Lógica y Decisiones

LOGICA
ANALISIS DE DECISIONES
POR: Henri Claude Thonon P.
- CARACAS, Febrero 1990

Versin Corregida: San Juan de los Morros, Marzo 2001 - ltima Revisin: Charallave, Marzo 2004 -
Lgica y Anlisis de Decisiones
Prefacio
PREFACIO
La Teora de Decisiones, como parte de la Praxeologa, definida por Oscar

Lange como la Ciencia de la Accin Racional la cual se subdivide en Investigacin
de Operaciones y la Teora de Decisiones, tiene que estar sustentada por un
riguroso aparato lgico, y mucho ms si se pretende como hoy en da se suele hacer
tratar de instrumentar a partir de la misma los sistemas expertos. Por esto la
importancia de analizar las lgicas implicadas en la toma de decisiones.
En este libro se va a tratar de los diferentes esquemas lgicos relacionados

con la toma de decisiones y el anlisis de sistemas, empezando con la lgica
proposicional, para luego seguir con la lgica de predicados y la cuantificacin y
sus nexos con las relaciones y la teora de conjuntos, continuando con una
introduccin a las lgicas normativa y modal con intervencin de los operadores
temporales como respuestas a las dos preguntas fundamentales del anlisis de
decisiones, para proseguir con los esquemas probables y finalmente terminar con la
lgica borrosa o imprecisa con un apndice sobre la Investigacin de Operaciones
en Condiciones Borrosas.
Entre las principales aplicaciones a analizar estarn los anlisis de

enunciados a problemas de decisiones, y el anlisis de la confiabilidad y de la
calidad de los sistemas genricos, y los rboles de decisiones, sin olvidar algunas
aplicaciones en la Investigacin de Operaciones. Adems en algunas partes se
plantean ejercicios a ser resueltos por el lector.
P-1
Prefacio
Es de esperar tambin que algunas afirmaciones y, posiblemente, el enfoque

de la materia de este libro traiga discusiones y controversias en diferentes medios,
cuestin a la cual al autor le dara mucha satisfaccin ya que este material escrito
aqu no pretende ser la panacea de la toma de decisiones, sino solamente la apertura
para futuras discusiones sobre los procesos involucrados en la praxeologa.
P-2
Indice
INDICE
Pagina
Contenido
PREFACIO
P-1
I.-
LOGICA DE PROPOSICIONES
Operadores primarios
a) Negacin
b) Conjuncin
Los otros operadores
a) Disyuncin inclusiva
b) Disyuncin exclusiva
c) Implicacin
d) Doble implicacin
e) La incompatibilidad
1-1
1-1
1-1
1-1
1-2
1-2
1-2
1-2
1-2
1-3
TAUTOLOGIAS, CONTRADICCIONES Y CONTINGENCIAS.

Ejercicio
1-7
II-.
1-3
APLICACIONES
A.- Anlisis de Enunciados
EJEMPLO 1.1
B.- Redes lgicas
EJEMPLO 1.2
Representacin de condiciones lgicas en los
problemas de investigacin de operaciones
1-8
1-8
1-8
1-9
1-9
EJERCICIOS
1-11
NOTAS Y REFERENCIAS
1-12
LOGICA DE PREDICADOS Y CUANTIFICADORES
2-1
EJERCICIOS
2-4
Generalizacin del cuantificador existencial
2-4
RELACIONES
Tipos de relaciones
Reflexividad
Simetra
Transitividad
Circularidad
Relacin de equivalencia
2-5
2-5
2-5
2-5
2-5
2-6
2-6
I-1
1-10
Indice
Relacin de semejanza
Relacin de orden dbil
Relacin de orden estricto
III.-
2-6
2-6
2-6
APLICACIONES
A.Anlisis de enunciados
B.Anlisis de recepcin/transcripcin
de datos
C.Construccin de teoras
2-7
2-7
EJERCICIO
2-9
APENDICE SOBRE CONJUNTOS

Propiedades y Operaciones de los conjuntos
a.- Igualdad de conjuntos
b.- Subconjuntos
b'.- Subconjuntos estrictos
c.- Interseccin de conjuntos
d.- Unin de conjuntos
e.- Resta de conjuntos
f.- Resta simtrica de conjuntos
g.- Conjunto vaco
h.- Conjunto universal
i.- Complemento de un conjunto
j.- Tautologas
k.- Conjuntos disjuntos
Relacin entre lgica de predicados y
conjuntos
Cardinalidad de conjuntos y cuantificadores
existenciales generalizados
Conclusiones
2-10
2-10
2-10
2-11
2-11
2-11
2-11
2-7
2-8
2-12
2-12
2-12
2-12
2-12
2-13
2-13
2-13
2-14
2-15
NOTAS Y REFERENCIAS
2-16
LOGICAS NORMATIVA Y MODAL, Y OPERADORES

TEMPORALES
3-1
LAS PREGUNTAS FUNDAMENTALES DE LA TOMA DE

DECISIONES
3-1
LAS LOGICAS NORMATIVA Y MODAL

LOS OPERADORES NORMATIVOS (referidos
a acciones o programas)
LOS OPERADORES MODALES (referidos a
resultados de programas)
I-2
3-1
3-2
3-3
Indice
APLICACIONES A LA TOMA DE DECISIONES
IV.-
V.-
3-4
EL FACTOR TIEMPO
APLICACIONES
3-5
3-5
NOTAS Y REFERENCIAS
3-7
LOGICA PROBABLE
La lgica probable como un refinamiento
de la lgica modal
4-1
APLICACIONES
1.- Confiabilidad de un sistema
2.- Anlisis de Decisiones
4-3
4-3
4-4
NOTAS Y REFERENCIAS
4-5
LOGICA VAGA O IMPRECISA
5-1
APLICACIONES
1.- Calidad de un sistema
5-3
5-3
APENDICE SOBRE INVESTIGACION DE OPERACIONES EN

CONDICIONES BORROSAS
1.- INTRODUCCION
2.- DEFINICIONES BORROSAS
OPTIMIZAR
OBJETIVOS
RESTRICCIONES DE RECURSOS
CUMPLIMIENTOS DE METAS
CONDICIONES TECNICAS
3.- CONCEPTOS FUNDAMENTALES
Optimo Pareto
a) Relacin (de) Pareto
b) Optimo (de) Pareto:
Ejemplo
Subconjuntos Borrosos
a) subconjunto borroso R de X
b) Las operaciones sobre conjuntos
borrosos
1) Unin (U)
2) Interseccin (_)
3) Identidad de Subconjuntos
Borrosos
I-3
4-2
5-4
5-4
5-5
5-5
5-5
5-5
5-5
5-5
5-6
5-6
5-6
5-6
5-7
5-7
5-7
5-7
5-7
5-7
5-8
4.-
5.-
Indice
4) Complemento respecto a X
5) Inclusin
6) Pertenencia Borrosa
Ejemplo
Nmeros Borrosos
- Operaciones con nmeros borrosos
5-8
5-8
5-8
5-8
5-9
5-9
PLANTEAMIENTO GENERAL DE LOS PROBLEMAS DE

I.O.
NOTAS
5-10
5-10
RESOLUCION DE PROBLEMAS DE I.O. CON

Caso 1: El conjunto de las restricciones (R)
es borroso.
Ejemplo
Caso 2: El vector de recursos y metas B,
est formado por numeros borrosos
Ejemplo
Caso 3: Las funciones f y/o g tienen
coeficientes borrosos
Ejemplo
BIBLIOGRAFIA
5-11
5-11
5-11
5-13
5-13
5-16
5-16
B-1
I-4
Lgica Proposicional
I-. LOGICA DE PROPOSICIONES.
Se considera una proposicin como cualquier enunciado susceptible de ser

verdadero o falso. Se dir que una proposicin es una proposicin simple,
molecular o atmica si no est formada por otras proposiciones. De lo contrario se
dir que es una proposicin compuesta. Se considera que proposiciones compuestas
son equivalentes si toman el mismo valor de verdad cuando sus partes tienen
tambin el mismo valor de verdad.
Operadores primarios.
Son los operadores a partir de los cuales se pueden definir todos los dems
operadores 1 :
a)
Negacin:
Sea p una proposicin, entonces p (no p), la negacin de p, ser falsa
cuando p es verdadera y verdadera cuando p sea falsa.
b)
Conjuncin:
Sea p y q dos proposiciones, entonces p q ( p y q ), la conjuncin de p y q,
ser verdadera slo cuando ambas sean verdaderas y de lo contrario ( cuando

alguna de las dos o ambas son falsas) ser falsa.
1-1
Lgica Proposicional
Los otros operadores:

a)
Disyuncin inclusiva
p q ( p o q), la disyuncin inclusiva de p y q, ser falsa slo cuando ambas
son falsas y de lo contrario (cuando alguna de las proposiciones o ambas son

verdaderas) es verdadera, y es equivalente a: (p q)
b)
Disyuncin exclusiva:
p q ( p, q), la disyuncin exclusiva de p y q, ser verdadera cuando una
de las dos proposiciones es verdadera y la otra falsa, mientras que es falsa cuando
las dos son falsas o las dos son verdaderas simultneamente, y es equivalente a: (p
q) (p q) tambin a (p q) (p q).
c)
Implicacin
p==>q (p implica q si p entonces q) es falsa slo cuando el antecedente (p)
es verdadero y el consecuente (q) es falso, y de lo contrario es verdadera, y es

equivalente a p q.
Tambin en este caso se dice que p es condicin suficiente de q, y q
condicin necesaria de p
d)
Doble implicacin
p<==>q (p si y slo si q) es verdadera cuando ambos (p y q) son verdaderos
o ambos falsos, y es equivalente a: (p q) (p q).
1-2
Lgica Proposicional
e) La incompatibilidad.
p|q (p es incompatible con q) es falsa cuando ambos (p y q) son verdaderos, y
es equivalente a p q.
Los enunciados anteriores se pueden resumir en el siguiente cuadro:

p
q
p
pq
pq
pq
p==>q
p<==>q p|q
----------------------------------------------------------------------------------------------------V V
F
V
V
F
V
V
F
V F
F
F
V
V
F
F
V
F
V
V
F
V
V
V
F
V
F
F
V
F
F
F
V
V
V
-----------------------------------------------------------------------------------------------------
TAUTOLOGIAS, CONTRADICCIONES Y CONTINGENCIAS.

Las tautologas son proposiciones que son verdaderas independientemente
del valor de sus proposiciones atmicas. Las tautologas forman las leyes de la
lgica proposicional.
Entre las principales tautologas se tienen:
formula
nombre
interpretacin
1) p ===> p
Identidad.
a) Si se da p, entonces p se da.
b) Si una proposicin es cierta entonces es
cierta.
2) p <==> p
Identidad.
a) p es cierto si y slo si p es cierto.

b) Una proposicin es idntica a si misma.
1-3
Lgica Proposicional
3) (p p)
No contradiccin.
a) No se da p y no p simultneamente.
b) Una proposicin y su negacin no son
ciertas simultneamente.
4) p p
Tercero excluido.
a) p o su negacin es cierta.
b) Una proposicin o su negacin es cierta.
5) p <===>p
Doble negacin.
a) p es equivalente a su doble negacin

b) Una proposicin es idntica a su doble
negacin.
6) [(p ===>q) p] ===>q
Modus ponendo ponens. a)
7) [(p===>q) q]===>p
Modus tollendo tollens.
8) [(p q) p]===> q
Modus tollendo ponens a) Dado p o q, y no p, entonces q.

o Silogismo disyuntivo b) Dada una disyuncin de dos proposiciones y el hecho que una no se cumple,
debe cumplirse la otra.
9) p q ===> p
Simplificacin.
a) Dado p y q, entonces p.
b) Dado una conjuncin, entonces debe
cumplirse cada una de las proposiciones.
10) p ====> p q
Adicin.
a) Dado p, entonces p o q
b) Dada una proposicin, entonces se
cumple la disyuncin de esta proposicin
con cualquiera otra.
11) p ===> (q ===> p)
A fortiori.
a) Dado p, entonces, q implica p.

b) Dado una propsicin, entonces sta es
implicada por cualquiera otra proposicin.
Si p implica q, y se tiene p, entonces se

tiene q.
b) Dada una implicacin y se cumple el
antecedente, entonces se cumple el
consecuente.
1-4
a) Si p implica q, y q no se da, entonces

tampoco se da p.
b) Dada una implicacin y no se cumple el
consecuente, entonces no se cumple el
antecedente.
12) [p ===> (q ===> r)] ===>
Lgica Proposicional
Ley de Frege.
a) Si p, implica que q implique r, entonces

si
p implica q, entonces p implica r.
b) Si una proposicin implica una implicacin, entonces si esta proposicin implica
el antecedente de la implicacin,
entonces tambin implica el consecuente
de la implicacin.
[(p ===> q) ===> (p ===> r)]
13) [p ===> (q ===> r)] ===>
Cambio del antecedente. a)
Si p, implica que q implique r, entonces q

implica que p implica r.
b) Si una proposicin implica una implicacin, entonces el antecedente de la
implicacin implica que la proposicin
implica el consecuente de la implicacin.
[(q ===> (p ===> r)]
14) [p ===> (q ===> r)] <===> Importacin-exportacin a) Que p implique que q implica r es equi[p q ===> r]
de la implicacin.
valente a que p y q implique r.
b) Que una proposicin implique una implicacin es equivalente a que la
proposicin y el antecedente de la
implicacin impli-que al consecuente de
la implicacin.
15) [(p ===> q) (q ===> r)] Silogismo hipottico
===> [p ===> r]
16) [p ===> q] <===>
Contraposicin
a) Que p implique q es equivalente a que no

q implique no p
b) Una implicacin es equivalente a otra en
donde la negacin del consecuente implica la negacin del antecedente.
[q ===> p)
17) [p ===> q q] ===> p
a) Si p implica q y q implica r, entonces p

implica r.
b) Si se tienen dos implicaciones, en donde
el consecuente de la primera es el antecedente de la segunda, entonces el antecedente de la primera implica el consecuente de la segunda.
Reduccin al absurdo a) Si p implica q y no q, entonces se tiene

no p.
1-5
Lgica Proposicional
b) Si una proposicin implica a otra y su

negacin, entonces se tiene la negacin
de la primera.
18) [(p ==> q) ==> p] ==> p
Ley de Peirce
19) [(p ==> q) (r ==> s)
Dilema constructivo. a) Si se tiene que p implica q, que r implica

s
y p o r, entonces se tiene q o s.
b) De dos implicaciones, y la disyuncin de
sus antecedentes, se tiene la disyuncin
de sus consecuentes.
(p r)] ===> [q s]
20) [(p ==> q) (r ==> s)

(q s)] ===> [p r]
a) Del hecho que p implique q, implica a p,

se tiene p.
b) Si una implicacin implica su
antecedente, entonces se tiene el
antecedente.
Dilema destructivo. a) Si se tiene que p implica q, que r implica

s
y no q o no s, entonces se tiene no p o no
s.
b) De dos implicaciones y la disyuncin de
las negaciones de sus consecuentes, se
tiene la disyuncin de las negaciones se
sus antecedentes.
Adems de las leyes conmutativas y asociativas de las disyunciones, la

conjuncin y la doble implicacin, y la leyes distributivas; y de las leyes dadas a
travs de las definiciones.
Las contradicciones son proposiciones que son falsas independientemente del
valor de sus proposiciones atmicas. Mientras que las proposiciones que no son ni
tautologas ni contradicciones se dicen que son contingentes. Adems, la negacin
de una tautologa es una contradiccin, y la negacin de una contradiccin, una
tautologa, mientras que la negacin de una proposicin contingente sigue siendo
una proposicin contingente.
1-6
Lgica Proposicional
Ejercicio
1.1.-
Dadas las siguientes proposiciones:

p = Juan es un buen empleado.
q = Juan va a tener ascenso.
r = Juan va tener aumento de sueldo.
s = Juan va a ser despedido.
Construir cada una de las 20 tautologas indicadas anteriormente.
1-7
Lgica Proposicional
APLICACIONES
A.- Anlisis de Enunciados.
EJEMPLO 1.1
Sea por ejemplo el siguiente enunciado:
"S los mtodos de trabajo son antieconmicos, entonces no son
socialmente deseables. Si los mtodos de trabajo son aburridos,
entonces son nocivos para la iniciativa. Si los mtodos de trabajo son
nocivos para la iniciativa, entonces son antieconmicos. Meramente el
trabajo mecnico es aburrido. Por lo tanto, meramente el trabajo
mecnico no es socialmente deseable". 2
Asi tenemos las siguientes premisas:
(P1)
A ===> I
(P2) B ===> N
(P3)
N ===> A
(P4)
M ===> B
derivaciones
(D1)
M ===> N
SH,P4,P2
(D2)
M ===> A
SH,D1,P3
(D3)
M ===> I
SH,D2,P1 (CONCLUSION)
Por lo tanto el argumento es valido ya que la conclusin se

obtuvo a partir de las premisas aplicando las leyes.
1-8
B.-
Lgica Proposicional
Redes lgicas.
Cuando se tienen circuitos elctricos o hidrulicos se considera que
hay paso del fludo cuando se cumple alguna de las siguientes condiciones:
1.-
Dos interuptores que estn en serie estn ambos abiertos.
2.-
Dos interuptores que estn en paralelo al menos alguno los dos est abierto.
(Ver figura 1.)
Figura 1.
a. Interruptores en serie.
pq
b. Interruptores en paralelo.
p
pq
q
1-9
Lgica Proposicional
En los circuitos de computadores se consideran directamente tres tipos de

compuertas: AND, OR y NOT los cuales tienen como salida 1 cuando todos las
entradas son 1, cuando al menos una de ellas es 1 y cuando la entrada es falsa,
respectivamente.(Ver figura 2)
Figura 2.
p
q
AND
pq
OR
pq
p
q
En forma general cualquier sistema donde fluya algo (electricidad, dinero,

informacin, etc) se puede representar de manera anloga a las descritas
previamente.
1-10
Lgica Proposicional
EJEMPLO 1.2
"Considrese un sistema formado por tres componentes mayores
A, B y C. A est compuesto por dos componentes, cualquiera de los
cuales debe ser bueno para que lo sea A. B tiene dos componentes, que
deben ser buenos para que lo sea B. C esta integrado por tres
componentes; si C1 es bueno, C ser bueno, aunque C2 y C3 sean
malos. Si C1 es malo, deberan ser buenos tanto C2 como C3. Si A es
malo, el sistema ser malo, cualesquiera que sean los estados de los
otros dos componentes mayores; no obstante, si A es bueno, el sistema
ser bueno si cualquiera B C es malo, pero no los dos." 3
La representacin grfica del sistema descrito anteriormente est en
las figuras 3 y 4.
Figura 3.
B1
B2
A1
A2
C1
C3
C2
C
1-11
Lgica Proposicional
Figura 4.
A1
A2
B1
B2
+
C1
C2
C3
A partir de las figuras es fcil observar que para que el Sistema no
funcione es suficiente que estn malos los componentes A1 y A2
simultneamente (Ver figura 5) alguno de los componentes B1 B2 y el
componente C1, simultneamente con alguno de los dos componentes C2
C3 (Ver figura 6).
1-12
Lgica Proposicional
Figura 5.
B1
B2
A1
A2
C1
C3
C2
Si A est malo entonces S est malo. Para que A est malo A1 y A2

tienen que estar malos tambin.
1-13
Lgica Proposicional
Figura 6.
B1
B2
A1
A2
C1
C3
C2
B y C malos ===> S malo. B1 o B2 malo ===> B malo y
C1 y (C2 o
C3) malos ===> C malo.
De hecho estos resultados tambin se podran obtener a partir de una

tabla de verdad, pero esta misma tabla para este sistema debera tener 27
(128) filas, de las cuales habran 59 casos que daran como resultado que el
sistema no funcione, versus 69 casos en que si funciona.
1-14
Lgica Proposicional
Representacin de condiciones lgicas en los problemas de investigacin de

operaciones.
En los problemas de investigacin de operaciones las condiciones
lgicas se pueden representar a travs de ecuaciones con variables binarias que
valgan 0 1. As se tiene:
Condicion lgica
Ecuacin
X1 X2
X1 + X2 1
X1 X2
X1 + X2 = 1
X1 ===> X2
X1 - X2 0
X1 <==> X2
X1 - X2 = 0
1-15
Lgica Proposicional
EJERCICIOS:
1.1- Se tienen cinco (5) fbricas que producen productos de consumo similares.
Los publicistas de las fbricas son mentirosos o no * ; se desea saber cul de
las cinco fbricas produce el mejor producto. Estas son las declaraciones de
los publicistas:
(1)
Nuestro producto es el mejor, el ms barato, y el de mayor demanda.
(2)
Nuestro producto es el mejor. No es el ms barato. El de (4) es el de

mayor demanda.
(3)
Nuestro producto es el mejor, el ms barato, y el de mayor demanda.
(4)
Nuestro producto es el mejor. El de (3) es el ms barato. El nuestro

tiene menos demanda que el de (2).
(5)
Nuestro producto es el mejor y el ms barato. El de (1) es el de mayor

demanda.
1.2- Demostrar la validez o no del siguiente argumento.

"Si la Compaa Bilge es capaz de comprar materia prima a un precio
favorable o si la Compaa incrementa sus ventas, entonces la
Compaa no va a tener prdidas. Si hay escasez de materia prima,
entonces la compaa Bilge no estar en capacidad de comprar materia
prima a un precio favorable. El hecho es que no hay escasez de materia
prima. Por lo tanto, la Compaa Bilge no va a tener prdidas" 4 .
* Si un publicista es mentiroso, miente en todas y cada una de sus afirmaciones.
1-16
Lgica Proposicional
1.3- Demostrar la validez del siguiente argumento.

"Si el Candidato recibe apoyo de los liberales y el apoyo de los
laboristas, entonces ganar. O el Candidato no ganar o introducir un
proyecto favorable al trabajador. El Candidato no introducir un
proyecto favorable al trabajador. Adems el candidato recibir el
apoyo de los liberales. Por lo tanto, el Candidato no recibir el apoyo
de los laboristas." 5
NOTAS Y REFERENCIAS:
1
Tambin se podra tomar como operadores primarios la negacin y la disyuncin, o la

incompatibilidad (p|p = ~p).
Bishir, John W. & Drewes, Donald W.: Mathematics in the Behavorial and Social
Sciences. Harcourt, Brace & world. 1970.
Braverman, Jerome D.: Probabilidad, lgica y decisiones gerenciales. Trillas. 1980.
Bishir, John W. & Drewes, Donald W.: Op. Cit.
Bishir, John W. & Drewes, Donald W.: Op. Cit.
1-17
II-.
Lgica de Predicados y cuantificadores
LOGICA DE PREDICADOS Y CUANTIFICADORES

La lgica de predicados considera que las proposiciones constan de sujeto y
predicado, y son de la forma:

Px
que se lee el sujeto x tiene la propiedad P x es P.
Los cuantificadores indican para cuantos sujetos se cumple Px.
Los cuantificadores son del tipo (x) que se lee todo x, y (x) que se lee
existe algn x.
As tenemos que:
Expresin
Se lee
(1)
(x)Px
Todo x tiene la propiedad P ( todo x es P)
(2)
(x)Px
Existe algn x con la propiedad P ( algn x es P)
(3)
(x)Px
Ningn x tiene la propiedad P ( ningn x es P)
(4)
(x)Px
Existe algn x que no tiene la propiedad P ( algn

x no es P)
Cuando una variable no est incluida en el alcance de ningn cuantificador se

dice que es una variable libre. Adems tambin estn los nombres propios que son
los casos particulares. Para representar los nombres propios se suele utilizar las
primeras letras del alfabeto.
Si se supone la existencia de algn elemento en el Universo entonces se
cumple:
contrarios
2-1
(1)
(x)Px
s
u
b
a
l
t
e
r
n
o
s
(2)
o
n
t
n
o
c
r
r o
a t
dc
i
d c
a
t
r
o
i
o
(x)Px
(x)Px
(3)
s
u
b
a
l
t
e
r
n
o
s
(x)Px (4)
subcontrarios
(2) es subalterno de (1), esto es, si (1) es verdadero (2) es necesariamente

verdadero.
(4) es subalterno de (3).
(1) y (3) son contrarios, esto es, no pueden ser ambos verdaderos a la vez.
(2) y (4) son subcontrarios, esto es, no pueden ser ambos falsos a la vez.
(1) y (4) son contradictorios, esto es, si el uno es verdadero el otro es falso.
(2) y (3) son contradictorios.

Lo cual nos da la siguiente tabla de verdad:
(1)
(2)
(3)
(4)
F
F
V
F
2-2
Aunque los juicios cuantitativos ms generales hacen referencia a un marco

de referencia M, as se tiene:
(1') (x)(Mx ==> Px)
(2') (x)(MxPx)
(3') (x)(Mx ==> Px)
(4') (x)(MxPx)
Los cuales se leen respectivamente como: todo elemento de M es P, existe un
elemento de M que es P, ningn elemento de M es P y hay algn elemento en M
que no es P. Y las relaciones entre (1'), (2'), (3') y (4'), si el marco de referencia no
es vaco, son las mismas que las existentes entre (1), (2), (3) y (4).
Pero en el caso en el cual el marco de referencia es vaco, o sea (x)Mx es
falso, se tiene que tanto (1') y (3') son verdaderos y (2') y (4') son falsos. Esto es
importante ya que demuestra la necesidad (para una teora legal) de que el marco de
referencia no sea vaco, y cuando se lleva a la praxis o a la ciencia la necesidad de
que exista un correlato real del marco de referencia.
Adems se tienen las siguientes leyes:

(x)Px (x)Qx <===> (x)[Px Qx]
(x)Px (x)Qx ===> (x)[Px Qx]
(x)Px (x)Qx ===> (x)[Px Qx]
(x)Px ( x)Qx ===> (x)[Px Qx]
(x)Px (x)Qx <===> (x)[Px Qx]
(x)[Px Qx] ===> (x)Px (x)Qx
(x)[Px ===> Qx] ===> (x)Px ===> (x)Qx
2-3
Y si consideramos frmulas con "nombre propios" tenemos:

Pa ===> (x)Px
(x)Px ==> Pa
Pa (x)Qx <===> (x)[Pa Qx]
(x)[Px ===> Qa] <===> (x)Px ===> Qa
(x)[Pa ===> Qx] <===> Pa ===> (x)Qx
(x)[Px ===> Qa] <===> (x)Px ===> Qa
EJERCICIOS:
1.-
Enunciar en palabras las leyes formuladas anteriormente.
2.-
Si el universos de discurso son los empleados de una empresa, P y Q los

predicados "es honrado" y "es eficiente" respectivamente, y a es el sujeto
Juan Prez, enunciar cada una de las leyes anteriores.
Generalizacin del cuantificador existencial:

El cuantificador existencial se puede generalizar indicando: cuntos
elementos existentes, cuntos a lo ms existen o cuntos al menos existen. Se
representan de la siguiente manera:(=nx), (nx) y (nx), y se leen: existen
exactamente n elementos, existen a los ms n elementos y existen al menos n
elementos, respectivamente.
2-4
Otro caso interesante es la conclusin a sacar a partir de:

(x)Px (x)Qx.
Es claro que no se puede concluir (x)[Px Qx], sino que existe la
posibilidad de que exista x tal Px Qx, lo cual implica la necesidad del
cuantificador de existencia posible (px).
RELACIONES
Cuando un predicado abarca ms de un sujeto, se suele hablar de relaciones y
se representa como Rxy xRy. As, por ejemplo, si tenemos: Juan es ms eficiente
que Pedro, tendramos que x = Juan, y = Pedro y R = es ms eficiente que.
Tipos de relaciones:
Reflexividad:
1)
Una relacin R se dir reflexiva si (x)xRx.
2)
Una relacin R se dir areflexiva si (x)xRx o ( x)xRx.
Simetra:
3)
Una relacin R se dir simtrica si (x)(y)[xRy ===> yRx].
4)
Una relacin R se dir asimtrica si (x)(y)[xRy ===> yRx].
5)
Una relacin R se dir antisimtrica si (x)(y)[xRy yRx ===> x=y]
Transitividad:
6)
Una relacin R se dir transitiva si (x)(y)(z)[xRy yRz ===> xRz].
Circularidad:
2-5
7)
Una relacin R se dir circular si (x)(y)(z)[xRy yRz =====> zRx].
En base a las propiedades anteriores se pueden definir diversos tipos de

relaciones:
a.-
Relacin de equivalencia
Una relacin se dice que es de equivalencia, si es:
1.- Reflexiva.
2.- Simtrica.
3.- Transitiva.
b.-
Relacin de semejanza:
Una relacin se dice que es de semejanza, si es:
1.- Reflexiva.
2.- Simtrica.
c.-
Relacin de orden dbil:

Una relacin se dice que es de orden dbil, si es:
1.- Reflexiva.
2.- Antisimtrica.
3.- Transitiva.
d.-
Relacin de orden estricto:

Una relacin se dice que es de orden estricto, si es:
1.- Areflexiva.
2.- Asimtrica.
3.- Transitiva.
2-6
APLICACIONES
A.-
Anlisis de enunciados
Sea el siguiente enunciado:
"Si algo es costoso, es valioso y raro. Todo lo que es valioso es
deseable y costoso. Por lo tanto, si algo es valioso o costoso, entonces
debe ser valioso y costoso" 1
Se tienen las siguientes premisas:
(P1) (x)[Cx ===> Vx Rx]
(P2) (x)[Vx ===> Dx Cx]
Aplicando las leyes de deduccin se tiene:
(D1) Cx ===> Vx Rx
De P1 eliminando el cuantificador
(D2) Vx ===> Dx Cx
De P2 eliminando el cuantificador
(D3) Cx ===> Vx
D1, Simplificacin, SH
(D4) Vx ===> Cx
D2, Simplificacin, SH
(D5) Cx ===> Vx Cx
D3, D4, leyes distributivas.
(D6) Vx ===> Cx Vx
D3, D4, leyes distributivas.
(D7) Vx Cx ===> Vx Cx
D5, D6, DC.
(D8) (x)[Vx Cx ===> Vx Cx]
Reingresando el cuantificador.
B.- Anlisis de recepcin/transcripcin de datos.

Una de las tcnicas en los sistemas de recepcin/transcripcin de datos es la
consistencia lgica de los mismos.
As si se tiene: (x)[Px ===> Qx] bastar con preguntar cundo el dato es P,
si es Q? En caso afirmativo rechazar y en caso negativo aceptarlo.
2-7
C.- Construccin de teoras.

Veamos por ejemplo la construccin de la Teora de Sistemas:
Sea S = {x1, x2, x3,......,xn}
Definicin 1. Propiedad Emergente.
P es una propiedad Emergente de S sii 2 :
PS (x)[Px x S]
Definicin 2. Propiedad Agregada o resultante.
P es una propiedad Agregada de S sii no es Emergente.
Corolario 1.
P es una propiedad Agregada de S sii:
PS ===> (x)[x S Px)
Definicin 3. Sistema.
S es un sistema sii P tal que P es emergente.
Definicin 4. Elemento Aislado.
x S es un elemento aislado ssi para toda propiedad emergente P: PS
===> P(S-{x})
Teorema 1.
Si x es un elemento aislado del sistema S, entonces S-{x} es un
sistema tambin.
EJERCICIO:
1.-
Analizar la validez del siguiente argumento.
2-8
"Una Persona Pi y una Persona Pj son amigos (PiFPj) si y solo si

a Pi le gusta Pj (PiLPj) y a Pj le gusta Pi. Si Pi y Pj son amigos, entonces
son similares en actitudes (PiSPj). Si a Pi le gusta Pj y a Pj le disgusta
Pk, entonces a Pi le disgustar Pk. Si a Pi le gusta Pj y a Pj le gusta Pk,
entonces a Pi le gustar Pk. Si a Pi le disgusta Pj y a Pj le gusta Pk,
entonces a Pi le disgustar Pk. Suponga que es el caso que P1 y P3 son
amigos y que a P2 le gusta P3. Entonces, P1 y P2 son similares en
actitudes.
Se asume que a Pi le gusta o le disgusta Pj, pero no ambas." 3
2-9
APENDICE SOBRE CONJUNTOS

Un conjunto es una coleccin de elementos. Se pueden definir por intencin,
sealando las propiedades de los elementos que pertenecen al conjunto, o por
extensin nombrando los elementos que pertenecen al conjunto. Por ejemplo si A
es el conjunto de los naturales menores que seis, se puede escribir de la siguiente
manera:
Por intencin:
A = { 1, 2, 3, 4, 5 }
y por extensin
A = { n N | n < 6 }.
Con el smbolo se indica que un elemento pertenece a un conjunto. Asi x
A, significa que el elemento x pertenece al conjunto A.
Propiedades y Operaciones de los conjuntos:
a.-
Igualdad de conjuntos:
Dos conjuntos A y B se dice que son iguales si tienen los mismos elementos,
o sea, si cada elemento de A es elemento de B, y cada elemento de B es elemento

de A:
A = B <====> (x) [ x A <=====> x B ].
2-10
b.-
Subconjuntos.
Un conjunto B es subconjunto de un conjunto A, si todos los elementos de B

son tambin elementos de A:
B A <====> (x) [ x B ====> x A ].
b'.-
Subconjuntos estrictos.
Un conjunto B es subconjunto estricto de un conjunto A, si todos los
elementos de B son tambin elementos de A y hay al menos un elemento de A que

no es elemento de B:
B A <====> (x) [ x B ====> x A ] (y) [ y A
y B].
c.-
Interseccin de conjuntos:
La interseccin de dos conjuntos A y B, es el conjunto de los elementos que
estn tanto en A como en B:

A B = { x | x A x B }.
d.-
Unin de conjuntos:
La unin de dos conjuntos A y B, es el conjunto de los elementos que estn
en alguno de los dos conjuntos:

A B = { x | x A x B }.
e.-
Resta de conjuntos:
2-11
La sustraccin (o resta) del conjunto B del conjunto A, es el conjunto de los

elementos que estn en A y no estn en B.
A - B = { x | x A x B }.
f.-
Resta simtrica de conjuntos:

El resultado de la resta simtrica de dos conjuntos A y B, es el conjunto de
los elementos que estn en uno solo de los conjuntos:

A B = { x | (x A x B) x A B }.
A la resta simtrica tambin se le suele denominar como unin exclusiva.
g.-
Conjunto vaco:
El conjunto vaco es el conjunto que no tiene elementos y se representa como
como {}:
(x) x .
h.-
Conjunto universal:
El conjunto universal es el conjunto que contiene todos los elementos:
(x) x E.
i.-
Complemento de un conjunto:
El complemento de un conjunto A, el conjunto de los elementos que no
pertenece a A:
Ac = { x | x A }.
2-12
j.-
k.-
Tautologas:
1.-
(A) A
2.-
(A) A E ( E conjunto universal)
3.-
A B ====> A B = A
4.-
A B ====> A B = B
5.-
A Ac =
6.-
A Ac = E
7.-
(Ac)c = A
Conjuntos disjuntos:
Dos conjuntos A y B son disjuntos, si la interseccin de ambos es vaca:
A y B disjuntos <====> A B =
Relacin entre lgica de predicados y conjuntos.
Defnanse los siguientes conjuntos por intencin:

A = { x | Px }
B = { x | Qx }
C = { x | Rx }
Entonces se tiene lo siguiente:
(x)[Px ===> Qx]
AB
(x)[Px <===> Qx]
A=B
(x) Px Qx
AB
(x) Px Qx
AB=
2-13
(x) Px
A=E
(x) Px
A=
(x) Px Qx
AB=E
(x)[Px Qx ===> Rx]
ABC
(x)[Px Qx ===> Rx]
ABC
(x)[Px <===> Rx]
C = Ac
Pero por otro lado si se tiene un conjunto definido por extensin:

A = { a, b, c,....}
Entonces se puede construir el predicado:
Px = x A.
Cardinalidad de conjuntos y cuantificadores existenciales generalizados.
La cardinalidad de un conjunto es la cantidad de elementos que tiene un

conjunto. As, si tenemos los conjuntos A, B y C definidos anteriormente y sus
cardinalidades son:
#A = k
#B = l
#C = m
se tendr:
(=kx)Px
(=lx)Qx
(=mx)Rx
2-14
Adems como se puede demostrar que:

#(A U B) = #A + #B - #(A B) ,
se tiene tambin:
(=kx)Px (=lx)Qx (=nx) Px Qx ====> (=k+l-nx) Px Qx
Conclusiones:
Como conclusin de lo expuesto anteriormente se tiene que cualquier

argumento de lgica de predicados se puede analizar como una operacin entre
conjuntos y, viceversa, cualquier operacin de conjuntos se puede trasladar,
enunciar y analizar desde la perspectiva de la lgica de predicados.
Cualquier resultado sobre la cardinalidad de los conjuntos, puede
interpretarse como un resultado sobre los operadores existenciales generales.
Cuando el resultado de una operacin entre conjuntos da el conjunto
Universal o el Conjunto vaco, el argumento de lgica de predicados, asociado a l,
dar una Tautologa o una Contradiccin respectivamente.
1
Copy, Irving: Introduccin a la Lgica. Eudeba Manuales.
ssi es la abreviacin si y slo si.
2-15
Bishir, John W & Drewes, Donald W.: Op. Cit.
2-16
Lgicas Normativas y Modal, y Operadores Temporales
III.- LOGICAS
NORMATIVA
TEMPORALES
MODAL,
OPERADORES
LAS PREGUNTAS FUNDAMENTALES DE LA TOMA DE DECISIONES

Los problemas de toma de decisiones suelen tomar una de las siguientes
formas:
(1)
Que hacer, dado una situacin, para obtener un resultado ?
(2)
De hacer algo, Cual va a ser el resultado ?
La respuesta a la primera pregunta es obviamente alguna regla o norma, y

responde al lenguaje normativo, mientras que la respuesta a la segunda pregunta se
encuadra en el lenguaje modal, ambas respuestas afectadas por operadores
temporales.
De ah la importancia y necesidad de conocer y estudiar las lgicas
normativa, modal y temporal en el contexto administrativo y gerencial.
LAS LOGICAS NORMATIVA Y MODAL

En principio las lgicas normativa y modal en base a las nociones: "debe",
"puede" y "tiene que no"
"necesidad", "posibilidad" e "imposibilidad"
respectivamente son anlogas, a la lgica de predicados cuantificada mediante las

nociones "todo", "alguno" y "ninguno".
3-1
LOS OPERADORES NORMATIVOS (referidos a acciones o programas).

Los operadores normativos "debe", "puede", "tiene que no" y "puede no",
representados respectivamente por:
[]Px, <>Px, [/]Px y </>Px
e interpretados como : "x debe ser P", "x puede ser P", "x no puede ser P" y "x
puede no ser P", se pueden traducir, en un referente de acciones, como:
(1") []Px = (x)(Ax --> Px)
(Para toda accin, sta es P)
(2") <>Px = (x)(AxPx)
(Una accin es P)
(3") [/]Px = (x)(Ax ==> Px)
(Ninguna accin es P)
(4") </>Px = (x)(AxPx)
(Hay una accin que no es P)
Esto es, los operadores normativos presuponen un marco referencial 1 , el cual

es el subconjunto de acciones. Pero adems, comparando (1"), (2"), (3") y (4") con
(1'), (2'), (3') y (4') se tiene, suponiendo el marco referencial no vaco, que:
<>Px es subalterno de []Px.
</>Px es subalterno de [/]Px.
[]Px y [/]Px son contrarios.
<>Px y </>Px son subcontrarios.
[]Px y </>Px son contradictorios.
<>Px y [/]Px son contradictorios.
De ah, a nivel operativo, la analoga entre la lgica cuantitativa y la

normativa.
3-2
LOS OPERADORES MODALES (referidos a resultados de programas)

Los operadores modales "necesario", "posible", "imposible" y "contingente",
se representarn por:
NPx, PPx, IPx y CPx,

y se pueden traducir por:
(1'")
NRx = (x)(Ex ==> Rx)
(Todos los resultados son R)
(2'")
PRx = (x)(Ex Rx)
(Un resultado es R)
(3'")
IRx = (x)(Ex ==> Rx)
(Ningn resultado es R)
(4'")
CRx = (x)(Ex Rx)
(Hay resultados diferentes de R)
Esto es, los operadores modales presuponen un marco referencial de

resultados. Adems son operativamente anlogos a los normativos y a los
cuantitativos.
Pero adems existe tambin el operador "Eventual", cuando un resultado

puede ser posible o no: ERx, y representa a:
(5'")
ERx = (x)(Ex Rx) & (x)(Ex Rx),
y se traduce por: Hay resultados que son R y otros que no son R

y se relaciona con los dems de la siguiente manera:
(2'") y (4'") son subalternos de (5'").
(1'") y (3'") son contrarios con (5'").
3-3
APLICACIONES A LA TOMA DE DECISIONES.

Las respuestas a nuestras preguntas iniciales, de manera simple son:
(1)
[]Px, <>Px, [/]Px </>Px
(2)
NRx, PRx, IRx, CRx y ERx,
pero realmente las
respuestas a los problemas de decisiones suelen ser ms
complejos:
Dada la situacin S, se debe hacer P para obtener como
resultados R.
Lo cual se representa por:
(3)
{S ==> []Px } ==> NRx

( {S =>(x)(Ax ==> Px)} ==> (x)(Ex ==> Rx))
(4)
S NRx ===> []Px

( S(x)(Ex ===> Rx) ===>(x)(Ax ===> Px))
Segn el enunciado se interprete como respuesta a las preguntas 2 1

respectivamente.
Tambin las respuestas, de manera ms general, pueden estar dadas por
cualquiera de las combinaciones de los operadores normativos y modales. De esta
manera se puede tener veinte formas de respuestas bsicas a las preguntas (1) y (2).
3-4
EL FACTOR TIEMPO.
Todo programa de accin transcurre en un lapso de tiempo, esto es, si se est
en el momento t0 0, el resultado del programa ser en un momento tr >= tp + t0, en
donde tp es el tiempo de realizacin del programa de accin. De hecho, s tr=tp+t0 se
puede decir que el resultado es inmediato a la finalizacin del programa.
As (3) y (4) quedaran de la siguiente manera:
(5)
{St0 ===> (x)(Ax ===>Px)} ===> (x)(Etrx ===>Rtrx)
(6)
St0 (x)(Etrx ==> Rtrx) ===> (x)(Ax ===> Px).
Pero esto implica que cualquier verdad o falsedad de una declaracin en el

problema de decisiones es en base a modelos tericos que relacionan situaciones
actuales y programas de accin con resultados futuros. En otras palabras un
enunciado como (5) y (6) no pueden ser juzgados en base a una ideologa empirista
y/o fenomenalista, ya que la observacin del futuro no es posible. Y por otro lado la
situacin actual St0 debe estar claramente definida.
APLICACIONES
1.-
Los sistemas son dinmicos, estos es no permanecen inmutables con el

tiempo sino que varan con el transcurso del mismo. Existe una variedad de
propiedades tales como equilibrio, estabilidad, catstrofe, crecimiento que se
definen en base a la variacin de los estados del sistema respecto al tiempo. 2
2.-
Anlisis de enunciados.
3-5
Sea el siguiente problema:

Para aumentar la productividad se puede (a) Automatizar los
procesos y (b) mejorar los incentivos de los trabajadores.
Automatizar los procesos involucra problemas con el sindicato,
es costoso y las posibilidades de xito no son seguras.
Los incentivos de los trabajadores se pueden mejor por (1) un
simple aumento de sueldo o (2) por un mejoramiento general del
ambiente laboral.
Un simple aumento de sueldo se sabe que produce un
mejoramiento momentneo de la productividad pero se desvanece
pronto por los ajustes de la competencia, mientras que un
mejoramiento general del ambiente laboral sin un aumento de sueldos
no produce un aumento apreciativo de la productividad, pero per
contra establece un relacin estable.
Se da aumentar la productividad, mantenindose sta y a bajo
costo. Qu hacer?.
Simbolizando tenemos:
NP*x ===>[](Ax Ix)

Ax ===> CPx NQx
Ix ===> Sx Lx
Sx Lx ===> (t>0)[
N(P x P*x,
< t) I(P x P*x, t)]
Lx Sx ===> (t)[(P0x < Ptx < P*x) ( )(P = Pt)]
3-6
Es facil ver que Ax (la automatizacin) no produce los resultados

deseados, ni tampoco Sx (incremento de salarios) y Lx (mejoramiento de las
condiciones laborales) por si solos, pero Sx Lx si:
(t)[Ptx <P*x] ----> Lx Sx
(t)
NPtx ===> Sx Lx
pero como:
Sx Lx ===> Ix
se tiene entonces: (Sx Lx) ---> NP*x

y
N(P*x Qx) ===> [](Sx Lx)
NOTAS Y REFERENCIAS
1
Realmente la lgica normativa puede suponer otros referentes diferentes al de la accin.
EJEMPLO:
-
Estados y Procesos (y trayectorias)
Los estados se pueden definir como los valores de las propiedades de un sistema
en un determinado momento, y se pueden representar mediante un funcional F ndimensional:
F = (F1, F2,....,Fn)
A la lista de estados sucesivos en un periodo de tiempo
por proceso durante el periodo :
es lo que se denomina
P ( ) = (F (t) | t )
Mientras al conjunto de los estados en el mismo periodo
trayectoria del sistema en el periodo :
T ( ) = { F (t) | t }
3-7
se le denomina
Estabilidad, Equilibrio y Catstrofes.
Se dice que un sistema esta en equilibrio si sigue una trayectoria cuyos estados
cumplen ciertas relaciones deseadas entre los valores de sus propiedades. As se tiene que
la trayectoria T ( ) del sistema
esta en equilibrio si T ( ) ER , en donde ER =
{(Y1,...,Yn)|RY1....Yn} siendo R una relacin respecto a la cual el sistema esta en
equilibrio).
Mientras que un sistema sigue una trayectoria estable si para desviaciones pequea
de ella el sistema vuelve a acercarse a ella, o sea si el sistema ha sido perturbado de su
trayectoria tiende a regresar a ella.
Definamos primero T[yo] como la trayectoria que tiene el estado yo para el
momento to , y P[yo] el proceso que empieza en el estado yo en el momento to :
T[yo] = {F(to)|F(to) = yo & t > to}
P[yo] = (F(t)|t > to) con F(to) = yo
Entonces T[yo] es estable si > 0, | < se cumple que si d(T[yo], y') < ,
entonces d(T[yo], y) < , y T[y'], &
lim t->d(T[yo] , P[y']) = 0
Y se dice que hay una catstrofe cuando el sistema pasa abruscamente de una
trayectoria estable a otra trayectoria estable, esto es:
El punto yc es un punto de catstrofe si >0, d1 & d2 < , P[yc + d1]t->---> T1
& P[yc + d2] t->--->T2 siendo T1 & T2 dos trayectorias estables T1 T2
Casos especiales de estas definiciones es cuando las trayectorias son puntuales, y
en este caso se puede hablar de estado estacionario (F(t)= constante) y estado estable.
3-8
Lgica Probable
IV.- LOGICA PROBABLE

La probabilidad de que un evento ocurra se considera como el nmero de
casos favorables vs el nmero total de casos.
En general la teora de probabilidades tiene los siguientes axiomas:
1.
0 P(A) 1
2.
si A B = , P(A B) = P(A)+P(B)
3.
P(U) = 1
en donde A y B son dos conjuntos, y U el conjunto Universal.

A partir de ah, es claro que si se aplica la nocin de probabilidad a la
veracidad de un enunciado, se tiene:
1.
0 P(p) 1
2.
si p q = F, entonces P(p q) = P(p) + P(q)
3.
P(T) = 1.
En donde p y q son enunciados, T una tautologa y F una contradiccin.

De estos axiomas se obtiene en seguida los siguientes corolarios:
1.
P(p) = 1 - P(p)
2.
P(p q) = P(p) + P(q) - P(p q).
Adems se define la probabilidad condicional que es la probabilidad de que q

sea verdadero dado que p es verdadero:
P(q|p) = P(p q)/P(p)
Mientras que para la implicacin se tendra que una condicin necesaria de que
P(p==>q) = 1 es que P(q|p) = 1; y de otra manera P(p ==> q) = 0.
El resultado anterior puede parecer paradjico, pero hay que recordar p==>q
es una implicacin lgica, que es verdadera siempre cuando no se de el caso de que
4-1
Lgica Probable
p es verdadero y q falso, mientras q|p indica: que dado el caso de que p sea
verdadero, q tambin lo sea.
La lgica probable como un refinamiento de la lgica modal.
Anteriormente se vio que la lgica modal usa como operadores "necesario",
"posible", "imposible", "contingente" y "eventual".
Es claro que la probabilidad evala el grado de posibilidad de un resultado,
de hecho:
(1)
Si NRx entonces P(Rx) = 1
(2)
Si IRx entonces P(Rx) = 0
(3)
Si PRx entonces P(Rx) 0
(4)
Si CRx entonces P(Rx) = 1 - P(Rx) 0
(5)
Si ERx entonces P(Rx) 0 y P(Rx) = 1 - P(Rx) 0
Adems se tienen las siguientes relaciones:
PRx,
(6)
Si P(Rx) > 0 entonces
(7)
Si P(Rx) = 1 - P(Rx) > 0 entonces CRx
(8)
Si P(Rx) > 0 y P(Rx) = 1- P(Rx) > 0 entonces
4-2
ERx
Lgica Probable
APLICACIONES
1.-
Confiabilidad de un sistema:
La confiabilidad de un sistema o de un componente del mismo viene dada
por uno menos la probabilidad de que el sistema o componente falle. O lo que es lo

mismo la probabilidad de falla es uno menos la confiabilidad.
Sea por ejemplo el sistema del ejemplo 1.2, y supongamos que la
probabilidad de que falle cualquier componente del sistema es independiente de la
falla o no de cualquier otro componente, y representemos por a1, a2, b1, b2, c1, c2 y
c3, la confiabilidad de los componentes A1, A2, B1, B2, C1, C2 y C3,
respectivamente, entonces la probabilidad de falla del sistema S viene dada por:
P(S) = P(A) + P(B).P(C) - P(A).P(B).PC)
y
P(A) = P(A1).P(A2) = (1-a1)(1-a2) = 1 - a1 - a2 + a1a2
P(B) = P(B1) + P(B2) - P(B1).P(B2) =
= 1-b1 + 1-b2 - (1-b1)(1-b2) = 1 - b1b2
P(C) = P(C1).P(C2 C3)
= P(C1).[P(C2) + P(C3) - P(C2).P(C3)]
= (1-c1).[1-c2 + 1- c3 - (1-c2).(1-c3)]
= 1 - c1 - c2c3 + c1c2c3
As se tiene que:
P(S) = 1 - (a1+a2-a1a2)[(c1+c2c3-c1c2c3)(1-b1b2) + b1b2]
Mientras que la confiabilidad del sistema vendra dada por:
(a1+a2-a1a2)[(c1+c2c3-c1c2c3)(1-b1b2) + b1b2]
Ver figura 7.
4-3
Lgica Probable
Figura 7
Confiabilidad del sistema
a1
a1+a2-a1a2
A
A11
a2
A
a(b+c-bc)
A
A22
b1
b1b2
BB11
b2
BB22
c1
CC11
c1+c2c3-c1c2c3
c2
CC22
c3
C3
c2c3
4-4
b+c-bc
2.-
Lgica Probable
Anlisis de Decisiones.
Ejemplo 4.2
Un fabricante de partes recibe el pedido de una cotizacin para
10000 partes de un ensamblador de productos terminados.
El gerente de proyectos determina que el prototipo de la parte
puede costar $1000, $1500 $2000, con probabilidades 0.2, 0.5 y 0.3
respectivamente, y asi mismo los costos de produccin de las 10000
partes segn el costo del prototipo seran de $ 12000, 18000 y 35000
respectivamente. El gerente de mercadeo determina que en estos casos
se pueden realizar dos tipos de cotizaciones, una alta y otra baja. Las
cotizaciones bajas seran de $ 39000, $44000 y $ 48000; y las altas de
$45000, $50000 y $60000; dependiendo del costo de los prototipos.
Siendo la probabilidad de ganar la licitacin de 0.3 si la cotizacin es
alta y de 0.7 si la cotizacin es baja. Adems el costo de cotizar es de
$300.
Adems el gerente de mercadeo, piensa que se puede presentar
la cotizacin sin hacer los prototipos con una cotizacin baja de
$48000 y con una probabilidad 0.3 de ganar la licitacin y una
cotizacin alta de $60000 con una probabilidad de 0.1 de ganar la
licitacin, siendo los costos de produccin si se gana la licitacin de
$12000, $18000 $35000 con probabilidades 0.2, 0.5 y 0.3
respectivamente. Siendo el costo de cotizar siempre los mismos $300. 1
En la grfica siguiente se presenta el rbol de decisiones del ejemplo,
representando los cuadrados los nodos de decisin, los crculos los nodos de accin
del azar y los ovalados los nodos terminales. A continuacin de representan las
reducciones al rbol sustituyendo las diferentes ramas de los nodos de accin del
azar por un nodo cuyo valor es el valor esperado del nodo, y las diferentes ramas de
un nodo de decisiones por el un nodo cuyo valor es la mejor opcin de para este
nodo. As se llega despus de tres reducciones a que la mejor alternativa es hacer
4-5
Lgica Probable
prototipo y ofrecer la cotizacin baja, lo cual da un valor esperado de $13760, con

la siguiente distribucin de probabilidad.
4-6
Lgica Probable
Cotiz. Alta
($45.000)
4
Cotiz. Baja
($39.000)
0.2
0.3 Gana Cot.

Cp:$12.000
0.7 Pierde Cot.
$31.700
10
$-1.300
0.7 Gana Cot.

Cp:$12.000
0.3 Pierde Cot.
11
$25.700
12
$-1.300
0.3 Gana Cot.

Cp:$18.000
0.7 Pierde Cot.
15
$30.200
16
$-1.800
0.7 Gana Cot.

Cp:$18.000
0.3 Pierde Cot.
17
$24.700
18
$-1.800
0.3 Gana Cot.

Cp:$35.000
0.7 Pierde Cot.
21
$22.700
22
$-2.300
0.7 Gana Cot.

Cp:$35.000
0.3 Pierde Cot.
23
$10.700
24
$-2.300
0.2 cp:$12.000
29
$47.700
30
$41.700
31
$24.700
$ -300
34
$35.700
35
$29.700
36
$12.700
$ -300
$1000
0.5
Cotiz. Alta
($50.000)
13
$1500
Cotiz. Baja
($44.000)
14
0.3
$2000
Hacer Prototipo
Cotiz. Alta
($60.000)
19
6
Cotiz. Baja
($48.000)
No Hacer Prototipo
0.1 Gana Cot.

Cotiz.Alta
($60000)
27
0.9 Pierde Cot.
28
0.3 Gana Cot.
0.2 cp:$12.000
0.5 cp:$18.000
32
0.3 cp:$35.000.
26
33
0.7 Pierde Cot.
4-7
0.5 cp:$18.000
0.3 cp:$35.000.
25
3
Cotiz.Baja
($48000)
20
Lgica Probable
Cotiz. Alta
($45.000)
$ 8.600
$17.600
13
$ 7.800
14
$16.400
4
Cotiz. Baja
($39.000)
0.2
$1000
0.5
Cotiz. Alta
($50.000)
5
$1500
Cotiz. Baja
($44.000)
0.3
$2000
Hacer Prototipo
Cotiz. Alta
($60.000)
19
$ 5.200
No Hacer Prototipo
Cotiz.Alta
($60000)
Cotiz. Baja
($48.000)
20
$ 6.800
0.1 Gana Cot.
27
$37.800
0.9 Pierde Cot.
28
0.3 Gana Cot.
32
$25.800
0.7 Pierde Cot.
33
25
-300
3
Cotiz.Baja
($48000)
26
4-8
-300
Lgica Probable
$17.600
$16.400
$ 6.800
25
$ 3.510
26
$ 7.530
0.2
$1000
0.5
$1500
0.3
$2000
Hacer Prototipo
No Hacer Prototipo
Cotiz.Alta
($60000)
3
Cotiz.Baja
($48000)
4-9
Lgica Probable
$13.700
$ 7.530
Hacer Prototipo
No Hacer Prototipo
4-10
Lgica Probable
Ganancia
Probabilidad
25700
0.14
-1300
0.06
24200
0.35
-1800
0.15
10700
0.21
-2300
0.09
1
Problema adaptado de Shore Barry, Quantitative Methods for Business Decisions. Text and Cases. McGraw-Hill. 1978.
4-11
V.-
Lgica Vaga o Imprecisa
LOGICA VAGA O IMPRECISA

La lgica vaga o imprecisa esta basada en la teora de los conjuntos vagos,
imprecisos o borrosos (Fuzzy Sets).

En general la teora de los conjuntos borrosos tiene los siguientes axiomas:
1.
0 GA(x) 1
2.
A = B <===> x, GA(x) = GB(x)
3.
A B <===> x, GA(x) GB(x)
4.
GA B(x) = min{GA(x),GB(x)}
5.
GA B(x) = max{GA(x),GB(x)}
6.
GA'(x) = 1 - GA(x)
en donde A y B son dos conjuntos.

A partir de ah, es claro que si se aplica la nocin de grado de verdad a la
veracidad de un enunciado, se tiene:
1.
0 G[p] 1
2.
G[p q] = min{G[p], G[q]}
3.
G[p q] = min{G[p], G[q]}
4.
G[p] = 1 - G[p],
en donde p y q son enunciados.

En cuanto a la implicacin, hay varias formulaciones:
1, si G[p] G[q]
1.-
G[p ===>s q] =
0, si G[p] > G[q]
5-1
1, si G[p] G[q]
2.-
G[p ===>g q] =
G[q], si G[p] > G[q]
1, si G[p] G[q]
3.-
G[p ===> q] =
G[q]/G[p], si G[p] > G[q]
1, s G[p] = 0 1 - G[q] = 0
4.-
G[p ===> q] =
min {1, G[q]/G[p], (1-G[p])/(1-G[q]},
s G[p] > 0, 1 - G[q] > 0.
1, s G[p] < 1 G[q] = 1
5.-
G[p ===> q] =
0, s G[p] = 1, G[q] < 1
6.-
G[p ===>* q] = 1 - G[p] + G[p].G[q]
7.-
G[p ===>c q] = max{1 - G[p], G[q]}
8.-
G[p ===>l q] = min{1, 1 - G[p] + G[q]}
9.-
G[p ===> q] = max{1 - G[p], min{G[p], G[q]}}
10.- G[p ===># q] = max{min{G[p],G[q]},min{1-G[p],1-G[q]},

min{1-G[p],G[q]}}
= min{max{1-G[p],G[q]},max{G[p],1-G[p]},
max{G[q],1-G[q]}}
En cuanto a sentencias con cuantificadores se tiene:
G[(x)Px] = minx{G[Px]}
y
G[(x)Px]= maxx{G[Px]}
5-2
APLICACIONES
1.-
Calidad de un sistema:
La calidad ("performance)" de un sistema o de un componente es viene dada
por una medida entre 0 y 1.

Sea por ejemplo el sistema del ejemplo 1.2, y supongamos que la calidad de
cualquier componente del sistema es independiente de la cualquier otro
componente, y representemos por a1, a2, b1, b2, c1, c2 y c3, la calidad de los
componentes A1, A2, B1, B2, C1, C2 y C3, respectivamente, entonces la calidad total
del sistema S viene dada por:
G(S) = min{G(A), max{G(B), G(C)}}
y
G(A) = max{G(A1), G(A2)} = max{a1, a2}
G(B) = min{G(B1), G(B2)} = min{b1, b2}
G(C) = max{G(C1), G(C2 C3)}
= max{G(C1), min{G(C2), G(C3)}}
= max{c1, min{c2, c3}}
As se tiene que:
G(S) = min{max{a1, a2}, max{min{b1, b2}, max{c1, min{c2, c3}}}}
= min{max{a1, a2}, max{min{b1, b2}, c1, min{c2, c3}}}
Ver figura 8.
5-3
Figura 8.
Calidad del sistema
a1
max{a1, a2}
A1
a2
A2
max{a, min{b, c}}
b1
B1
min{b1, b2}
b2
B2
c1
C1
max{c1, min{c2, c3}}
c2
C2
c3
min{c1, c2}
C3
5-4
max{b, c}
APENDICE SOBRE INVESTIGACION DE OPERACIONES EN

1.-
INTRODUCCION
En este apndice se va a considerar la I.O.
en su forma ms general:
Optimizar unos objetivos sujetos a unas restricciones de recursos y de manera tal

que se cumplan unas metas, bajo unas relaciones tecnolgicas conocidas.
En esta definicin anterior se tienen varios conceptos - Optimizar, objetivos,

restricciones de recursos, cumplimientos de metas, relaciones tecnolgicas - sobre
las cuales no siempre se tiene un conocimiento exacto o no hay un acuerdo sobre
sus magnitudes. En otras palabras, son conocidos solo de una manera vaga o
borrosa.
Esto no quiere decir que los problemas de I.O. se resuelven siempre tomando
en cuenta estas vaguedades y/o borrosidades, ya que en la mayora de los casos
estas borrosidades se eliminan afinando las definiciones o conceptos y los
conocimientos sobre la problemtica aunque esto no siempre es posible o
conveniente.
Para empezar se van a definir los conceptos que en la I.O. puedan tener una
connotacin borrosa..
5-5
2.-
DEFINICIONES BORROSAS:
OPTIMIZAR:
El concepto optimizar (u optimar) puede adquirir diferentes
significados, se puede referir a la bsqueda de un mximo o mnimo

absoluto, pero tambin puede significar hallar y comformarse con una
"buena solucin".
OBJETIVOS:
Estos pueden presentarse en forma de funciones de costos o
ganancias cuyas estructuras son borrosas, tambin, pueden ellos

mismos no estar claros.
RESTRICCIONES DE RECURSOS:
A veces las verdaderas capacidades del
uso de los recursos, o sea, la disponibilidad real de los recursos en s,

son slo conocidas de una manera aproximada o vaga.
CUMPLIMIENTOS DE METAS: Estas por lo general menos claras que los

objetivos y muy ligadas a ellos, suelen ser deseos - generalmente de
origen poltico e ideolgico - impregnadas de un gran contenido de
subjetividad.
CONDICIONES TECNICAS:
Las condiciones tcnicas en las cuales se
desarrollan los problemas de I.O., no siempre se conocen en toda su

completitud y complejidad, y pueden ser aproximaciones bastante
burdas de la realidad.
5-6
Estas breves conceptualizaciones anteriores permiten constatar que una

aproximacin a la I.O. mediante el uso de los conjuntos borrosos puede ayudar en
la obtencin de resultados y soluciones a tales problemas.
3.-
CONCEPTOS FUNDAMENTALES
Optimo Pareto
a)
Relacin (de) Pareto:

Sea X un conjunto cualquiera y sean f1,....,fp, funciones numricas
definidas sobre X.
Se llama relacin de Pareto asociada a f1,....,fp, la relacin binaria R:
(x)(y) x, y X , xRy <=====> (i) i=1,...,p, fi(x) fi(y).
Se tienen entonces, como propiedades de R:
b)
1)
R es reflexiva.
2)
R es transitiva.
Optimo (de) Pareto:

x X se llama Optimo Pareto, si es un elemento maximal de la
relacin R, esto es: (y) y X yRx (xRy). Es decir: (y) y X (i)
i=1,...,p, fi(y) fi(x), siendo alguna de las desigualdades estricta.
O dicho en palabras, un punto es un Optimo Pareto, asociado a las
funciones f1,....,fp, si no es posible aumentar alguna de las funciones sin
disminuir alguna otra.
Al conjunto de los puntos Optimos Paretos se le denomina como P[X;
f1,...,fp]
5-7
Ejemplo:
Sea X = { (x1, x2) | x1+x2 = 1 } y

f1(x1, x2) = x1 y f2(x1, x2) = x2
Se tiene entonces que:

(x1, x2)R(y1, y2) <====> x1 y1 x2 y2
y
P[X; f1,f2] = {(x1,x2) | x1+x2 = 1, y x1, x2 0}.
Ver grfica A-1.
x2
1
x1
X
GRAFICA A-1
5-8
Subconjuntos Borrosos
a)
Sea X un conjunto cualquiera, se denota por subconjunto borroso R de X a:

R~ = { (x | R~(x) }, (x) x X
en donde R~ es la funcin de pertenencia de x al conjunto borroso R, y toma
valores entre 0 y 1.
b)
Las operaciones sobre conjuntos borrosos:

Sean R~1 y R~2 dos subconjuntos borrosos de X, con funciones de
pertenencia 1 y 2 (en vez de R~1 y R~2). Entonces se pueden definir las
siguientes operaciones:
1)
Unin (~)
R~1 ~ R~2 = { (x | max(1 (x), 2(x))}, (x) x X.
2)
Interseccin (~)
R~1 ~ R~2 = { (x | min(1 (x), 2(x))}, (x) x X.
3)
Identidad de Subconjuntos Borrosos

R~1 R~2 son idnticos (R~1 = R~2) si:
(x) x X, 1(x) = 2(x).
4)
Complemento respecto a X
R~1 R~2 son complementarios (R~1 = R~2c) respecto a X si:
(x) x X, 2(x) = 1 - 1(x).
5)
Inclusin
R~1 esta incluido en R~2 (R~1 ~ R~2) si:
(x) x X, 1(x) _ 2(x).
6)
Pertenencia Borrosa
5-9
Se dir que x X pertenece al subconjunto borroso R~1 si 1(x) > 0

(x ~ R~1).
Ejemplo:
Sean:
X = { 1, 2, 3, 4, 5, 6 },
R~1 = {(1|0), (2|0,1), (3|0,2), (4|0,5), (5|0,8), (6|1)}
R~2 = { (1|0), (2|0,4), (3|0,8), (4|1), (5|0,5), (6|0) }
Entonces:
R~1 ~ R~2 = {(1|0), (2|0,4), (3|0,8), (4|1), (5|0,8), (6|1)}
R~1 ~ R~2 = {(1|0), (2|0,1), (3|0,2), (4|0,5), (5|0,5), (6|0)}
R~1c = {(1|1), (2|0,9), (3|0,8), (4|0,5), (5|0,2), (6|0)}
Mientras que
R~3 = {(1|0), (2|0,3), (3|0,7), (4|1), (5|0,5), (6|0) }
est incluido en R~2 (Igualmente R~1 ~ R~2 est incluido tanto en
R~2 como en R~1).
5-10
Nmeros Borrosos
Un nmero borroso es un subconjunto borroso sobre la recta real, con una
funcin de pertenencia del siguiente tipo:
0, xa
Estrictamente creciente entre 0 y 1, x [a, b]
(x) =
1 , x [b, c]
Estrictamente decreciente entre 1 y 0, x [c, d]
0, xd
(Ver grfica A-2)
c
GRAFICA A-2
5-11
Operaciones con nmeros borrosos:

Sean y m dos nmeros borrosos y * una operacin algebraica
cualquiera, entonces:
*m (z) = maxz=x*y{ min ((x), m(y))}
Y de forma ms general:
si se tienen 1,......,N, nmeros borroso, y sea f una operacin con ellos
entonces:
f(1,...,N)(z) = max z=f(x1,..,xN} { min (1(x1),..., N(xN)}
5-12
4.-
PLANTEAMIENTO GENERAL DE LOS PROBLEMAS DE I.O.

Los problemas de I.O. se pueden plantear matemticamente de las siguiente
manera:
Planteamiento 1: Maximizar (o minimizar) f(x),
Sujeto a: x R
Planteamiento 2: Maximizar (o minimizar) f(x),
Sujeto a: g(x) = B.
En donde f es la funcin definida por los objetivos (funcin objetivo), y R
el conjunto formado por la interseccin de los recursos y por el cumplimiento de las
metas, esto en el primer planteamiento, mientras que en el segundo planteamiento ,
se tiene que g define las relaciones tcnicas y B los recursos disponibles y los
niveles de las metas - g, B y x son vectores y R un espacio vectorial - .
As, se analizarn los casos en los cuales f y/o g tienen elementos
(nmeros) borrosos y los casos en los cuales R sea un subconjunto borroso o B
sea un vector formado por nmeros borrosos.
NOTAS:
1.-
El problema de minimizar h(x) es equivalente al de maximizar f(x), f = -h.

As cuando se hable de ptimo, se referir en el sentido de mximo, sin por
esto perder generalidad en la formulacin de los resultados.
2.-
Si X1 X2, y x1 es el mximo en X1 y x2 es el mximo en X2, entonces:

f(x1) f(x2).
5-13
5.-
RESOLUCION DE PROBLEMAS DE I.O. CON CONDICIONES

BORROSAS
Caso 1: El conjunto de las restricciones (R) es borroso.

As se tiene que R~= { (x|R~(x) }, (x) x X.
Se definen los conjuntos ordinarios de nivel , de la siguiente manera:
R = { x | R(x) }
Obviamente, se tendr que si 1 2, entonces R1 R2.
Adems, se sabe (ver nota 2) que si x1 es el ptimo en R1 y x2 es el
ptimo en R2, entonces si R1 R2 se tiene que f(x1) f(x2).
As que si se toman el par de funciones f(x) y R~(x), se tiene como solucin
al problema un conjunto de Optimos Pareto: P[X; f, R~]. Esto es, no se puede
mejorar el valor de la funcin objetivo f sin disminuir el grado de pertenencia al
conjunto de restricciones R~, ni aumentar R~ sin disminuir f. Adems de que
para cada nivel de pertenencia , se tendr un ptimo x.
Ejemplo:
Sea el problema:
Maximizar f(x,y) = x + y
Sujeto a: (x, y) R~ = { ( (x, y) | R~(x,y) ) }
1,
con R~(x,y) =
x + y 1
(4 - (x + y))/3,
0,
1 x + y 4
x + y 4
Si se construyen los conjuntos ordinarios de , R se tiene:

R = { (x,y) | x + y 4 - 3 }, (0, 1]
R0 = R - { (x,y) | x + y 4}.
5-14
As que para cada > 0, se puede usar el Lagrangeano para hallar la

solucin (el mximo) en R (la solucin para R0, x = , y = , f(x,y) = ) :
L(x,y, ) = x + y - (x + y + 3 - 4)
Derivando e igualando a cero se tiene:
L/x = 1 - 2 x = 0 =====> x = 1/(2 ).
L/y = 1 - 2 y = 0 =====> y = 1/(2 ).
L/ = -(x + y + 3 - 4) = 0 =====> x + y = 4 - 3.
=====> x = y = (4 - 3)/2.
As que:
P[X; f, R~] = { ( (4 - 3)/2 , (4 - 3)/2 }, (0 , 1],
con f(x, y) = 8 - 6
y R~(x, y) =
o dicho de otra manera:
P[X; f, R~] = { (x,y) / x = y, 1/2 x < 2 }
con f(x,y) = x + y = 2x
y R~(x,y) = (4 - 2x)/3.
(Ver grfica A-3)
5-15
GRAFICA A-3
5-16
El vector de recursos y metas B, est formado por
Caso 2:
nmeros borrosos.
As se tiene, evaluando cada ecuacin i en el punto x, el resultado de esta
evaluacin gi(x), tiene un grado de pertenencia bi(gi(x)) a bi , por lo cual se puede
para cada ecuacin i, generar un subconjunto borroso R~i = { (x|bi(gi(x))) }, o sea:
R~i((x)) = bi(gi(x)).
Aqu se puede proceder de alguna de las dos(2) siguientes maneras:
1.-
Hallar un Optimo Pareto con respecto a f(x) y los bi(gi(x)), i=1,...,n.
2.-
Definir el conjunto borroso R~ = ~i R~i , con:

R~(x) = min { R~i(x) },
y proceder como en el caso 1.
Ejemplo:
Sea el problema:
maximizar f(x, y) = x + y
Sujeto a:
b1
2x + y + s1
x + 2y
+ s2 b2
x, y, s1, s2 0
en donde:
b1(z) =
0,
z<1
z - 1,
z [1, 2)
1,
z=2
3 - z,
z (2, 3]
0,
z>3
5-17
b2(z) =
0,
z<2
z - 2,
z [2, 3)
1,
z=3
4 - z,
z (3, 4]
0,
z>4
Resolviendo de la primera manera, y observando la grfica (grfica A-4), se

tiene que en los puntos ptimos s1 = s2 = 0, y
2x + y = 3 - 1
x = (2 - 21 + 2)/3
x + 2y = 4 - 2
y = (5 + 1 - 22)/3.
Asi que:
P[X; f, b1, b2] = { ((2 - 21 + 2)/3,(5 + 1 - 22)/3) },
1 (0, 1], 2 (0, 1]
con:
f = (7 - 1 - 2)/3
b1 = 1
b2 = 2
f, b1, b2 calculados en los puntos del conjunto.
o tambin:
P[X; f, b1, b2] = { (x, y) | 2 2x + y 3, 3 x + 2y 4 },
con:
f(x, y) = x + y
b1(x, y) = 3 - 2x - y;
b2(x, y) = 4 - x - 2y
5-18
GRAFICA A-4
Mientras que resolviendo el problema de la segunda manera se forma el
conjunto borroso R~ con la siguiente funcin de pertenencia:
R~(x, y; s1, s2) = min(b1(2x + y + s1, b2(x + 2y + s2))
1,
2x + y 2 x + 2y 3
3 - (2x + y),
y - x 1,
2x + y 3 x + 2y 4
4 - (x + 2y),
y - x 1,
2x + y 3 x + 2y 4
0,
2x + y 3 x + 2y 4
==> R~(x, y) =
5-19
As que:
L(x, y,
1,
2)
=x+y-
1(3
- (2x + y)) -
2(4
- - (x+2y)).
Derivando el Lagrangeano e igualando a 0 se tiene:

L/x = 1 + 2
L/y = 1 +
L/
L/
=0
====>
+2
= -1/3
=0
= - 3 + + 2x + y = 0
x = (2 - )/3
====>
= - 4 + + x + 2y = 0
y = (5 - )/3
Asi que:
P[X; f, R~] = { ((2 - )/3,(5 - )/3) }, (0, 1]
con:
f(x, y) = (7 - 2)/3
R~(x, y) =
o tambin:
P[X; f, R~] = { (x,y) / y = 1 + x, 1/3 _ x < 2/3 },
con:
f(x, y) = x + y = 1 + 2x
R~(x, y) = 3 - (2x + y) = 4 - (x + 2y) = 2 - 3x
Caso 3: Las funciones f y/o g tienen coeficientes borrosos.
En es este caso, los coeficeintes borrosos son nmeros borrosos, y se puede
resolver el problema mediante el uso de las operaciones sobre nmeros borrosos:
*m (z) = maxz=x*y {min ((x), m(y))}
5-20
y con estas operaciones utilizar los algoritmos de solucin operando sobre los
nmeros borrosos.
Ejemplo:
Sea el siguiente caso de PERT (ver grfica A- 5):
GRAFICA A-5
Actividades
1-2
2-3
2-4
2-6
3-5
4-5
5-7
6-7
7-8
8-9
Tiempos
(3, 4, 5)
(1, 2, 9)
(1, 2, 3)
(3, 4, 8)
(4, 5, 12)
(5, 6, 7)
(4, 4, 4)
(5, 6, 13)
(4, 4, 10)
(1, 1, 1)
5-21
En donde: (x1, x2, x3) = { (x|(x)) } con:

0,
x < x1
(x - x1)/(x2 - x1) , x [x1, x2)

(x) =
1,
x = x2
(x3 - x)/(x3 - x2) , x (x2, x3]

0,
x > x3
O sea, los tiempos (x1, x2, x3) son conjuntos borrosos definidos a partir de
los tiempos pesimista x3, optimista x1 y el tiempo ms verosmil x2.
Para calcular los tiempos tempranos de inicio y finalizacin de las
actividades se usa el algoritmo tradicional:
T.Temp.Fi-j = T.Temp.Ii-j Ti-j
T.Temp.Ii-j = Maxk {T.Temp.Tk-i}
As queda el siguiente cuadro:
Actividades
1-2
2-3
2-4
2-6
3-5
4-5
5-7
6-7
7-8
8-9
T.Temp.I
( 0, 0, 0)
( 3, 4, 5)
( 3, 4, 5)
( 3, 4, 5)
( 4, 6, 14)
( 4, 6, 8)
( 9, 12, 26)
( 6, 8, 13)
(13, 16, 30)
(17, 20, 40)
5-22
T.Temp.F
( 3, 4, 5)
( 4, 6, 14)
( 4, 6, 8)
( 6, 8, 13)
( 8, 11, 26)
( 9, 12, 15)
(13, 16, 30)
(11, 14, 26)
(17, 20, 40)
(18, 21, 41)
Para hallar los tiempos tardos de inicio y finalizacin de las etapas se usar
el siguiente algoritmo:
T.Tard.Fi-j = Mink{T.Tard.Ij-k}
T.Tard.Ii-j = Max T \ T.Tard.Ti-j T T.Tard.Fi-j
T Ti-j
As queda el siguiente cuadro:
Actividades
1-2
2-3
2-4
2-6
3-5
4-5
5-7
6-7
7-8
8-9
T.Tard.I
( 0, 0, 0)
( 4, 5, 5)
( 3, 4, 16)
( 5, 6, 9)
( 5, 7, 14)
( 4, 6, 19)
( 9, 12, 26)
( 8, 10, 17)
(13, 16, 30)
(17, 20, 40)
T.Tard.F
( 3, 4, 5)
( 5, 7, 14)
( 4, 6, 19)
( 8, 10, 17)
( 9, 12, 26)
( 9, 12, 26)
(13, 16, 30)
(13, 16, 30)
(17, 20, 40)
(18, 21, 41)
==========================================================
NOTA:
Tambin se podra plantear los tiempos tardos iniciales y finales mediante el
algoritmo:
T.Tard.Fi-j = Mink {T.Tard.Ij-k}
T.Tard.Ii-j = T.Tard.Fi-j Ti-j
Pero esto traera como incongruencia la posibilidad de tiempos tardos
menores que tiempos tempranos, por lo cual es deseable corregir el algoritmo de la
siguiente manera:
5-23
T.Tard.Ii-j = Max (T.Tard.Fi-j Ti-j, T.Temp.Ii-j) y as se tendra el

siguiente cuadro:
Actividades
T.Tard.I
T.Tard.F T
T.Tard.F
1-2
( 0, 0, 23)
(-2, 0, 23)
( 3, 4, 26)
2-3
( 3, 5, 27)
(-5, 5, 27)
( 4, 7, 28)
2-4
( 3, 4, 26)
( 1, 4, 26)
( 4, 6, 27)
2-6
( 3, 6, 28)
(-2, 6, 28)
( 6, 10, 31)
3-5
( 4, 7, 28)
(-3, 7, 28)
( 9, 12, 32)
4-5
( 4, 6, 27)
( 2, 6, 27)
( 9, 12, 32)
5-7
( 9, 12, 32)
( 9, 12, 32)
(13, 16, 36)
6-7
( 6, 10, 31)
( 0, 10, 31)
(13, 16, 36)
7-8
(13, 16, 36)
( 7, 16, 36)
(17, 20, 40)
8-9
(17, 20, 40)
(17, 20, 40)
(18, 21, 41)
Bajo este algoritmo, los resultados difieren del utilizado en el desarrollo del
problema, y esto se debe a que la resta de nmeros borrosos no es la operacin
inversa de la suma de los mismos.
===========================================================
Para calcular la holgura para cada actividad se hace:
Hi-j = T.Tard.Ii-j T.Temp.Ii-j.
Y el grado de pertenencia de cero (0) al tiempo de holgura da el grado de
criticidad de la actividad.
De esta manera se tiene la siguiente tabla:
5-24
Actividades
1-2
2-3
2-4
2-6
3-5
4-5
5-7
6-7
7-8
8-9
Holguras
( 0, 0, 0)
( -1, 1, 2)
( -2, 0, 13)
( 0, 2, 6)
( -9, 1, 10)
( -4, 0, 15)
(-17, 0, 17)
( -5, 2, 11)
(-17, 0, 17)
(-23, 0, 23)
5-25
Grados de Criticidad
1
1/2
1
0
9/10
1
1
5/7
1
1
Bibliografa
BIBLIOGRAFIA
Bishir, John W. & Drewes, Donald W.: Mathematics in the Behavorial and Social Sciences.
Harcourt, Brace & World. 1970.
Black, Max:
Induccin y Probabilidad. Ediciones Ctedra. Coleccin Teorema. Madrid. 1979.
Boudot, Maurice: Lgica Inductiva y Probabilidad. Paraninfo. Madrid. l978.

Braverman, Jerome D.: Probabilidad, Lgica y Decisiones Gerenciales. Trillas. 1980
Copy, Irving: Introduccin a la Lgica. Eudeba Manuales.
Copy, Irving M.: Symbolic Logic. Fourth Edition. MacMillan. 1973.
Dalla Chiara Scabia, Maria Luisa: Lgica. Editorial Labor. 1976.
Bochenski,
J.M.: Compendio de Lgica Matemtica. Paraninfo. Madrid. 1982.
Dubois, Didier & Prade, Henri: Operations on Fuzzy Numbers. En Int. J. Systems Sci., 1978.
Vol 9, N 6, pags. 613-626.
Dubois, Didier & Prade, Henri: Fuzzy Sets and System. Theory and Applications. Academis
Press. 1980
Esparza, Jesus B.: La Lgica de la Obligatoriedad Jurdica. Universidad del Zulia. 1979.
Gardies, Jean Louis: Lgica de Tiempo. Paraninfo. Madrid. 1979
Gutmanova, Alexandra: Lgica. Editorial Progreso. Mosc. 1989.
Haack, Susan: Lgica Divergente. Paraninfo. Madrid. 1980.
Haack, Susan: Filosofa de las Lgicas. Ediciones Ctedra. Madrid. 1982
Hasenjaeger, Gisbert: Conceptos y Problemas de la Lgica Moderna. Editorial Labor. 1968.
James, Mike: Inteligencia Artificial en BASIC. Librera "El Ateneo" Editorial. Buenos Aires.
1989.
Kalinowski, George: Lgica del Discurso Normativo. Tecnos. Madrid. 1975.
Kaufmann, A.: Introduccin la Thorie des Sous-ensembles Flous. Masson, 1977
B-1
Bibliografa
Moulin, H & F. Fogelman-Souli: La Convxit dans les Mathmatiques de la Dcision.

Hermann, Colection Mthodes. 1979.
Negoita, C.V. & Ralescu, D.A.: On Fuzzy Optimization. En Kybernetes, 1977, Vol. 6, pp. 193195.
Orlovsky, S.A.: On Programming with Fuzzy Constraint Sets. En Kybernetes, 1977, Vol. 6, pp.
197-201.
Prade, H.M.: Operations Research with Fuzzy Data. En Fuzzy Sets: Theory and Applications to
Policy Analysis and Information Systems. Ed Paul Wand & S.K. Chang. Plenum
Press, 1980.
Perdomo Mrquez, Rmulo: Introduccin a la Lgica Jurdica. Universidad de Los Andes.
Mrida. 1986
Piaget, Jean:
Ensayo de Lgica Operatoria. Editorial Guadalupe. Buenos Aires. 1977.
Ramis, Pompeyo: Lgica y Crtica del Discurso. Universidad de Los Andes. Mrida. 1989.
Rabuffetti, Hebe T.: Temas de Algebra: Lgica. Libreria "El Ateneo" Editorial. Buenos Aires.
1989.
Stefanic-Allmayer, Karl: Tcnicas de Decisin. Segunda Edicin. Editorial Hispano Europea.
Barcelona. 1980.
Suppes, Patrick: Introduccin a la Lgica Simbolica. CECSA. Mxico. 1975
Van Gigch,
John P.: Teora General de Sistemas. 2a. Edicin. Trillas. Mxico. 1987.
Von Wright, Henrik: Norma y Accin. Una investigacin lgica. Editorial Tecnos. Madrid. l979
B-2

Lógica y Decisiones

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Lógica y Decisiones

Uploaded by

Copyright:

Available Formats

LOGICA

POR: Henri Claude Thonon P.

- CARACAS, Febrero 1990

Lgica y Anlisis de Decisiones

La Teora de Decisiones, como parte de la Praxeologa, definida por Oscar

En este libro se va a tratar de los diferentes esquemas lgicos relacionados

Entre las principales aplicaciones a analizar estarn los anlisis de

Lgica y Anlisis de Decisiones

Es de esperar tambin que algunas afirmaciones y, posiblemente, el enfoque

Lgica y Anlisis de Decisiones

TAUTOLOGIAS, CONTRADICCIONES Y CONTINGENCIAS.

LOGICA DE PREDICADOS Y CUANTIFICADORES

Generalizacin del cuantificador existencial

Lgica y Anlisis de Decisiones

APENDICE SOBRE CONJUNTOS

LOGICAS NORMATIVA Y MODAL, Y OPERADORES

LAS PREGUNTAS FUNDAMENTALES DE LA TOMA DE

LAS LOGICAS NORMATIVA Y MODAL

Lgica y Anlisis de Decisiones

APLICACIONES A LA TOMA DE DECISIONES

LOGICA VAGA O IMPRECISA

APENDICE SOBRE INVESTIGACION DE OPERACIONES EN

Lgica y Anlisis de Decisiones

PLANTEAMIENTO GENERAL DE LOS PROBLEMAS DE

RESOLUCION DE PROBLEMAS DE I.O. CON

Lgica y Anlisis de Decisiones

I-. LOGICA DE PROPOSICIONES.

Se considera una proposicin como cualquier enunciado susceptible de ser

cuando p es verdadera y verdadera cuando p sea falsa.

ser verdadera slo cuando ambas sean verdaderas y de lo contrario ( cuando

Lgica y Anlisis de Decisiones

Los otros operadores:

son falsas y de lo contrario (cuando alguna de las proposiciones o ambas son

es verdadero y el consecuente (q) es falso, y de lo contrario es verdadera, y es

o ambos falsos, y es equivalente a: (p q) (p q).

Lgica y Anlisis de Decisiones

Los enunciados anteriores se pueden resumir en el siguiente cuadro:

TAUTOLOGIAS, CONTRADICCIONES Y CONTINGENCIAS.

a) p es cierto si y slo si p es cierto.

Lgica y Anlisis de Decisiones

a) p es equivalente a su doble negacin

6) [(p ===>q) p] ===>q

Modus ponendo ponens. a)

Modus tollendo tollens.

Modus tollendo ponens a) Dado p o q, y no p, entonces q.

11) p ===> (q ===> p)

a) Dado p, entonces, q implica p.

Si p implica q, y se tiene p, entonces se

a) Si p implica q, y q no se da, entonces

Lgica y Anlisis de Decisiones

12) [p ===> (q ===> r)] ===>

a) Si p, implica que q implique r, entonces

[(p ===> q) ===> (p ===> r)]

13) [p ===> (q ===> r)] ===>

Cambio del antecedente. a)

Si p, implica que q implique r, entonces q

[(q ===> (p ===> r)]

16) [p ===> q] <===>

a) Que p implique q es equivalente a que no

17) [p ===> q q] ===> p

a) Si p implica q y q implica r, entonces p

Reduccin al absurdo a) Si p implica q y no q, entonces se tiene

Lgica y Anlisis de Decisiones

b) Si una proposicin implica a otra y su