , t se considera un nico criterio mediante el cual,
dado un capital cualquiera (C, t ) , se puede obtener el valor V del capital
sustituto con vencimiento p fijo. Es decir, el sujeto econmico es capaz
de realizar una aplicacin de E en el corte p, o sea, en
E ( p ) = (V , t ), V + , t = p (Gil Pelez, 1987).

Este postulado recibe el nombre de principio de proyeccin o sustitucin

financiera en p, y el valor V, correspondiente a un capital (C, t ) se
expresa: V = Proy p (C , t ) (Figura 7).

Figura 7. Proyeccin financiera

Lazzari et al. / Cuadernos del CIMBAGE N 10 (2008) 17-46

29

Asociado a este criterio de proyeccin financiera en p se define la

relacin de equivalencia financiera R en el espacio financiero E, definida
por la condicin de tener la misma proyeccin, es decir:
(C1 , t1 ) R (C 2 , t 2 ) Proy p (C1 , t1 ) = Proy p (C 2 , t 2 )
Se verifican las propiedades:
Reflexiva: (C , t ) R (C , t ) , (C , t ) E
Simtrica: [(C1 , t1 ) R (C 2 , t 2 )] [(C 2 , t 2 ) R (C1 , t1 )] , (C1 , t1 ) E , (C 2 , t 2 ) E
Transitiva: [(C1 , t1 ) R (C 2 , t 2 )] [(C 2 , t 2 ) R (C3 , t 3 )] [(C1 , t1 ) R (C3 , t 3 )] ,
(C1 , t1 ), (C 2 , t 2 ), (C3 , t 3 ) E
Una clase de equivalencia est formada por el conjunto de capitales
que tienen la misma proyeccin financiera y como representante de la
misma puede elegirse (V , p ) (representante cannico).
El
conjunto
cociente
de
esta
E / R = (V , p ) / V = Proy p (C , t ) (Figura 8).

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

Figura 8. Conjunto cociente

Es importante destacar el carcter relativo de la relacin de
equivalencia dado que depende del criterio de proyeccin en p, al que la
equivalencia va asociada (Gil Pelez, 1987).

Lazzari et al. / Cuadernos del CIMBAGE N 10 (2008) 17-46

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.

Si R es una relacin de compatibilidad borrosa, las clases

compatibilidad se definen en trminos de los grados de pertenencia
Las clases de compatibilidad de nivel se determinan a partir de
-cortes de la relacin para (0 , 1] . Una clase -compatible es
subconjunto A de X tal que R~ ( x , y ) , x, y A . Los conceptos

de

los
un
de

clase -compatible maximal y de -cubrimiento completo se

generalizan a partir de los correspondientes conceptos para las
relaciones de compatibilidad ntidas ( = 1) .
Para algunos valores de , los -cubrimientos completos de una
relacin de semejanza R X 2 pueden determinar una particin de X .
~
Como R no es necesariamente una relacin transitiva, no puede
garantizarse que esto ocurra para todo valor de como en las
relaciones de similitud.
La ausencia de transitividad distingue a las relaciones de
compatibilidad de las de similitud. Como la clausura transitiva de una
relacin binaria borrosa es transitiva, la clausura transitiva de una
relacin de semejanza es una relacin de similitud. Kaufmann (1982)
considera que la nocin de similitud constituye el puente que existe
entre la equivalencia y la semejanza.

Lazzari et al. / Cuadernos del CIMBAGE N 10 (2008) 17-46

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

Figura 9. Matriz de pertenencia

Lazzari et al. / Cuadernos del CIMBAGE N 10 (2008) 17-46

32

= 0.2

= 0.3

d e

= 0.5

d e

d e

= 0.7

=1

Figura 10. Diagrama de rbol

Puede observarse en la Figura 10 que los -cubrimientos completos de
~
la relacin R determinan una particin de X para 0.7 .
6.1. Distancia min-max en una relacin de semejanza
~
~
Si R es una relacin de semejanza, entonces su clausura transitiva R
es una relacin de similitud (Kaufmann, 1982).
~
Se define distancia min-max en R como: d R~ (x, y ) = 1 ~ (x, y ) , es decir
R

d R~ (x, y ) = ~ (x, y ) .
R

En efecto, d es una distancia porque:

i. d (x, y ) 0 dado que 0 ~ (x, y ) 1
R

~
~
ii. d R~ (x, y ) = d R~ ( y, x ) como R es simtrica su complemento R

tambin lo es.

Lazzari et al. / Cuadernos del CIMBAGE N 10 (2008) 17-46

33

iii. d R~ (x, z ) d R~ (x, y ) * d R~ ( y, z ) (* es la operacin min-max) porque

si una relacin borrosa es transitiva max-min, entonces su
complemento es una relacin transitiva min-max, es decir que
~ (x, z ) min max ~ (x, y ), ~ ( y, z ) .
R

[ (

)]

El gran inters de la transitividad consiste en la posibilidad de

reagrupar los elementos en clases de equivalencia, es decir, en
conjuntos disjuntos.
7. RELACIN DE SEMEJANZA EN UN ESPACIO FINANCIERO
Asociado al criterio de proyeccin financiera en p (visto en 5.1) se
~
define la relacin de semejanza financiera S en E , determinada por la
condicin de tener proyecciones semejantes en grado .
Sean

los capitales financieros

proyecciones son

C1'

= Proy p (C1 , t1 ) y

(C1 ,t1 )
C 2'

(C 2 ,t 2 )
= Proy p (C 2 , t 2 ) ,
y

tales que sus

respectivamente,

en un mismo momento de tiempo p .

Para definir la relacin de semejanza o tolerancia financiera se asigna
un mismo valor b , b > 0 a cada proyeccin, denominado tolerancia,
que permite definir los siguientes nmeros borrosos triangulares
~
~
C1 = (C1 b, C1 , C1 + b ) y C 2 = (C 2 b, C 2 , C 2 + b ) .
~
Se define la relacin fuzzy S en el espacio financiero E de modo que:

( )

S~ ((C1 , t1 ); (C 2 , t 2 )) = C~ ' C 2'

1

(I)

Es decir que los capitales financieros (C1 ,t1 ) y (C 2 ,t 2 ) son semejantes

en grado si y solo si
C 2' = Proy p (C 2 , t 2 ) (Figura 11).

C~ (C 2 ) =
1

donde

C1' = Proy p (C1 , t1 )

Lazzari et al. / Cuadernos del CIMBAGE N 10 (2008) 17-46

34

~
C1

~
C 2

b
C1'

C2'

x
b

Figura 11. Determinacin del grado de semejanza

Esta relacin es de semejanza borrosa debido a que cumple con las
siguientes propiedades:
Reflexiva: S~ ((C , t ); (C , t )) = 1 , (C , t ) E (obvio).
Simtrica: S~ ((C1 , t1 ); (C 2 , t 2 )) = S~ ((C 2 , t 2 ); (C1 , t1 )) , (C1 , t1 ) E , (C 2 , t 2 ) E
En efecto,

( )

( )

Por (I) S~ ((C1 , t1 ); (C 2 , t 2 )) = C~ ' C 2' y S~ ((C 2 , t 2 ); (C1 , t1 )) = C~ ' C1'

1

Sea b , b > 0 la tolerancia de las proyecciones. Se obtienen los

~
siguientes nmeros borrosos triangulares C1 = (C1 b, C1 , C1 + b ) y
~
C 2 = (C 2 b, C 2 , C 2 + b ) , cuyas funciones de pertenencia son:
0

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)

Lazzari et al. / Cuadernos del CIMBAGE N 10 (2008) 17-46

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:

Para calcular C~ ' C 2' y de C~ ' C1'

1

35

(III)

i. C 2' C1'
Si C 2' C1' b entonces C1' C 2' + b . Al reemplazar en (II) y en (III) se

( )

( )

obtiene, respectivamente, C~ ' C 2' = 0 y C~ ' C1' = 0 .

1

Si C1' b C 2' C1' entonces C 2' C1' C 2' + b . Al reemplazar en (II) y en

C C1 + b
y
(III)
se
obtiene,
respectivamente,
C~ (C 2 ) = 2
1
b
C + C 2 + b
C~ (C1 ) = 1
, en consecuencia ambos valores resultan iguales.
2
b
ii. C 2' C1'
Se procede anlogamente que en el caso i).

( )

( )

Por lo tanto C~ ' C 2' = C~ C1'

1

C1' , C 2' + y queda demostrada la

simetra.

8. CASO DE ESTUDIO
Se considera el siguiente espacio financiero simplificado:

E = (C1 , t1 ), (C2 , t 2 ), (C3 , t3 ), (C4 , t 4 ), (C5 , t 5 ), (C6 , t 6 ) / Ci + , t i , i = 1, 2, 3, 4, 5, 6

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

Lazzari et al. / Cuadernos del CIMBAGE N 10 (2008) 17-46

8.1. Proyecciones de los capitales

Se calculan las proyecciones de los capitales para i = 0,08 y p = 6 .
Proy p =6 (C1 , t1 ) = 4100 (1 + 0,08)5 , Proy p =6 (C1 , t1 ) = 6024,245
Proy p =6 (C 2 , t 2 ) = 7630,20 (1 + 0,08)3 , Proy p =6 (C 2 , t 2 ) = 6057,0988
Proy p =6 (C 3 , t 3 ) = 10500 (1 + 0,08)6 , Proy p =6 (C3 , t 3 ) = 6616,7811
Proy p =6 (C 4 , t 4 ) = 4567,75 (1 + 0,08)2 , Proy p =6 (C 4 , t 4 ) = 5327,82

Proy p =6 (C5 , t 5 ) = 4200,50 (1 + 0,08)4 , Proy p =6 (C5 , t 5 ) = 5714,7339

Proy p =6 (C 6 , t 6 ) = 7537,25 (1 + 0,08)1 , Proy p =6 (C 6 , t 6 ) = 6978,9352

8.2. Matriz de semejanza

Para obtener los valores de la funcin de pertenencia de la relacin de
semejanza se considera una tolerancia de 600 pesos y se construyen
los nmeros borrosos asociados a las proyecciones, tomando solo la
parte entera del resultado.
~
~
~
C1 = (5424;6024;6624 ) , C 2 = (5457;6057;6657 ) , C3 = (6016;6616;7216 ) ,
~
~
~
C 4 = (4727;5327;5927 ) , C 5 = (5114;5714;6314 ) , C 6 = (6378;6978;7578) .
Se expresan los nmeros borrosos triangulares mediante sus funciones
de pertenencia.
0
x 5424

C~ (x ) = 600
1
x + 6624
600
0

si

x 5424

si 5424 x 6024
si 6024 x 6624
si

x 6624

Lazzari et al. / Cuadernos del CIMBAGE N 10 (2008) 17-46

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

Lazzari et al. / Cuadernos del CIMBAGE N 10 (2008) 17-46

38

Se aplica (I) para calcular los correspondientes grados de semejanza.

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

Lazzari et al. / Cuadernos del CIMBAGE N 10 (2008) 17-46

39

Con los valores obtenidos, se construye la siguiente matriz de

semejanza en el espacio E :

~
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

Tabla 2. Matriz de pertenencia de S

Lazzari et al. / Cuadernos del CIMBAGE N 10 (2008) 17-46

40

8.3. Diagrama de rbol de los -cubrimientos completos de la

relacin de semejanza

= 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 )

Figura 12. Diagrama de rbol

Lazzari et al. / Cuadernos del CIMBAGE N 10 (2008) 17-46

41

8.4. Clausura transitiva

~
A los efectos de obtener la clausura transitiva de S , se realiza la
composicin de la relacin consigo misma tantas veces como sea
necesario, mediante el empleo de un software adecuado. Los resultados
figuran en las Tablas 3, 4 y 5.

~
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

Tabla 3. Matriz de pertenencia de S 2

~
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

Tabla 4. Matriz de pertenencia de S 3

Lazzari et al. / Cuadernos del CIMBAGE N 10 (2008) 17-46

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

8.5. Diagrama de rbol de los refinamientos de la relacin de

similitud
~
Como la clausura transitiva de S es una relacin de similitud, los
diferentes niveles de refinamiento determinan una particin del espacio
financiero E, como se observa en la Figura 13.

Lazzari et al. / Cuadernos del CIMBAGE N 10 (2008) 17-46

= 0.068

= 0.355

43

(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 ) (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 )

Figura 13. Diagrama de rbol

(C 3 , t 3 ) (C 6 , t 6 )

(C 3 , t 3 )

(C 6 , t 6 )

44

Lazzari et al. / Cuadernos del CIMBAGE N 10 (2008) 17-46

8.6. Distancia min-max

~
Se calcula la distancia min-max en S referida a su clausura transitiva
(Tabla 7).

~
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

Tabla 7. Matriz de distancias min-max en S

Al observar la Tabla 7 y el diagrama de rbol de la Figura 13, se aprecia

que para niveles de < 0.945 han quedado elementos agrupados en
una misma clase de similitud, cuya distancia min-max es mayor que
0.5. Por ejemplo, para 0.483 , C1 , C 2 y C5 pertenecen a la misma clase
aunque d (C1 , C5 ) = d (C 2 , C5 ) = 0.517 .
9. CONCLUSIONES
Las relaciones binarias fuzzy permiten mayor flexibilidad a los modelos
y proporcionan una informacin ms clara al decisor. Pueden
considerarse una generalizacin de las relaciones binarias ntidas,
dado que las relaciones binarias crisp resultan un caso particular de
las fuzzy.
Al generalizar al campo fuzzy la relacin de equivalencia financiera
definida por Gil Pelez en 1987, se obtiene una relacin de semejanza o
proximidad, que si bien pierde la transitividad gana en flexibilidad, al
permitir considerar los capitales semejantes en un grado deseado y
determinar el valor de la tolerancia para cada caso particular de
acuerdo con el criterio del decisor.
La obtencin de la clausura transitiva de una relacin de semejanza
borrosa hace posible recuperar la transitividad y al mismo tiempo,

conocer la distancia min-max en R entre los respectivos elementos del

Lazzari et al. / Cuadernos del CIMBAGE N 10 (2008) 17-46

45

conjunto considerado, informacin que resulta valiosa en el momento

de la adopcin de decisiones.
De forma anloga a lo realizado en este trabajo con la relacin de
equivalencia financiera, podra generalizarse al campo fuzzy la relacin
de preferencia financiera definida por Gil Pelez (1987).
Existen diversas aplicaciones de las relaciones binarias fuzzy a
distintos campos de conocimiento, como por ejemplo medicina,
biologa, psicologa, economa y gestin.
BIBLIOGRAFA
Birkhoff, G.; Mac Lane, S. (1970). Algebra Moderna. Vicens-Vives,
Barcelona.
Cissell, R.; Cissell, H. (1978). Matemticas Financieras. Editorial
CECSA. Mxico.
Dubois, D.; Prade, H. (1980). Fuzzy Sets and Systems Theory and
Applications. Academic Press, Nueva York.
Esteva, F. (1992). Clculo con relaciones borrosas, en Trillas, E.;
Gutirrez Ros, J. (edits.). Aplicaciones de la lgica borrosa. Consejo
Superior de Investigaciones Cientficas, Madrid, pp.33-49.
Gil Aluja, J. (1995). Grafos neuronales para la economa y la gestin de
las empresas. Editorial Pirmide, Madrid.
Gil Aluja, J. (1999). Elementos para una teora de la decisin en la
incertidumbre. Editorial Milladoiro, Vigo.
Gil Pelez, L. (1987). Matemtica de las operaciones financieras.
Editorial AC, Madrid.
Godement, R. (1978). Algebra. Editorial Tecnos, Madrid.
Kaufmann, A. (1982). Introduccin a la teora de los subconjuntos
borrosos. C.E.C.S.A., Mxico.
Kaufmann A.; Gil Aluja J. (1993). Nuevas tcnicas para la direccin
estratgica. Universidad de Barcelona, Barcelona.
Klir, G.; Yuan; B. (1995). Fuzzy Sets and Fuzzy Logic. Theory and
Applications. Prentice-Hall PTR, New Jersey.
Lazzari, L.; Mouli, P. (2007). Relaciones binarias: un enfoque
alternativo. Actas de las XXIII Jornadas de Epistemologa de las
Ciencias Econmicas. Buenos Aires.

46

Lazzari et al. / Cuadernos del CIMBAGE N 10 (2008) 17-46

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.