C´
alculo diferencial e integral via extens˜
ao de Zadeh e equa¸
c˜
oes
diferenciais fuzzy
Luciana T. Gomes, La´ecio C. Barros,
Depto de Matem´atica Aplicada, IMECC, UNICAMP, 13083-859, Campinas, SP
E-mail: ra024408@ime.unicamp.br, laeciocb@ime.unicamp.br.
Resumo: Definimos os conceitos de derivada e de integral de fun¸c˜oes fuzzy utilizando o princ´ıpio de extens˜ao de Zadeh sobre os operadores cl´assicos correspondentes. Apresentamos algumas de suas propriedades e enunciamos uma vers˜ao do Teorema Fundamental do C´alculo para fun¸c˜oes fuzzy e asseguramos a existˆencia de solu¸c˜ao de um problema de valor inicial fuzzy sob determi-nadas condi¸c˜oes. Um m´etodo de resolu¸c˜ao de problema de valor inicial fuzzy ´e apresentado e uma aplica¸c˜ao de um modelo de decaimento ´e resolvido e interpretado sob um contexto fuzzy. Palavras-chave: C´alculo Fuzzy, Equa¸c˜oes Diferenciais Fuzzy, Extens˜ao de Zadeh.
1
Introdu¸
c˜
ao
Desde que come¸cou a ser consagrada por sua aplicabilidade, a teoria de conjuntos fuzzy sempre teve grande papel em ´areas como teoria de informa¸c˜ao, inteligˆencia artificial, controle, proces-samento de imagem, ao representar em linguagem matem´atica a incerteza proveniente de falta de conhecimento de condi¸c˜oes de contorno, de simplifica¸c˜oes, falta de precis˜ao na defini¸c˜ao de conceitos lingu´ısticos, etc. Observa-se tamb´em que sua influˆencia em modelagem de fenˆomenos f´ısicos, biol´ogicos, qu´ımicos tem sido crescente, refletindo no interesse sobre o c´alculo fuzzy e as equa¸c˜oes diferenciais fuzzy (EDF).
Diversas propostas de integra¸c˜ao e deriva¸c˜ao para a teoria de c´alculo diferencial e integral de fun¸c˜oes fuzzy podem ser encontradas na literatura. Puri e Ralescu [16] se basearam na integral de Aumann e na derivada de Hukuhara, criadas para o c´alculo de multifun¸c˜oes, para desenvolver uma teoria para o c´alculo diferencial e integral de fun¸c˜oes com valores em conjuntos fuzzy. Posteriormente, Kaleva [12] aprofundou esse estudo e desenvolveu uma teoria para EDF. V´arios outros trabalhos seguem essa linha de abordagem de c´alculo fuzzy, em que a derivada e a interal s˜ao definidas explicitamente para fun¸c˜oes fuzzy, de modo a obter igualdades a serem resolvidas no processo de resolu¸c˜ao de EDFs [12], [18], [7], [3], [8], [13].
Em se tratando de EDFs, h´a outra abordagem que n˜ao se baseia em uma defini¸c˜ao de fato de derivadas de fun¸c˜oes fuzzy. ´E utilizada a teoria cl´assica de inclus˜oes diferenciais para se obter um m´etodo de resolu¸c˜ao das EDFs, de modo a n˜ao utilizar uma identidade expl´ıcita entre a derivada da vari´avel de estado e o campo de dire¸c˜oes considerado fuzzy, mas sim inclus˜oes. Neste caso, cada α-n´ıvel da solu¸c˜ao de uma EDF ´e constru´ıdo a partir de uma fam´ılia de trajet´orias cl´assicas (solu¸c˜oes das inclus˜oes). Essa abordagem pode ser encontrada em trabalhos como [2], [9], [10], entre outros.
Neste trabalho introduzimos um novo conceito de derivada e integral fuzzy, baseado no princ´ıpio de extens˜ao de Zadeh aplicado sobre os operadores derivada e integral cl´assicos. Para tanto, lidamos com fun¸c˜oes fuzzy cujos espa¸cos base s˜ao formados por fun¸c˜oes cl´assicas. Desse modo, na resolu¸c˜ao de EDFs obtemos identidades expl´ıcitas. As solu¸c˜oes, por sua vez, assim como as obtidas por meio da teoria de inclus˜oes, s˜ao constru´ıdas a partir de conjuntos ating´ıveis de uma fam´ılia de trajet´orias cl´assicas.
2
C´
alculo fuzzy e equa¸
c˜
oes diferenciais fuzzy
2.1 Nota¸c˜ao e alguns conceitosSeja E um espa¸co topol´ogico. Um subconjunto fuzzy de E ´e definido atrav´es de uma fun¸c˜ao ϕE : E → [0, 1], denominada fun¸c˜ao de pertinˆencia, que associa cada elemento de E a um
valor no intervalo [0, 1]. Essa fun¸c˜ao generaliza o conceito de fun¸c˜ao caracter´ıstica de conjuntos cl´assicos, permitindo pertinˆencias parciais. Denotamos por F (E) o espa¸co dos subconjuntos fuzzy de E e por FK(E) a fam´ılia de conjuntos fuzzy u de E cujos α-n´ıveis
[u]α=
{x ∈ E : u(x) ≥ α}, se α > 0 cl{x ∈ E : u(x) > 0}, se α = 0 s˜ao subconjuntos compactos n˜ao vazios de E.
Denotando por E([0, T ]; Rn) = {x : [0, T ] → Rn} o espa¸co de fun¸c˜oes em que cada elemento x(·) tem algumas propriedades (p. ex., ´e cont´ınua), apresentamos a nota¸c˜ao para espa¸cos de fun¸c˜oes fuzzy utilizada neste trabalho:
1) F (E([0, T ]; Rn)) ´e a classe de subconjuntos fuzzy de E([0, T ]; Rn), i.e., X(·) ∈ F (E([0, T ]; Rn)) apenas se [X(·)]α⊂ E([0, T ]; Rn), ∀α ∈ [0, 1] e
2) E([0, T ]; F (Rn)) = {X : [0, T ] → F (Rn)}.
O conceito de derivada aqui introduzido ´e definido para as fun¸c˜oes fuzzy contidas no espa¸co definido em 1), enquanto que os elementos do espa¸co 2) s˜ao usados para definir solu¸c˜oes de equa¸c˜oes diferenciais fuzzy.
Observemos que, para cada fun¸c˜ao fuzzy W ∈ F (E([0, T ]; Rn)), podemos definir os conjuntos ating´ıveis fuzzy no tempo t, W (t), cujos α-n´ıveis s˜ao
[W (t)]α= [W ]α(t) = {w(t) : w ∈ [W ]α}.
Sob condi¸c˜oes adequadas ´e poss´ıvel mostrar que, se W ∈ FK(E([0, T ]; Rn)), ent˜ao [W (t)]α
satisfaz o Teorema de Representa¸c˜ao 1 abaixo. Ent˜ao, para cada W ∈ FK (E([0, T ]; Rn)), temos
uma fun¸c˜ao fuzzy do tipo W : [0, T ] → FK(Rn) que, para cada t ∈ [0, T ], associa o conjunto
ating´ıvel fuzzy W (t).
Teorema 1. Teorema da Representa¸c˜ao [14]
Seja {Aα ⊂ Rn: 0 ≤ α ≤ 1} uma fam´ılia de subconjuntos n˜ao vazios satisfazendo
· Aα⊆ Aβ for all 0 ≤ β ≤ α ≤ 1;
· Aα= ∩∞i=1Aαi para qualquer sequˆencia n˜ao-decrescente αi→ α ∈ (0, 1].
· ∪α∈0,1]Aα= A0
Ent˜ao existe um conjunto fuzzy u de Rn, cuja fun¸c˜ao de pertinˆencia ´e semicont´ınua superi-ormente e tal que [u]α= Aα. Ou seja, existe um conjunto fuzzy u ∈ FK(Rn) tal que [u]α= Aα.
Defini¸c˜ao 2. [11] Seja f : Rn → F (Rn) uma fun¸c˜ao. Para cada u ∈ F (Rn) definimos a
extens˜ao de Zadeh da fun¸c˜ao f como b
f (u)(y) = sup
x∈Rn
{f (x)(y) ∧ u(x)}. (1)
Um caso particular ocorre quando f : Rn → Rn:
b
f (u)(y) =
sups∈f−1(y)u(s), se f−1(y) 6= ∅
0, se f−1(y) = ∅ . (2)
Para este ´ultimo caso, o seguinte resultado ´e v´alido:
Teorema 3. [6, 15] Seja f : Rn → Rn uma fun¸c˜ao cont´ınua. Ent˜ao bf : F
K(Rn) → FK(Rn)
est´a bem definida e
[ bf (u)]α= f ([u]α) para todo α ∈ [0, 1].
Usaremos D para designar o operador deriva¸c˜ao, isto ´e, Df (·) = f0(·); R f = R f (s)ds a integral indefinida de f e Rabf =Rabf (s)ds a sua integral definida no intervalo [a, b].
Particularmente, estamos interessados no espa¸co das fun¸c˜oes absolutamente cont´ınuas, AC([0, T ]; Rn), i.e., no espa¸co fuzzy F (AC([0, T ]; Rn)).
2.2 Integral
Defini¸c˜ao 4. Integral de fun¸c˜ao fuzzy [5]
Seja W ∈ F (AC([0, T ]; Rn)) uma fun¸c˜ao fuzzy. A integral de W ´e dada por bR W , em que bR ´
e a extens˜ao de Zadeh do operador integral R , de acordo com a f´ormula (2).
Uma vez que o operadorR ´e cont´ınuo, com base no Teorema 3 ´e poss´ıvel afirmar que: Teorema 5. Se W ∈ F (AC([0, T ]; Rn)), h b R (W )iα =R ([W ]α) =R w(·) : w ∈ [W ]α⊂ AC([0, T ]; Rn) , para todo α ∈ [0, 1]. 2.3 Derivada
Usaremos D para representar o operador derivada, i.e.,
D : AC([0, T ]; Rn) → L∞([0, T ]; Rn)
w → Dw = w0
em que w0 ´e a derivada no sentido de distribui¸c˜oes (ver [1] e [17]). Ent˜ao, existe Dw(t) q.t.p., em [0, T ].
Defini¸c˜ao 6. Derivada de fun¸c˜ao fuzzy [4]
Seja W ∈ F (AC([0, T ]; Rn)). A derivada de W ´e dada por bDW , em que bD ´e a extens˜ao de Zadeh do operador D, de acordo com a f´ormula (2).
Em [4] encontra-se a demonstra¸c˜ao do Teorema a seguir. Teorema 7. [4] Seja W ∈ FK(AC([0, T ]; Rn)), ent˜ao
[ bD(W )]α= D([W ]α) = {Dw(·) : w ∈ [W ]α} = {w0 ∈ AC([0, T ]; Rn) : ϕW(w) ≥ α},
para todo α ∈ [0, 1].
2.4 Teorema Fundamental do C´alculo Teorema 8. Teorema Fundamental do C´alculo
Seja W ∈ FK(AC([0, T ]; Rn)). Nessas condi¸c˜oes,
b DR Wb = W, ou seja, h b DR Wb iα = [W ]α, para todo α ∈ [0, 1].
Prova.
Uma vez que W ∈ FK(AC([0, T ]; Rn)), podemos utilizar os Teoremas 5 e 7:
h b DR Wb iα = DhR Wb iα = D R [W ]α = D R w : w ∈ [W ]α = {D R w : w ∈ [W ]α} = [W ]α. Ou seja, bD(bR W ) = W .
Corol´ario 9. Seja X ∈ FK(AC([0, T ]; Rn)). Ent˜ao para todo t ∈ [0, T ] a integral Y (t) =
b Rt
0X(s)ds est´a bem definida, assim como bDY (t). Al´em disso, bDY (t) = X(t).
Recordemos que Y (t) ´e o conjunto fuzzy ating´ıvel de Y no tempo t, assim como bDY (t) ´e o conjunto fuzzy ating´ıvel de bDY no tempo t.
2.5 Equa¸c˜ao diferencial fuzzy
Seja F : [0, T ] × F (Rn) → F (Rn) cont´ınua e X0 ∈ FK(Rn). Considere o problema de valor
inicial fuzzy (PVIF)
b
DX(t) = F (t, X(t)) X(0) = X0
(3) Uma solu¸c˜ao para (3) ´e uma fun¸c˜ao fuzzy X(·) ∈ FK(AC([0, T ]; Rn)) que satisfaz (3) q.t.p.
em [0, T ].
Teorema 10. Seja F : [0, T ] × F (Rn) → F (Rn) tal que toda f (·, ·) ∈ [F (·, ·)]α ´e cont´ınua, para todo α ∈ [0, 1]. Ent˜ao X ∈ FK(AC([0, T ]; Rn)) ´e solu¸c˜ao do problema de valor inicial (3) se e
somente se X satisfaz a equa¸c˜ao integral
X(t) = X0+ b Rt 0F (s, X(s))ds (4) para todo t ∈ [0, T ]. Nota Interpretamos a soma X(t) = X0+ bRt 0F (s, X(s))ds
como o conjunto fuzzy de α-n´ıveis definidos pela uni˜ao de elementos n x0+ Rt 0f (s, x(s))ds : x0 = x(0) ∈ [X0] α e f (·, x(·)) ∈ [F (·, X(·))]αo. em que x0+ Rt
0f (s, x(s))ds corresponde a uma solu¸c˜ao do PVI cl´assico associado
Dx(t) = f (t, x(t)) x(0) = x0
(5) Prova.
Seja X ∈ FK(AC([0, T ]; Rn)) e satisfazendo (4). Ent˜ao, para cada α ∈ [0, 1],
[ bDX(t)]α = [ bD(X0+ b Rt 0F (s, X(s))ds] α = D[X0+ bRt 0F (s, X(s))ds)] α = nD(x0+ Rt 0f (s, x(s))ds) : x0 = x(0) ∈ [X0] α, f (·, x(·)) ∈ [F (·, X(·))]αo = {f (t, x(t)) : x0= x(0) ∈ [X0]α, f (·, x(·)) ∈ [F (·, X(·))]α} = [F (t, X(t))]α. (6)
Partindo de (4), em t = 0 temos [X(0)]α = X0+ cR0 0F (s, x(s))ds α = n x0+ R0 0f (s, x(s))ds : x0= x(0) ∈ [X0]α, f (·, x(·)) ∈ [F (·, X(·))]α o = {x0+ 0 : x0= x(0) ∈ [X0]α, f (·, x(·)) ∈ [F (·, X(·))]α} = [X0]α Ou seja, X ´e solu¸c˜ao de (3).
Agora suponhamos que X ∈ FK(AC([0, T ]; Rn)) ´e solu¸c˜ao de (3). Ent˜ao
b DX(t) = F (t, X(t)) b Rt 0 b DX(s)ds = bRt 0F (s, X(s))ds X0+ bRt 0 b DX(s)ds = X0+ bRt 0F (s, X(s))ds (7) em que X0+ bRt 0 b DX(s)ds α = nx0+Rt 0Dx(s)ds : x0= x(0) ∈ [X0] α, x(·) ∈ [X(·)]αo (8) Portanto, X0+ b Rt 0 b DX(s)ds α = nx(0) +R0tDx(s)ds : x(0) ∈ [X0]α e x(·) ∈ [X(·)]α o = {x(t) : x(0) ∈ [X0]α e x(·) ∈ [X(·)]α} = [X(t)]α, (9) de onde obtemos X0+ bR0tF (s, X(s))ds = X(t). (10)
2.6 M´etodo de resolu¸c˜ao de EDFs
Pelo Teorema 7, em α-n´ıveis, (3) ´e equivalente `a fam´ılia de PVIs D[X]α(t) = [F (t, X(t))]α [X(0)]α = [X0]α (11) para todo α ∈ [0, 1]. Agora, D[X]α(t) = [F (t, X(t))]α ⇔ {Dx(t) : x ∈ [X]α} = [F (t, X(t))]α.
Ent˜ao, X ∈ FK(AC([0, T ]; Rn)) ´e uma solu¸c˜ao de (3) se e somente se seus α-n´ıveis [X(·)]α
s˜ao dados pela fam´ılia de solu¸c˜oes das inclus˜oes diferenciais
Dx(t) ∈ [F (t, X(t))]α
x(0) ∈ [X0]α (12)
De acordo com a teoria desenvolvida em [4], se as inclus˜oes
Dx(t) ∈ [F (t, x(t))]α
x(0) ∈ [X0]α (13)
tem solu¸c˜ao X(·) e se [F (t, x)]α⊂ [F (t, X)]α, X(·) tamb´em ´e uma solu¸c˜ao do PVIF (3) proposto
3
Aplica¸
c˜
ao
Considere o PVIF b DX(t) = −λX(t) X(0) = x0 (14) com λ ∈ FK(R). Suponha tamb´em que [λ]α= [λα1, λα2] e λα1 > 0, para todo α ∈ [0, 1].Uma interpreta¸c˜ao f´ısica para o sistema (14) ´e de modelo de desintegra¸c˜ao radioativa, em que X(t) representa a quantidade de uma substˆancia radioativa no instante t e o n´umero de desintegra¸coes por unidade de tempo ´e proporcional `a quantidade de substˆancia presente em cada instante. λ representa o coeficiente de proporcionalidade, o qual n˜ao ´e conhecido com precis˜ao, sendo portanto interpretado em um contexto fuzzy. Tal imprecis˜ao pode ser proveniente da coleta dos dados para estimar tal parˆametro (o aparelho de medi¸c˜ao pode apresentar certo grau de imprecis˜ao); a estimativa pode ser uma m´edia de valores divergentes presentes na literatura; outras vari´aveis presentes no ambiente podem influenciar no decaimento, de modo que todas est˜ao “resumidas” neste ´unico parˆametro a ser estimado. No caso, a condi¸c˜ao inicial, por sua vez, ´e cl´assica, ou seja, sabe-se com exatid˜ao o valor inicial a partir do qual se aplica o modelo. O problema satisfaz a hip´otese do Corol´ario 5.2 de [4] e, de acordo com (13), (14) tem uma solu¸c˜ao dada por
Dx(t) ∈ [−λx(t)]α = [−λα2, −λα1]x(t) x(0) = x0∈ R
. (15)
Agora, Gα(x) = [−λα2, −λα1]x ´e uma t´ıpica multifun¸c˜ao parametrizada (ver [1]) e a solu¸c˜ao
de (15) tem conjuntos ating´ıveis dados por
Dx(t) = min{γx(t), γ ∈ [−λα2, −λα1]}, x(0) = x0
Dx(t) = max{γx(t), γ ∈ [−λα2, −λα1]}, x(0) = x0
. Ent˜ao, os α-n´ıveis da solu¸c˜ao de (14) s˜ao os intervalos
[X(t)]α = x0[e−λ
α
2t, e−λα1t]
para cada α ∈ [0, 1].
A partir desse resultado, constata-se que o decaimento leva a quantidade da substˆancia radioativa a zero, com uma certeza cada vez maior, uma vez que o diˆametro de cada α-n´ıvel da solu¸c˜ao diminui com o passar do tempo, tendendo ao ponto o zero. O resultado se mostra coerente com o modelo proposto, tendo em vista que, se uma substˆancia sofre decaimento, a ´
unica certeza que temos ´e que o valor da vari´avel vai se aproximar da origem, independentemente da constante de proporcionalidade ser ou n˜ao incerta. Os α-n´ıveis tenderem todos ao ponto zero, diminuindo cada vez mais a incerteza da solu¸c˜ao, verificam essa expectativa.
4
Conclus˜
ao
Os conceitos de derivada e de integral fuzzy foram definidos a partir da extens˜ao de Zadeh sobre os respectivos operadores cl´assicos. Sob determinadas hip´oteses, propriedades que se verificam com os operadores cl´assicos tamb´em foram verificados para os operadores fuzzy, como o Teorema Fundamental do C´alculo. Um teorema a respeito de solu¸c˜ao de PVIFs tamb´em foi apresentado, bem como um m´etodo de resolu¸c˜ao. No caso das EDFs, o m´etodo aqui apresentado resulta em uma identidade expl´ıcita a ser resolvida (como em [12]), mas se mostra mais pr´oxima da abordagem atrav´es de inclus˜oes diferenciais, apresentada em [10] e [9]. Por fim, um PVIF representando um modelo de decaimento radioativo com constante de proporcionalidade incerta foi resolvido, constatando o resultado esperado de que a incerteza do parˆametro fuzzy n˜ao diminui a certeza da tendˆencia da solu¸c˜ao ao valor zero. Ressaltamos que neste mesmo problema poder´ıamos considerar a condi¸c˜ao inicial X0 tamb´em incerta. Neste caso, a informa¸c˜ao que
Agradecimentos
Os autores agradecem o suporte do CNPq (processos no. 306872/2009-9 e 140798/2010-2).
Referˆ
encias
[1] J. P. Aubin e A. Cellina, “Differential inclusions - set-value maps and a viability theory”, Springer-Verlag, Berlin Heidelberg, 1984.
[2] V. A. Baidosov, Fuzzy differential inclusions, PMM USSR, 54 (1990) 8-13.
[3] R. C. Bassanezi, L. C. Barros e P. A. Tonelli, Attractors and asymptotic stability for fuzzy dynamical systems, Fuzzy Sets and Systems, 113 (2000) 473-483.
[4] L. C. Barros, L. T. Gomes e P. A. Tonelli, Fuzzy Differential Equations: an approach via fuzzification of the derivative operator, Fuzzy Sets and Systems, ainda n˜ao publicado. [5] L. C. Barros, P. A. Tonelli e A. P. Juli˜ao, “C´alculo Diferencial e Integral para fun¸c˜oes fuzzy
via extens˜ao dos operadores de deriva¸c˜ao e integra¸c˜ao”, Relat´orio T´ecnico, 2010.
[6] L. C. Barros, R. C. Bassanezi e P. A. Tonelli, On the continuity of Zadeh’s extension, em “Proc. of the Seventh IFSA World Congress”, pp. 3-8, vol. II, Praga, 1997.
[7] B. Bede e S. G. Gal, Generalizations of the differentiability of fuzzy-number-valued functions with applications to fuzzy differential equations, Fuzzy Sets and Systems, 151 (2005) 581-599.
[8] Y. Chalco-Cano e H. Rom´an-Flores, Comparation between some approaches to solve fuzzy differential equations, Fuzzy Sets and Systems, 160 (2009) 1517-1527.
[9] P. Diamond, Time-dependent differential inclusions, cocycle attractors an fuzzy differential equations, IEEE Trans. Fuzzy Systems, 7 (1999) 734-740.
[10] E. H¨ullermeier, An approach to modeling and simulation of uncertain dynamical systems, Int. J. Uncertainty, Fuzziness Knowledge-Bases Syst., 5 (1997) 117-137.
[11] H. Huang e C. Wu, Approximation of fuzzy functions by regular fuzzy neural networks, Fuzzy Sets and Systems, 177 (2011) 60-79.
[12] O. Kaleva, Fuzzy Differential Equations, Fuzzy Sets and Systems, 24 (1987) 301-317. [13] V. Lakshmikantham e R. Mohapatra, “Theory of Fuzzy Differential Equations and
Inclu-sions”, Taylor and Francis Publishers, London, 2003.
[14] C. V. Negoita e D. A. Ralescu, “Applications of fuzzy sets to systems analysis”, John Wiley & Sons, New York, 1975.
[15] H. T. Nguyen, On conditional possibility distributions, Fuzzy Sets and Systems, 1 (1978) 299-309.
[16] M. L. Puri e D. Ralescu, Fuzzy random variables, J. Math. Anal. Appl., 98 (1986) 409-422. [17] W. Rudin, “Functional analysis”, McGraw-Hill, Inc., 1974.