CAMPINAS
Instituto de Matemática, Estatística e
Computação Científica
KELLY MARQUES DE OLIVEIRA LOPES
Um Estudo Sobre Generalizações do Princípio
de Extensão de Zadeh para Funções Contínuas.
Campinas
2019
Um Estudo Sobre Generalizações do Princípio de
Extensão de Zadeh para Funções Contínuas.
Tese apresentada ao Instituto de Matemática, Estatística e Computação Científica da Uni-versidade Estadual de Campinas como parte dos requisitos exigidos para a obtenção do título de Doutora em Matemática Aplicada.
Orientador: Estevão Esmi Laureano
Este exemplar corresponde à versão
fi-nal da Tese defendida pela aluna Kelly
Marques de Oliveira Lopes e orientada
pelo Prof. Dr. Estevão Esmi Laureano.
Campinas
2019
Biblioteca do Instituto de Matemática, Estatística e Computação Científica Ana Regina Machado - CRB 8/5467
Lopes, Kelly Marques de Oliveira,
L881e LopUm estudo sobre generalizações do princípio de extensão de Zadeh para funções contínuas / Kelly Marques de Oliveira Lopes. – Campinas, SP : [s.n.], 2019.
LopOrientador: Estevão Esmi Laureano.
LopTese (doutorado) – Universidade Estadual de Campinas, Instituto de Matemática, Estatística e Computação Científica.
Lop1. Lógica fuzzy. 2. Zadeh, Extensão de. 3. Funções contínuas. 4. Modelos matemáticos. I. Esmi, Estevão, 1982-. II. Universidade Estadual de Campinas. Instituto de Matemática, Estatística e Computação Científica. III. Título.
Informações para Biblioteca Digital
Título em outro idioma: A study on generalizations of the Zadeh's extension principle for
continuos functions Palavras-chave em inglês: Fuzzy logic Zadeh's extension Continuous functions Mathematical models
Área de concentração: Matemática Aplicada e Computacional Titulação: Doutora em Matemática Aplicada e Computacional Banca examinadora:
Estevão Esmi Laureano [Orientador] Laécio Carvalho de Barros
Igor Leite Freire
Rosana Sueli da Motta Jafelice Francielle Santo Pedro Simões
Data de defesa: 28-02-2019
Programa de Pós-Graduação: Matemática Aplicada e Computacional
Identificação e informações acadêmicas do(a) aluno(a)
- ORCID do autor: https://orcid.org/0000-0002-0482-3333
- Currículo Lattes do autor: http://lattes.cnpq.br/3755000985620723
pela banca examinadora composta pelos Profs. Drs.
Prof(a). Dr(a). ESTEVÃO ESMI LAUREANO
Prof(a). Dr(a). FRANCIELLE SANTO PEDRO SIMÕES
Prof(a). Dr(a). LAÉCIO CARVALHO DE BARROS
Prof(a). Dr(a). IGOR LEITE FREIRE
Prof(a). Dr(a). ROSANA SUELI DA MOTTA JAFELICE
A Ata da Defesa, assinada pelos membros da Comissão Examinadora, consta no SIGA/Sistema de Fluxo de Dissertação/Tese e na Secretaria de Pós-Graduação do Instituto de Matemática, Estatística e Computação Científica.
minha vida.
Agradeço a Deus sobre todas as coisa; pelo fôlego de vida e por colocar em mim o desejo e a vontade de lutar e vencer.
Ao professor Estevão que vem me ajudando desde o mestrado. Agradeço por ter aceitado ser meu orientador, por sua paciência e compreenção.
Ao professor Joni, que abriu as portas do IMECC, para esta joven sonhadora, meu eterno agradecimento.
Aos professoreres Oliveira e Barros que sempre estiveram prontos a me ajudar, em todo o período que estive na Unicamp.
Ao meu querido professor Vendite, que acreditou e investiu em mim.
Ao meu grande amigo Porfírio, que sempre esteve ao meu lado, me auxiliando e me ajudando nos momentos mais difíceis do curso.
Às minhas colegas, companheiras de estudo e de café, Kelly Cadena, Marta, Fernanda; amizade como a de vocês nunca será esquecida.
Aos meus tios e tias que sempre estiveram ao meu lado acreditando e apoiando. À tia Maria que comprou o meu primeiro livro de Cálculo, obrigada pela ajuda. À tia Jura pela interseção. Aos meus tios Antonio Carlos e Junior, pelos bons momentos de discussão e de estudo.
Aos meus coordenadores, Ana Claudia, Juliato, Marco Roberto, e em especial os professores Carlos Fielde e Eliandro Rogerio, que sempre me incentivaram, e me deram todo apoio com suas palavras amigas e de encorajamento.
Aos meus novos colegas do banco, muito obrigada pelo apoio e incentivo. Meus queridos alunos, razão pela qual eu me esforço e me dedico todos os dias. Aos meus pais José Rodrigues e Rita Marques, que sempre me ensinaram a correr atrás dos meus sonhos e nunca desistir, o meu carinho e amor.
Aos meus irmãos Karen, Deivid e Nathaly pelos momentos de discontração. À minha filha Kethelyn, por compreender e aceitar me do jeito que sou. Ao esposo Mauricelio, que sempre me apoiou. Que me entendeu quando decidi sair de casa para ir atrás de meu objetivo. Quando atrasei a minha gravidez para alcançar o meu sonho. Amor, obrigada por me entender nesse período tão difícil e tão importante da minha vida.
consquistar o meu sonho; por uma palavra amiga, por um abraço, por um carinho, por acreditarem em mim; a minha gratidão e o meu muitíssimo obrigada.
É melhor tentar, ainda que em vão sentar-se, fazendo nada até o final. Eu prefiro na chuva caminhar, que em dias frios em casa me esconder. Prefiro ser feliz embora louco, que em conformidade viver. (Martin Luther King)
Zadeh propôs em seus trabalhos uma fórmula chamada de princípio de extensão, que é um método para estender uma função f : X Ñ Y para uma função ˆf : FpXq Ñ FpY q. Baseado neste método, define-se o princípio de extensão sup-J de uma função f : RnÑ R em uma dada n-upla de números fuzzy pA1, , Anq como sendo o conjunto fuzzy ˆfpJq
de R, onde J é um certo conjunto fuzzy de Rn, chamado de distribuição de possibilidade conjunta, que descreve uma relação de interatividade entre A1, , An. Um dos nossos
objetivos neste trabalho é determinar condições suficientes para que a extensão sup-J de
f : R2 Ñ R em um par de números fuzzy pA1, A2q, denotado por fJpA1, A2q, seja também
um número fuzzy. Além disso, providenciamos uma família parametrizada de distribuições de possibilidade conjunta Jγ, γ P r0, 1s, tal que fJγpA1, A2q é um número fuzzy e sua norma
forma um mapeamento contínuo e crescente com respeito à γ. Por fim, mostramos que a menor e a maior norma possível de um número fuzzy dado pela extensão sup-J de f em pA1, A2q são atingidas em γ 0 e γ 1, respectivamente.
Palavras-chave: Lógica fuzzy. Princípio de Extensão de Zadeh. Funções contínuas.
Zadeh’s extension principle can be viewed as a mathematical tool to extend a function
f : X Ñ Y to a function ˆf : FpXq Ñ FpY q. Based on this idea, the sup-J extension principle of a function f : Rn Ñ R at a n-tuple of fuzzy numbers fuzzy pA1, , Anq is
given by the fuzzy set ˆfpJq of R, where J is a certain fuzzy set of Rn, called joint possibility distribution, that describes a relation of interactivity among A1, , An. Here, we establish
sufficient conditions for the sup-J extension of f : R2 Ñ R at a pair of fuzzy numbers pA1, A2q, denoted by fJpA1, A2q,to be a fuzzy number as well. Moreover, we provide a
parametrized family of joint possibility distributions Jγ, γ P r0, 1s, such that fJγpA1, A2q is
a fuzzy number and its norm consists of increasing and continuous map with respect to γ. Finally, we show that the smallest and largest norms of fuzzy numbers given by the sup-J extension of f at pA1, A2q are reached using γ 0 and γ 1, respectively.
Keywords: Fuzzy logic. Zadeh Extension Principle. Continuous functions . Mathematical
Figura 1 – Fluxograma do desenvolvimento da tese. . . 17
Figura 2 – α-nível de A. . . . 21
Figura 3 – Número fuzzy trapezoidal. . . . 28
Figura 4 – Número fuzzy triangular. . . . 29
Figura 5 – Número fuzzy trapezoidal para o conjunto fuzzy dos adolescentes. . . . 29
Figura 6 – Princípio de extensão de Zadeh de uma função f em um conjunto fuzzy A. 39 Figura 7 – Distribuição de possibilidade conjunta da função Jpx, yq dada na Equa-ção 2.8. . . 43
Figura 8 – Extensão sup-J da função f e J dadas no Exemplo 7. . . . 43
Figura 9 – Extensão sup-J da função f e J dadas no Exemplo 8. . . . 44
Figura 10 – Função r1px, α, 0, fq descontínua em x=1. . . . 52
Figura 11 – Extensões sup-Jγ da função fpx1, x2q x1 exppx2q com relação ao parâmetro γ. . . . 70
Figura 12 – Variação da norma da extensão sup-Jγda função fpx1, x2q x1exppx2q com relação ao parâmetro γ. . . . 71
Figura 13 – Extensão sup-Jγ da função fpx1, x2q x1x2 com relação ao parâmetro γ. 71 Figura 14 – Variação da norma da extensão sup-Jγ da função fpx1, x2q x1x2 com relação ao parâmetro γ. . . . 72
Figura 15 – Extensões sup-Jγ da função fpx1, x2q x1 2x2 com relação ao parâ-metro γ. . . . 72
Figura 16 – Variação da norma da extensão sup-Jγ da função fpx1, x2q x1 2x2 com relação ao parâmetro γ. . . . 73
Figura 17 – Extensão sup-Jγ da função fpx1, x2q x2 cospx1q com relação ao parâmetro γ. . . . 73
Figura 18 – Variação da norma da extensão sup-Jγ da função fpx1, x2q x2cospx1q com relação ao parâmetro γ. . . . 74
Figura 19 – Extensões sup-Jγ da função fpx1, x2q x2 tagpx1q com relação ao parâmetro γ. . . . 74
Figura 20 – Variação da norma da extensão sup-Jγ da função fpx1, x2q x2tagpx1q com relação ao parâmetro γ. . . . 75
Figura 21 – Extensões sup-Jγ da função fpn, pq 2n expp0.068pq com relação ao parâmetro γ. . . . 76
Figura 22 – Variação da norma da extensão sup-Jγ da função fpn, pq 2n expp0.068pq com respeito ao parâmetro γ. . . . 77
Figura 23 – Extensão sup-Jγ da função fpn, pq np1 expp0.068pqq com relação ao parâmetro γ. . . . 77
FpXq Classe de conjuntos fuzzy em X. RF Classe dos números fuzzy.
d8 Distância de Pompeiu-Hausdorff.
ϕApxq ou Apxq Pertinência no elemento x do subconjunto fuzzy A .
U ,V Universos gerais não fuzzy.
L Reticulado ordenado completo.
ª X Supremo do conjunto X. © X Ínfimo do conjunto X. a_ b máximo entre a e b. a^ b mínimo entre a e b.
R Relação entre conjuntos fuzzy. ΠXRpxq Projeção da relação fuzzy R em X. [A]α α-nível de um subconjunto fuzzy A.
LA Função que associa para cada α o ínfimo derAsα.
RA Função que associa para cada α o supremo de rAsα.
RC
F Conjunto de números fuzzy com funções contínuas LA e RA.
[aα1, aα2] Valores dos extremos do α-nível de um número fuzzy A . K Subconjuntos compactos não vazios de Rn.
|| || Norma de um número fuzzy. p
f Extensão de Zadeh de uma função f .
Jγ Distribuição conjunta de possibilidade com parâmetro γ.
p
fJ Extensão Sup-J da função f .
Introdução . . . 15
1 CONCEITOS BÁSICOS . . . 18
1.1 Conjuntos Fuzzy . . . 18
1.2 Operações Entre Conjuntos Fuzzy . . . 19
1.3 O Conceito de αníveis . . . 20
1.4 Conceitos Básicos de Conjuntos L-Fuzzy . . . 21
1.5 Relações Fuzzy . . . 24
1.6 Números Fuzzy . . . 26
1.7 Métrica e Norma de um Número Fuzzy . . . 33
1.8 Outros Resultados Úteis . . . 34
1.9 Multifunções . . . 36
2 PRINCÍPIO DA EXTENSÃO SUP-J . . . 39
2.1 Princípio de Extensão de Zadeh . . . 39
2.2 Distribuição de Possibilidade Conjunta . . . 40
3 FAMÍLIAS DE DISTRIBUIÇÕES DE POSSIBILIDADE CONJUNTA 49 4 SIMULAÇÕES . . . 70 4.1 Simulações . . . 70 4.1.1 Modelo de Nicholson-Bailey . . . 74 5 CONSIDERAÇÕES FINAIS . . . 79 REFERÊNCIAS . . . 80 ANEXO A – CÓDIGOS-FONTE . . . 83
A.1 Código Principal . . . 83
Introdução
Zadeh apresenta em seu trabalho (ZADEH,1965) uma fórmula geral chamada de princípio de extensão, que estende uma função X Ñ Y para uma função FpXq Ñ FpY q, onde X e Y são dois universos não vazios. Seja FpXq a classe de subconjuntos fuzzy em X. No caso particular onde X é dado pelo produto cartesiano de n universos, ou seja, X X1 Xn, Zadeh define a extensão da função na n-upla pA1, . . . , Anq,
com Ai P FpXiq para i 1, . . . , n, como sendo a extensão de Zadeh de A em D, onde
DP FpXq dado por Dpx1, . . . , xnq mintA1px1q, . . . , Anpxnqu para todo px1, . . . , xnq P X
(ZADEH, 1965; ZADEH, 1975). Neste trabalho vamos focar apenas em funções f de R2 em R contínuas.
Em muitos casos do cotidiano é preciso estabelecer restrições sobre uma situ-ação, para que ela se torne verídica e consistente. Esse tipo de tratamento a noção de interatividade. Essa noção, por sua vez, pode ser definida em termos de uma distribuição de possibilidade conjunta (KLIR; YUAN, 1995)(DUBOIS; PRADE,1981)(ZADEH,1965;
ZADEH, 1975) (CARLSSON; FULLÉR; LENDER, 2004). Fuller e Majlender generaliza-ram o princípio de extensão de Zadeh, gerando conjuntos fuzzy mais gerais além daqueles dados pela operação do min como proposto por Zadeh.
Muitos pesquisadores têm estudado fórmulas e propriedades da extensão de operadores elementares como, por exemplo, a classe de números fuzzy com as operações de adição e a subtração (IGNÁCIO,2015),(DUBOIS; PRADE,1981), (CARLSSON; FULLÉR; LENDER,2004;BAETS; MARKOVÁ-STUPNANOVÁ,1997;FULLÉR; KERESZTFALVI,
1992;FULLÉR, 2014;HONG, 2002; KAWAGUCHI; DA-TE, 1994;MESIAR,1997). Uma abordagem bem conhecida na literatura para gerar uma distribuição de possibilidade conjunta para qualquer par de números fuzzy é baseado no produto cartesiano com respeito à t-norma (DIAMOND; KLOEDEN,2000). Neste trabalho, estamos propondo a utilização de uma família parametrizada de distribuições conjuntas para um par arbitrário de números fuzzy .
A Figura 1a seguir apresenta as etapas do desenvolvimento desse trabalho. No no item 1 temos a aplicação direta do princípio de extensão de Zadeh em uma função contínua f de um espaço X para espaço Y , gerando uma função fuzzy ˆf : FpXq Ñ FpY q.
Utilizando uma distribuição de possibilidade conjunta J no item 2 do Fluxograma da Figura 1, passamos a trabalhar com funções f definidas em Rn com contra domínio em R. Sob estas circunstâncias, no item 3 estabelecemos quais são as condições suficientes que devem incidir sobre J para termos que o contra domínio de ˆfJ seja a classe dos números
funções contínuas de R2 em R. Em particular, propomos uma família parametrizada de distribuições de possibilidade conjunta tais que a respectiva extensão sup-J de f associa pares de números fuzzy de RCF a um conjunto fuzzy de RCF, ondeRCF denota a classe dos números fuzzy cujos extremos dos α-níveis formam funções contínuas de r0, 1s em R. Além disso, mostramos que a norma do número fuzzy fJγpA, Bq forma um mapeamento crescente
e contínuo com respeito à γ.
Este trabalho está organizado da seguinte forma. No primeiro Capítulo apresen-tamos os conceitos básicos de Lógica fuzzy, juntamente com alguns resultados importantes que se fazem necessários para a compreensão e desenvolvimento deste trabalho. No segundo Capítulo, vamos apresentar o princípio de extensão sup-J, juntamente com suas definições e alguns resultados, que estão listados nos itens 2 e 3 do Fluxograma da Figura 1. No terceiro Capítulo será apresentado uma família de distribuição de possibiliadade conjunta juntamente com as demostrações dos resultados listados no Capítulo 4, tais resultados aparecem no item 4 do Fluxograma da Figura 1. Apresentamos também algumas simula-ções realizadas que ilustram o teorema principal desta tese, Teorema 10. Encerramos no quinto Capítulo com as Conclusões e Considerações finais.
Princípio de Extensão de Zadeh f : X Ñ Y ˆ f : FpXq Ñ FpY q 1 X Rn e Y R J :pRFqn Ñ FpRnq Princípio de Extensão Sup-J ˆ fJ :pRFqnÑ FpRnq ˆ fJ : ˆf J 2 Condições sufici-entes: Corolário 4, Teorema 7, Corolá-rio 5e Corolário 6. ˆ fJ : pRFqn Ñ RF 3 Construção de uma família de extensões: Teorema 8, Teorema 9 e Teorema 10. ˆ fJγ :R C FRCF Ñ RCF 4
1 Conceitos Básicos
Neste capítulo apresentamos os conceitos fundamentais que usaremos neste trabalho. Este capítulo está organizado da seguinte forma: Primeiro, vamos relembrar algumas definições e conceitos básicos concernentes à classe de conjuntos fuzzy, juntamente com suas operações, depois vamos definir o conceito de α-níveis, e rever as notações de relações fuzzy e suas propriedades, em seguida, o conceito de números fuzzy, e finalmente, vamos apresentar alguns conceitos e resultados importantes do Cálculo e da Análise que serão utilizados no decorrer deste trabalho.
1.1
Conjuntos Fuzzy
Seja X um conjunto arbitrário e Y um subconjunto de X, a função característica de Y é dada por:
XYpxq
#
0 se x R Y
1 se x P Y , @x P X. (1.1)
A função XY caracteriza os elementos do conjunto clássico Y (Em particular,
temos que XYpxq 0, se o elemento não pertence ao conjunto e XYpxq 1, caso o elemento
xP X pertença ao conjunto). Assim, o domínio da função XY está restrita ao conjunto {0,
1}. Note que, a função característica descreve completamente o conjunto Y .
É comum encontrarmos casos onde a relação entre os elementos de um conjunto não é tão precisa como a apresentada anteriormente. Casos onde um elemento possa pertencer de forma parcial à um dado conjunto. Por exemplo, consideremos o subconjunto dos números reais próximos de 2.
A tx P R; x é próximo de 2u.
A pergunta em questão é: O número 5 e o número 2, 001 pertencem a A? A resposta dessa pergunta é incerta, pois não sabemos dizer o que é estar próximo de 2. A única afirmação que podemos fazer é que o número 2, 001 está mais próximo de 2 do que o número 5. Dessa forma, o número 2, 001 pertence a A com um grau de pertinência maior que o número 5.
Pensando dessa forma, Zadeh propõe uma flexibização no conjunto imagem da função característica, dando a possibilidade de um elemento pertencer parcialmente a um dado conjunto fuzzy (ZADEH, 1965).
Definição 1. Seja X um conjunto clássico. Um subconjunto fuzzy A de X é caracterizado
por uma função de pertinência
ϕApXq : X Ñ r0, 1s. (1.2)
Esta função é chamada de função de pertinênica do subconjunto fuzzy A. O valor ϕApxq da função é interpretado como o grau com que o elemento x está contido
no conjunto fuzzy A, ou seja, ϕApxq 0 indica a não pertinência do x a A, e ϕApxq 1
indica pertinência total ao conjunto A.
Um conjunto fuzzy também pode ser representado por um conjunto clássico de pares ordenados:
A tpx, ϕApxqq, com x P Xu.
Desta forma, podemos dizer que um subconjunto Y de X é um conjunto fuzzy de X, cuja função de pertinência é dada por sua correspondente função característica.
Por simplicidade, utilizaremos a notação Apxq ao invés de ϕApxq. Denotaremos
por FpXq a classe de todos os subconjuntos fuzzy de X .
1.2
Operações Entre Conjuntos Fuzzy
Assim como na lógica clássica, a lógica fuzzy também utiliza alguns operadores lógicos, por exemplo o operador conjunção (e) e a disjunção (ou), que na lógica fuzzy são substituidos pelos respectivos operadores min (mínimo) e max (máximo), ou mais geral, por t-normas ou s-normas.
Sejam A e B dois conjuntos fuzzy do espaço X, com suas respectivas funções de pertinência Apxq e Bpxq. Dizemos que A está contido em B, isto é, A B se, e somente se, Apxq ¤ Bpxq para todo x P X. Além disso, A B, se e somente se, Apxq Bpxq para todo x P X. As funções de pertinência do conjunto vazio e do conjunto universo X serão indicados por Hpxq 0 e Xpxq 1 para todo x P X, respectivamente.
Definição 2. As funções de pertinência que representam a União, Intersecção e
Comple-mentar dos conjuntos fuzzy A e B , são dadas respectivamente por:
pA Y Bqpxq max xPU tApxq, Bpxqu pA X Bqpxq min xPUtApxq, Bpxqu A1pxq 1 Apxq, para todo xP X.
Na lógica fuzzy um dado elemento pode pertencer a um conjunto, mas também pode pertencer ao seu complementar com graus de certeza diferentes. Esta é a grande diferença entre a teoria fuzzy e a teoria clássica de conjuntos: a lei do meio excluído é satisfeita na teoria clássica enquanto que na teoria fuzzy não. Por exemplo, se Apxq 0.5, para todo x P X, temos que pA X A1qpxq 0.5 0, para todo x P X.
1.3
O Conceito de α
níveis
Um subconjunto fuzzy A de X é caracterizado por elementos do seu universo com seus respectivos graus de pertinência. Dizemos que um determinado elemento x está no α-nível de A, se seu grau de pertinência é maior ou igual a αP p0, 1s. A definição mais precisa de α-níveis é dada a seguir (BARROS; BASSANEZI, 2010).
Definição 3. Seja A um subconjunto fuzzy de X e α P p0, 1s. O α-nível de A é o
subconjunto de X definido por:
rAsα tx P X; Apxq ¥ αu.
Se adicionalmente X é um espaço topológico, o nível zero de um subconjunto
fuzzy A é definido como sendo o fecho do conjunto suporte de A, isto é
rAs0 supppAq,
em que
supppAq tx P X; Apxq ¡ 0u.
Definição 4. Um subconjunto fuzzy é dito normal se rAs1 H.
Proposição 1. (KLIR; YUAN,1995) Seja X um universo não vazio e sejam A, BP FpXq. As seguintes sentenças são verdadeiras:
1. A B ô rAsα rBsα,@α P p0, 1s; 2. A B ô rAsα rBsα, @α P p0, 1s; 3. Para todo xP X, temos que:
Apxq suptα P p0, 1s ; x P rAsαu; (1.3)
onde, por definição supH 0.
Exemplo 1. Seja A um subconjunto fuzzy de R com a seguinte função de pertinência: Apxq $ ' & ' % x 1 se 1 ¤ x ¤ 2 3 x se 2 x 3 0 se xR r1, 3q
Neste caso, temos: rAsα rα 1, 3 αs para 0 α ¤ 1 e supppAq p1, 3q
r1, 3s.
A Figura 2 ilustra a função de pertinência de A, e um dado α-nível de A.
Figura 2 – α-nível de A.
Fonte: o autor
1.4
Conceitos Básicos de Conjuntos
L-Fuzzy
Um conjunto parcialmente ordenado é um conjunto não vazio P com uma relação de ordem parcial ¤, que é reflexiva, transitiva e anti simétrica (GRÄTZER, 1971). O conjunto resultante é denotado por pP, ¤q ou simplesmente por P , se a relação de ordem é clara no contexto. Se x ¤ y para x, y P P , então dizemos que x é menor ou igual a y ou, equivalentemente, y maior ou igual a x. Seja X P , um elemento l P P é dito ser
limitante inferior de X se l ¤ x, para todo x P X. Analogamente, u P P é dito ser um limitante superior de X se x¤ u, para todo x P X. O ínfimo e supremo de X P , quando
existem, são definidos respectivamente como sendo o maior dos limitantes inferiores de X e como o menor dos limitantes superiores de X. Vamos utilizar os simbolos ©X e ªX
para denotar o ínfimo e supremo de X P , respectivamente. No caso em que X tx, yu, vamos escrever x_ y e x ^ y ao invés de ªX e ©X, respectivamente. Além disso, se X txi{i P Iu, em que I é um conjunto de índices, então denotaremos por
© iPI xi e ª iPI xi ao invés de ©X e ªX, respectivamente.
Se todo subconjunto finito X de um conjunto ordenadoL tem ínfimo e supremo em L, então L é dito ser um reticulado (BIRKHOFF, 1993). Todavia, um reticulado L
é chamado de limitado se ©L P L e ªL P L. Um reticulado L é completo se todo subconjunto (finito ou infinito) de L tem um ínfimo e um supremo em L. Em particular, todo reticulado completo é limitado (BIRKHOFF,1993). SejaL um reticulado completo, se 0L e 1L denotam respectivamente ©L e ªL, então definimos 1L ©H e 0LªH.
Um reticulado pL, ¤q é chamado de corrente ou chain se temos x ¤ y ou y ¤ x para todo x, y P L. Neste caso, ¤ é dito uma ordem total. Se L é um reticulado completo então, dizemos que L é uma corrente completa. O intervalo r0, 1s representa um exemplo de corrente completa.
Seja pLi,¤iq um reticulado, (limitado ou completo) para todo i 1, . . . , n, o
produtoL L1. . .Ln também representa respectivamente, um reticulado (limitado ou
completo), onde x¤ y ô xi ¤ yi, para todo i 1, . . . , n e para x, y P L. Adicionalmente,
L é chamado de produto de reticulados constituido por L1, . . . ,Ln. No caso onde Li M,
para todo i 1, . . . , n, o simbolo Mn representaL1 . . . Ln.
Se X é um universo arbitrário epL, ¤q é um reticulado completo, então a classe de funções X Ñ L, denotado pelo simbolo LX, é um reticulado completo com a ordem parcial dada por , ponto a ponto para todo A, B P LX (BIRKHOFF, 1993), como se segue.
A B ô Apxq ¤ Bpxq, @ x P X. (1.4)
Os operadores de ínfimo e supremo em LX também são definidos ponto a ponto. Especialmente para A LX, temos que C ©A e D ªA são dados para todo
xP X como abaixo: Cpxq © APA Apxq e Dpxq ª APA Apxq. (1.5)
Em teoria de conjuntos L-fuzzy, o reticulado completo LX representa a classe de conjuntos L-fuzzy em um universo arbitrário X (GOGUEN, 1967). Mais precisamente, o conjunto L-fuzzy A em X pode ser visto como uma função de X para L chamada de
função de pertinência, onde o valor de Apxq representa o grau de pertinência de x P X em A.
Se X é finito, ou seja, X tx1, . . . , xnu, o conjunto A de L-fuzzy pode ser
identificado como um vetor pApx1q, . . . , Apxnqqt P Ln. O conceito de intersecção e união
de conjuntos L-fuzzy são baseados nos operadores ínfimo e supremo, respectivamente. Note que a classe de conjuntos L-fuzzy extende a noção de subconjuntos crisp de X. Especificamente, cada conjunto crisp Y X é unicamente associado com o conjunto
L-fuzzy XY dada pela seguinte função característica:
XYpxq
#
0L se xR Y
1L se xP Y , @x P X. (1.6)
Em particular, o caso em que L é o intervalo r0, 1s, temos a classe de conjuntos
fuzzy, isto é, FpXq r0, 1sX (ZADEH, 1965). De agora em diante, focaremos somente na classe de conjuntos fuzzy.
Proposição 2. Seja L um reticulado, então para quaiquer a, b, c, d P L valem:
(a) Se a¤ b, então a _ b b e a ^ b a. (b) Se a¤ b e c ¤ d, então a _ c ¤ b _ d e a ^ c ¤ b ^ d. (c) Se a¤ b então a _ c ¤ b _ c, e a ^ c ¤ b _ c. (d) a_ a a e a ^ a a. (e) a^ b a _ b ô b a. (f) a_ b b _ a e a ^ b b ^ a. (g) pa _ bq _ c a _ pb _ cq e pa ^ bq ^ c a ^ pb ^ cq. (h) a_ pb ^ cq ¤ pa _ bq ^ pa _ cq e pa ^ bq _ pa ^ cq ¤ a ^ pb _ cq. (i) a_ pa ^ bq a e a ^ pa _ bq a.
A demostração da Proposição 2 pode ser encontrada em (BIRKHOFF, 1993).
Teorema 1. Seja L um reticulado completo totalmente ordenado. Dado Y L, para todo
Y1, , Yi L tais que Y
¤
iPI
Yi, em que I é um conjunto de índices não vazio, temos
que: (a) ªY ª iPI pªYiq. (b) ©Y © iPI p©Yiq.
Demonstração. (a) Como Yi Y , temos que
ª
Yi ¤
ª
Y, para iP I, isso implica que, ª
iPI
pªYiq ¤
ª
Y.
Seja y P Y , existe i P I tal que y P Yi, o que implica que y¤
ª Yi ¤ ª iPI pªYiq. Isso implica que ª iPI
pªYiq é um limitante superior de Y , ou seja,
ª
Y ¤ª
iPI
pªYiq.
Logo, segue que ªY ª
iPI
(b) A prova do item b é similar à apresentada no item a.
1.5
Relações Fuzzy
Como a teoria de conjuntos fuzzy generaliza a classe de conjuntos crips (conjuntos clássicos), o conceito de relação pode ser estendido através da teoria fuzzy. Uma relação
fuzzy de um conjunto X para outro conjunto Y é dada por um conjunto fuzzy em X Y ,
que é representado por uma função R : X Y Ñ r0, 1s. O valor de Rpx, yq pode ser interpretado como o grau de relacionamento entre x e y para px, yq P X Y (Di Nola et al., 1989).
A noção de relação fuzzy pode ser estendida para um produto de n universos, como se segue.
Definição 5. (BARROS; BASSANEZI,2010) Uma relação fuzzy R, sobre U1U2. . .Un
é qualquer subconjunto do produto cartesiano. Se o produto cartesiano for formado por apenas dois conjuntos, U1 U2 a relação é chamada de relação binária fuzzy sobre U1 U2.
Se U1 U2 . . . Un U, diz-se que R é uma relação sobre Un. Assim, uma relação R
é caracterizada por sua função de pertinência R : U1 U2 . . . UnÑ r0, 1s.
Se a função de pertinência da relação for indicada por R, então o valor de Rpx1, x2, . . . , xnq P r0, 1s, indica o grau com que os elementos xi estão relacionados entre
si, segundo a relação fuzzy R.
Definição 6. (BARROS; BASSANEZI,2010) O produto cartesiano dos subconjuntos fuzzy Ai P FpUiq, i 1, . . . , n é a relação fuzzy A1 A2 . . . An, cuja função de pertinência
é dada por
pA1 A2 . . . Anqpx1, x2, . . . , xnq A1px1q ^ A2px2q ^ . . . ^ Anpxnq,
em que ^ representa o mínimo.
As relações fuzzy surgem em vários contextos e podem, por exemplo, ser utilizadas para auxiliar em diagnósticos médicos (BARROS; BASSANEZI, 2010).
Definição 7. Sejam R e S duas relações fuzzy binárias em FpX Y q e FpY Zq,
respectivamente. A composição R^S é uma relação fuzzy binária em FpX Zq cuja
função de pertinência é dada por
R^Spx, zq ª
yPY
Neste trabalho, utilizaremos apenas composição relacional fuzzy do tipo sup-t, para isso, vamos primeiramente definir uma t-norma.
Definição 8. Um operador t :r0, 1s r0, 1s Ñ r0, 1s, sendo tpx, yq xty, é uma t-norma se satisfaz as seguintes condições:
1. Elemento neutro: t(1, x)= 1t x = x;
2. Comutativadade: t(x, y)= x t y = y t x= t(y, x); 3. Associativadade: x t(y t z)= (x t y) t z;
4. Monotonicidade: se x¤ u e y ¤ v, então xty utv;
A seguir apresentamos algumas das t-normas mais utilizadas. 1. t-norma do mínimo: ^px, yq mintx, yu 2. t-norma do produto: tpx, yq x.y 3. Lukasiewicz: tLpx, yq maxt0, x y 1u.
A composição sup-tptq de duas relações fuzzy R P FpX Y q e S P FpY Zq
corresponde a seguinte relação fuzzy RtS P FpX Zq (KLIR; YUAN, 1995):
pR tSqpx, zq
ª
yPY
Rpx, yq t Spy, zq @x P X e @z P Z. (1.7)
A composição sup-t de uma relação fuzzy R P FpX Y q e um conjunto S P FpY q produz o seguinte conjunto fuzzy R tS P FpXq (KLIR; YUAN, 1995):
pR tSqpxq
ª
yPY
Rpx, yq t Spyq @x P X. (1.8)
Vamos utilizar o símbolo ^ se a t-norma empregada é a do mínimo.
Definição 9. Seja R uma relação fuzzy binária sobre X X. Então, para quaisquer x, y
e z de X, a relação fuzzy R é dita
1. reflexiva: se Rpx, xq 1;
3. transitiva: se Rpx, zq ¥ Rpx, yq ^ Rpy, zq;
4. anti-simétrica: se Rpx, yq ¡ 0 e Rpy, xq ¡ 0 implicaque x y.
A relação reflexiva denota a máxima relação entre o indivíduo com ele mesmo. A relação simétrica caracteriza a relação de mesma intensidade entre os indivíduos. A relação transitiva denota que a relação entre dois indivíduos não pode ser simultanêamente menor que cada um deles juntamente com os demais. Por fim, a relação anti-simétrica não admite qualquer reciprocidade entre indivíduos distintos.
Outro importante conceito que vamos utilizar neste trabalho consiste na proje-ção de relações fuzzy (KLIR; YUAN,1995; PEDRYCZ; GOMIDE,2007).
Definição 10. Seja R uma relação fuzzy em FpX Y q. A projeção de R em X é o conjunto fuzzy ΠXR P FpXq dado por
ΠXRpxq ª
yPY
Rpx, yq, @x P X.
A projeção de uma relação fuzzy R em Y é o conjunto fuzzy ΠYR P FpY q dado por
ΠYRpyq ª
xPX
Rpx, yq, @y P Y.
De forma geral, a projeção de uma relação fuzzy n-ária RP FpX1 . . . Xnq
em Xi com 1¤ i ¤ n, é o conjunto fuzzy ΠiR de Xi dado por
ΠiRpxiq
ª
xjPXj,ji
Rpx1, . . . , xnq, @xi P Xi. (1.9)
1.6
Números Fuzzy
Em muitos casos na matemática tratamos de quantidades imprecisas que muitas vezes são utilizadas para quantificar conceitos incertos tais como estar em torno do número 2. Tais conceitos podem ser modelados por uma classe especial de conjuntos fuzzy de R, denominada de números fuzzy que consiste na generalização dos números reais. Neste capítulo, vamos rever alguns conceitos de números fuzzy (BEDE, 2013; GOETSCHEL; VOXMAN, 1986).
Definição 11. (KALEVA, 1990) Um conjunto fuzzy A de R é dito ser um número fuzzy se A satisfaz as seguintes propriedades:
(b) A é convexo fuzzy , i.e., Apβx p1 βqyq ¥ Apxq ^ Apyq para todo x, y P R e β P r0, 1s;
(c) A é semicontínua superiormente em R, i.e., para todo x0 P R e todo ¡ 0 existe
δ ¡ 0 tal que Apxq Apx0q para |x x0| δ;
(d) A é suporte compacto, i.e., rAs0 tx ; Apxq ¡ 0u é compacto.
O conjunto de números fuzzy será denotado pelo símbolo RF.
Note que R é um caso particular de RF porque Xtxu P FpRq é um número
fuzzy para todo xP R. A próxima proposição apresenta uma definição equivalente para
números fuzzy em termos dos α-níveis (KALEVA, 1990).
Proposição 3. (KALEVA,1990) Dado um número fuzzy A, se Mα rAsα para αP r0, 1s, então a família de intervalos tMα; αP r0, 1su satisfaz as seguintes propriedades:
(a) Mα é um intervalo fechado e não vazio para todo αP r0, 1s; (b) Mα Mβ para 0¤ β ¤ α ¤ 1;
(c) para qualquer sequência pαnq que converge por baixo para α P p0, 1s, temos que;
8
£
n1
Mαn Mα;
(d) para qualquer sequência pαnq que converge por cima para 0, temos que;
cl 8 ¤ n1 Mαn M0.
Reciprocamente, se tMα; α P r0, 1su é uma família de intervalos reais que
satisfaz as propriedades de (a)-(d) da proposição acima, então existe um único A P RF tal
que Mα rAsα para todo αP r0, 1s.
Como os α-níveis de números fuzzy A são intervalos fechados e não vazios pela Proposição 3, cada AP RF pode ser associado a um par de funções definidos de r0, 1s em
R, como se segue.
Definição 12. Dado A P RF, as funções LA, RA:r0, 1s Ñ R são definidas por:
LApαq © rAsα e R Apαq ª rAsα. (1.10) para cada α P r0, 1s.
Note que, das propriedades (a) e (b) da Proposição 3, temos que rAsα rLApαq, RApαqs, onde LA é uma função não decrescente e RA é uma função não crescente.
Podemos ainda escrever cada elemento do α-nível da seguinte forma: rLApαq, RApαqs : raα1, a
α
2s.
Vejamos alguns exemplos de números fuzzy.
Definição 13. (BARROS; BASSANEZI, 2010) Um número fuzzy A é dito trapezoidal se sua função de pertinência é da forma:
Apxq $ ' ' ' ' ' ' & ' ' ' ' ' ' % x a b a se a¤ x b 1 se b¤ x ¤ c d x d c se c x ¤ d 0 caso contrário
para a, b, c, d P R com a ¤ b ¤ c ¤ d. Neste caso, denotamos A por pa; b; c; dq. A Figura 3 ilustra um conjunto fuzzy trapezoidal. Além disso, os α-níveis de A possuem a seguinte forma. raα 1, a α 2s rpb aqα a, pc dqα ds. (1.11) para todo α P r0, 1s.
Figura 3 – Número fuzzy trapezoidal. Fonte: o autor
Quando tomamos b c no número fuzzy trapezoidal, obtemos o número fuzzy triangular, que é ilustrado na Figura 4. Neste caso, A será denotado por A : pa; u; bq. Os
α-níveis do número fuzzy triangular possuem a seguinte forma.
raα
1, aα2s rpu aqα a, pu bqα bs (1.12)
Figura 4 – Número fuzzy triangular. Fonte: o autor
Exemplo 2. O conjunto fuzzy dos adolescentes pode ser representado pelo número fuzzy
trapezoidal, dado pela função de pertinência da equação abaixo
Apxq $ ' ' ' ' ' & ' ' ' ' ' % x 11 3 se 11¤ x 14 1 se 14¤ x ¤ 17 20 x 3 se 17 x ¤ 20 0 caso contrário
Figura 5 – Número fuzzy trapezoidal para o conjunto fuzzy dos adolescentes. Fonte: o autor
Na Figura 5 podemos observar o comportamento do conjunto fuzzy dos adoles-centes.
A próxima proposição declara que RF pode ser totalmente caracterizado com
um conjunto de pares de funções (BEDE,2013;GOETSCHEL; VOXMAN, 1986).
Proposição 4. Seja A um número fuzzy. Se LA, RA:r0, 1s Ñ R são definidas como em
(1.10), então as seguintes propriedades são verdadeiras:
(a) LA é uma função limitada e não decrescente, e mais, LA é uma função contínua à
(b) RA é uma função limitada e não crescente, e mais, RA é uma função contínua à
esquerda em p0, 1s e contínua à direita em 0; (c) LAp1q ¤ RAp1q.
Reciprocamente, se LA e RA são duas funções de r0, 1s para R que satisfazem
as propriedades de (a)-(c) da Proposição 4, então, existe um único número fuzzy A tal que
rAsα rL
Apαq, RApαqs para todo α P r0, 1s.
Teorema 2. (BARROS, 1997) Um conjunto fuzzy A de R é um número fuzzy se e somente se, rAsα é um intervalo fechado, limitado e não vazio para todo αP r0, 1s. Demonstração. Por um lado temos que, se A é um número fuzzy, a Proposição 3 nos garante que rAsα é um intervalo fechado e não vazio, para todo αP r0, 1s.
Por outro lado, sabemos que rAsα é um intervalo fechado, limitado e não vazio, para todo αP r0, 1s. Tomemos L, R : r0, 1s Ñ R, dados por:
Lpαq ©rAsα e Rpαq ªrAsα,@α P r0, 1s.
Note que, Lp1q ¤ Rp1q, e que pela definição de α-níveis, L e R são funções não decrescente e não crescente, ambos seguem do fato que rAsα rAsβ se 0 ¤ β ¤ α ¤ 1, respectivamente. Contudo, L e R são limitadas, pois rAs0 é limitada.
Tomemos α P r0, 1s e pαkq como sendo um sequência tal que 0 ¤ αk ¤ αk 1¤ α
com αk Ñ α quando k Ñ 8. Utilizando a monotocidade da função L temos, Lpαkq ¤
Lpαk 1q ¤ Lpαq e então yα limkÑ8Lpαkq ¤ Lpαq. Suponhamos que yα Lpαq para
y P pyα, Lpαqq, temos que αk ¤ Apyq α, @k P N. Como cada rAsαk é um intervalo
fechado, temos a seguinte contradição; α lim
kÑ8αk ¤ Apyq α. Portanto, L é contínua à
esquerda em (0,1]. Similarmente, podemos provar a continuidade à esquerda de R em (0,1]. Finalmente, tomemos pαkq como sendo uma sequência tal que 0 ¤ αk 1 ¤ αk ¤
1 e αk Ñ 0 quando k Ñ 8. Temos que Lp0q P rAs0 pois, rAs0 é um intervalo fechado.
Contudo, utilizando a monocidade da L temos que, Lp0q ¤ lim
kÑ8Lpαkq yα. Se Lp0q yα,
então Lp0q R clty; Apyq ¡ 0u rAs0, contradizendo o fato de que Lp0q P rAs0. Assim,
Lp0q lim
kÑ8Lpαkq e, portanto, L é contínua à direita em 0. Analogamente, podemos provar
que R é contínua à direita em 0.
Portanto, de acordo com a Proposição 4, A é um número fuzzy .
Proposição 5. Seja RCF o subconjunto dos números fuzzy dado por
RC
O conjunto RCF com a métrica de Pompeiu-Hausdorff, que será definida em (1.14), forma um espaço métrico completo e separável, mais detalhes pode ser encontrado
em (BEDE, 2013).
Teorema 3. Seja AP RCF, temos que:
(a) rAs0 rLAp0q, LAp1qs Y rAs1 Y rRAp1q, RAp0qs.
(b) Se zP rLAp0q, LAp1qs, então LApApzqq z.
(c) Se zP rRAp1q, RAp0qs, então RApApzqq z.
Demonstração. (a) Seja z P rAs0. Se Apzq 1, então z P rAs1. Agora Apzq 1, então
z R rAs1, o que resulta que zP rAs0zrAs1, ou seja,
z P rAs0zrAs1. Temos que rAs0zrAs1 rL Ap0q, RAp0qszrLAp1q, RAp1qs rLAp0q, LAp1qs Y rRAp1q, RAp0qs rLAp0q, LAp1qs Y rRAp1q, RAp0qs.
Logo, temos que rAs0 P rLAp0q, LAp1qs Y rAs1Y rRAp1q ¤ RAp0qs. Em contra partida,
temos que rLAp0q, LAp1qs rLAp0q, RAp0qs rAs0, pois LAp0q ¤ LAp1q ¤ RAp1q ¤
RAp0q. Também temos, rLAp1q, RAp1qs rAs1 rAs0. E por fim,rRAp1q, RAp0qs
rLAp0q, RAp0qs rAs0. Desta forma,rAs0 rLAp0q, LAp1qs Y rAs1Y rRAp1q, RAp0qs.
(b) Suponhamos que α Apzq, isso implica que z P rAsα, ou seja, z R rAsβ com β ¡ α, ou ainda, z R rLApβq, RApβqs, β ¡ α. Se LApαq z, ou seja, LApαq z ¤ LApβq,
para todo β ¡ α. Seja pβnq com βn ¡ α tal que βn Ñ α quando n Ñ 8. Desta
forma, z ¤ lim
nÑ8LApβnq LApαq z, o que é uma contradição, pois por hipótese
LApαq z. Logo, LApαq z, o que resulta em LApApzqq z com α Apzq.
(c) Suponhamos que α Apzq, isso implica que z P rAsα, ou seja, z R rAsβ com β ¡ α, ou ainda, z R rLApβq, RApβqs, β ¡ α. Se RApαq z, ou seja, RApαq z ¤ RApβq,
para todo β ¡ α. Seja pβnq com βn ¡ α tal que βn Ñ α quando n Ñ 8. Desta
forma, z ¤ lim
nÑ8RApβnq RApαq z, o que é uma contradição pois, por hipótese
Proposição 6. (BARROS; BASSANEZI,2010) Sejam A e B números fuzzy com αníveis dados respectivamente por, rAsα raα1, aα2s e rBsα rbα1, bα2s, @α P r0, 1s. As seguintes operações aritméticas podem ser definidas, como se segue:
• A soma entre A e B é o número fuzzy A B cujos αníveis são:
rA Bsα rAsα rBsα raα 1 b α 1, a α 2 b α 2s;
• A diferença entre A e B é o número fuzzy A B cujos αníveis são: rA Bsα rAsα rBsα raα 1 b α 2, a α 2 b α 1s;
• A multiplicação de um escalar λ por A é o número fuzzy A cujos αníveis são: rλAsα λrAsα # rλaα 1, λa α 2s se λ ¥ 0 rλaα 2, λa α 1s se λ 0;
• A multiplicação entre A e B é o número fuzzy A B cujos αníveis são: rA Bsα rAsα rBsα rminP, maxP s;
onde P taα1 bα1, aα1 bα2, aα2 bα1, aα2 bα2u.
• Se 0R rBs0, então a divisão entre A e B é o número fuzzy A{B cujos αníveis são:
A B α rBsrAsαα raα 1, a α 2s 1 bα 2 , 1 bα 1 .
Exemplo 3. Sejam A e B dois números fuzzy dados respectivamente porp1; 2; 3q e p3; 4; 5q,
que por sua vez indicam respectivamente "aproximadamente 2" e "aproximadamente 4". Observemos que de acordo com a Equação (1.12), temos
rAsα r1 α, 3 αs e rBsα r3 α, 5 αs, @α P r0, 1s.
De acordo com a Proposição 6, temos:
rA Bsα rAsα rBsα r4 2α, 8 2αs, @α P r0, 1s.
O que implica que, A B p4; 6; 8q. Além disso, temos que
rA Bsα rAsα rBsα r4 2α, 2αs, @α P r0, 1s.
A multiplicação de A por 4 é dada por
r4Asα 4rAsα r4 4α, 12 4αs, @α P r0, 1s.
E, portanto, 4A p4, 8, 12q.
O produto A B e a divisão A{B são os números fuzzy dados pelos os α-níveis
rA Bsα rAsα rBsα rp1 αq p3 αq, p3 αq p5 αqs, @α P r0, 1s. e A B α rAsrBsαα rp1 αq{p5 αq, p3 αq{p3 αqs, @α P r0, 1s.
Note que os números fuzzy obtidos, respectivamente, pela multiplicação e divisão não são triangulares. Embora, na soma, na subtração e na multiplicação por escalar, o resultado é um número fuzzy triangular.
1.7
Métrica e Norma de um Número Fuzzy
Um outro fato conhecido é que o conjunto de números fuzzy com a distância de Pompeiu-Hausdorff produz um espaço métrico completo (BEDE, 2013). A distância entre números fuzzy é baseada na distância entre subconjuntos compactos de R, e a classe de conjuntos compactos não vazios de R é denotada por K.
Definição 14. Sejam A, B dois conjuntos compactos não vazios de R. A separação de
Hausdorff de B a partir de A é dada por:
ρpA, Bq sup αPA dpa, Bq, em que dpa, Bq inf bPB||a b||.
Além disso, a distância de Pompeiu-Hausdorff entre A e B é dada por
dHpA, Bq maxtρpB, Aq, ρpA, Bqu. (1.13)
Os conjuntos dos subconjuntos compactos de R formam um espaço métrico com a distância de Pompeiu-Hausdorff.
Definição 15. Dizemos que a distância de Pompeiu-Hausdorff em RF é a função d8 :
RF RF Ñ r0, 8q dada por
d8pA, Bq sup
αPr0,1s
dHprAsα,rBsαq sup αPr0,1s
Para o caso onde os conjuntos fuzzy são A e B intervalos, digamos, que
A ra1, a2s e B rb1, b2s, então a distância de Pompeiu-Hausdorff é dada por
d8pA, Bq sup
aPr0,1s
maxt|aα1 bα1|, |aα2 bα2|u maxt|a1 b1|, |a2 b2|u. (1.15)
pois aα a1, aα a2, bα b1 e bα b2 para todo αP r0, 1s.
Proposição 7. (BEDE, 2013) O conjunto de números fuzzy RF com a distância de
Pompeiu-Hausdorff d8 forma um espaço métrico completo.
A norma dos números fuzzy é uma função || || : RF Ñ r0, 8q dada por
||A|| d8pA, X p0qq, para todo A P RF. (1.16)
1.8
Outros Resultados Úteis
O próximo Lema e o Corolário apresentados são ferramentas necessárias para as próximas demonstrações deste trabalho.
Lema 1. Seja R : R Ñ K uma função contínua com respeito a métrica de
Pompeiu-Haursdorff, tal que, Rpxq H para todo x P R, e seja g : R2 Ñ R uma função contínua. As funções m :R Ñ R e M : R Ñ R dadas por:
M(x)= ª
yPRpxq
gpx, yq e m(x)= ©
yPRpxq
gpx, yq, @x P R são funções bem definidas e contínuas.
Demonstração. Inicialmente vamos provar a continuidade de M .
Como Rpxq P K, o teorema do valor extremo de Weierstrass nos garante que a gpx, q é limitada no compacto Rpxq P K, e que existe yx P Rpxq tal que Mpxq
gpx, yxq, @x P R. Portanto, M é bem definida.
Agora, suponhamos que M não seja contínua em x, isto é, existe ¡ 0 tal que para todo δ ¡ 0 existe z satisfazendo |x z| ¤ δ tal que |Mpxq Mpzq| ¥ .
Tomando δn 1{n, obtemos uma sequência de pznq tal que |MpxqMpznq| ¥ .
Supondo que a sequência pznq possui uma subsequência pznkq de tal forma que Mpxq ¡
Mpznkq. Logo, temos Mpxq ¡ Mpznkq para todo k. Como por hipótese g é contínua,
existe ρ ¡ 0 tal que |gpx, yxq gpz, yq| , para todo y e z satisfazendo |y yx| ρ e
|x z| ρ.
Como a função R é contínua na métrica de Pompeiu-Hausdorff, dado ρ ¡ 0 e x P R, existe τ ¡ 0 tal que |z x| τ ñ d8pRpzq, Rpxqq , para todo z. Assim
d8pRpzq, Rpxqq ª yPRpxq © ¯ yPRpzq |y ¯y| ª ª ¯ yPRpzqq © yPRpxq |y ¯y| . Assim existe
y P Rpzq tal que |yyx| e para z satisfazendo |zx| τ. Para k suficientemente grande
temos que |znk x| τ ^ ρ. Isso implica que, existe ynk P Rpznkq tal que |ynk yx| ρ o
que implica em |gpznk, ynkq gpx, yxq| , ou seja, gpx, yxq gpznk, ynkq , o que
implica que, Mpxq gpznk, ynkq Mpxq, pois gpx, yxq Mpxq, o que produz a
seguinte contradição: Mpznkq Mpxq Mpznkq.
Suponhamos agora que exista pznkq tal que Mpznkq ¡ Mpxq . Seja ynk P
Rpznkq tal que Mpznkq gpznk, ynkq. Como R é contínua e Rpzq é compacto para todo
z P R, temos que R é limitada em rx , x s. Isso implica que pynkq é limitada. Assim,
existe uma subsequência pynkpq pynkq tal que ynkp Ñ ¯y. Novamente, como R é contínua,
segue que ¯y P Rpxq, pois, znkp Ñ x quando p Ñ 8. Pela continuidade de g, para p
suficientemente grande temos |gpznkp, ynkpq gpx, ¯yq| ñ gpznkp, ynkpq gpx, ¯yq
ñ gpx, ¯yq Mpznkpq gpznkp, ynkpq gpx, ¯yq ¤ Mpxq , o que produz a seguinte
contradição: Mpxq Mpznkpq Mpxq . Portanto M não pode ser descontínua em
x.
De maneira similar, prova-se a continuidade de m.
Como consequência deste Lema, obtemos o Corolário 1, com a continuidade de funções em R.
Corolário 1. Seja g:R2 Ñ R e l, r: R Ñ R funções contínuas. Se l ¤ r, i.e. l(x) ¤ r(x)
para todo x P R, então as funções M, m: R Ñ R dadas por: M(x)= ª
yPrlpxq,rpxqs
gpx, yq e m(x)= ©
yPrlpxq,rpxqs
gpx, yq, @x P R são funções bem definidas e contínuas.
A demonstração do Corolário 1 pode ser encontrada em (ESMI et al.,2017) ou (IGNÁCIO, 2015).
Teorema 4. (KLEMENT; MESIAR; PAP, 2000) Seja panq, pbnq P r0, 1s tal que an Ñ a
e bnÑ b quando n Ñ 8, com an ¥ a e bn¥ b para todo n. Se t é uma t-norma contínua
à direita então, ant bn Ñ a t b quando n Ñ 8.
Demonstração. Por hipótese temos que an Ñ a e bn Ñ b, quando n Ñ 8, ou seja, as
sequências são convergentes. Dado M P N, existe M0 P N, tal que bn ¤ bM, para todo
n ¥ M0. Assim, pela monotocidade de t temos bnt an ¤ bMt an, e como b ¤ bn, também
pela monotocidade da t segue que b t a¤ bnt an ¤ bMt an. Tomando o limite das sequências
e pela continuidade à direita de t temos, b t a¤ lim
todo M. Como b ¤ bM e bM Ñ b, quando M Ñ 8, segue que, lim
MÑ8bM t aÑ b t a. Logo,
b t a¤ lim
nÑ8bnt an¤ b t a, o que implica que n Ñ 8. Logo limnÑ8bnt an b t a.
Corolário 2. Sejam apkq1 Ñ a1, apkq2 Ñ a2, . . . , apkqn Ñ an quando k Ñ 8, sequências em
r0, 1s com apkqi ¥ ai,@i 1, . . . , n, @k P N. Se t uma t-norma contínua à direita. Então
lim
kÑ8a
pkq
1 t apkq2 t . . . t apkqn a1 t a2 t . . . t an.
Demonstração. Mostremos que apkq1 t . . . t apkqn Ñ a1t . . . t an utilizando indução. De acordo
com o Teorema 4 temos que apkq1 t apkq2 Ñ a1t a2 quando k Ñ 8. Suponhamos que
cpkqn1 apkq1 t . . . , t apkqn1 Ñ cn1 a1t . . . t an1, quando k Ñ 8. Utilizando a
associ-atividade de t, temos papkq1 t . . . t apkqn1q t apkqn cpkqn1t apkqn Ñ cn1t an quando k Ñ 8
pelo Teorema 4. Assim, segue que cn1t an pa1t a2 . . . t an1q t an a1t . . . an, ou seja,
lim
kÑ8a
pkq
1 t apkq2 t . . . t apkqn a1t a2t . . . tan.
1.9
Multifunções
Nesta seção vamos apresentar a definição de multifunção, juntamente com suas propriedades e alguns exemplos. Apresentaremos também o Teorema de Michael que será utilizado em demonstrações posteriores.
Definição 16. (Multifunção)(AUBIN, 1991) Sejam X e Y subconjuntos não vazios. Uma aplicação F : X Ñ PpY q é denominada multifunção, se F pXq H@x P X.
Em vista da Definição 16, uma multifunção é uma função que associa a cada ponto de um conjunto X H um único subconjunto de Y H.
Exemplo 4. Seja F :R Ñ PpRq, definida por
Fpxq
#
r0, 1s se x 0 0 se x 0, é uma multifunção.
Definição 17. (AUBIN, 1991) Seja F : X Ñ PpY q uma multifunção. A imagem de F , denotada por ImpF q, é definida por:
ImpF q F pXq ¤
xPX
Definição 18. (AUBIN, 1991) Considere a multifunção F : X Ñ PpY q, definimos o gráfico de F , por:
grafpF q tpx, yq P X Y ; y P F pxqu.
Definição 19. (AUBIN, 1991) Considere um subconjunto qualquer M Y e F : X Ñ
PpY q uma multifunção. Definimos a pré-imagem de M, por:
F1pMq tx P X; F pXq X M Hu.
Definição 20. (AUBIN, 1991) Seja F : X Ñ PpY q uma multifunção. Diremos que F possui valores unitários, se Fpxq é um conjunto unitário, ou seja,
Fpxq tfpxqu, onde f : X Ñ Y é uma função.
Para o que se segue, consideremos X e Y espaços de Banach diferentes do vazio.
Definição 21. (Semicontínua Superiormente) (AUBIN, 1991) A multifunção F :
Ω Ñ PpRnq, Ω Rm, é dita semicontínua superiormente, denotada por scs em t0 P Ω, se para todo ¡ 0 existe um δ δpt0, q ¡ 0, tal que
ρpF ptq, F pt0qq .
se ||t t0|| δ, t P Ω.
Definição 22. (Semicontínua Inferiormente) (AUBIN, 1991) A multifunção F :
Ω Ñ PpRnq, Ω Rm, é dita semicontínua inferiormente, denotada por sci em t0 P Ω, se para todo ¡ 0 existe um δ δpt0, q ¡ 0, tal que
ρpF pt0q, F ptqq .
se ||t t0|| δ, t P Ω.
Definição 23. (Continuidade)(AUBIN, 1991) A multifunção F : ΩÑ PpRnq, Ω Rm é dita contínua, se F é scs e sci simultaneamente.
Exemplo 5. Considere as multifunções F, G : R Ñ PpRq, dadas por
Fpxq # r1, 1s, se x 0, 0, se x 0, e Gpxq # r1, 1s, se x 0, 0, se x 0, As multifunções F e G são scs e sci, respectivamente.
Proposição 8. (AUBIN, 1991) A multifunção F : ΩÑ PpRnq, Ω Rm é contínua se, e somente se, F é contínua na métrica de Pompeiu-Haursdorff.
Definição 24. (Seleção)(AUBIN, 1991) Seja F : X Ñ PpY q uma multifunção, em que X é um espaço métrico e Y é um espaço de Banach. Suponha que existe uma função f : X Ñ Y com a seguinte propriedade:
fpxq P F pxq, @x P X; Neste caso, dizemos que f é uma seleção da multifunção F .
Definição 25. (Seleção Contínua)(AUBIN, 1991) Dada uma multifunção F : X Ñ
PpY q, diz-se que a função f : X Ñ Y é uma seleção contínua de F se, f for uma
seleção de F e contínua em X.
Teorema 5. (Teorema de Michael(caso sci))(AUBIN; CELLINA, 1984) Seja F :
Ω Ñ PpY q, Ω Rm, uma multifunção sci fechado e convexo para todo x P Ω. Dados
px0, y0q P grafpF q, então existe uma seleção contínua f de F tal que fpx0q y0.
Demonstração. A demostração desse Teorema pode ser encontrada em (AUBIN; CELLINA,
1984).
Existem multifunções scs com valores fechados e convexos que não possuem seleção contínua. como pode ser observado no próximo exemplo.
Exemplo 6. Consideremos a multifunção F : R Ñ PpRq, definida por:
Fpxq $ ' & ' % r0, 1s, se x 0, t1u, se x ¡ 0, t0u, se x 0,
F é semicontínua superiormente, mas é claro que f não tem uma seleção contínua definida em R.
Corolário 3. Uma multifunção F : D Ñ PpRq, D R, tal que F pxq rapxq, bpxqs com
apxq ¤ bpxq, para todo x P D, é contínua se, e somente se, as funções a, b : D Ñ R são contínua em D.
2 Princípio da Extensão Sup-J
Neste capítulo, temos por objetivo estudar o princípio de extensão para uma função f : RnÑ R com base na noção de distribuição de possibilidade conjunta (FULLÉR; KERESZTFALVI, 1991; FULLÉR; MAJLENDER,2004). Para tanto, iniciaremos com o estudo do príncipio de extensão de Zadeh, que é o método utilizado para estender operações realizadas em conjuntos clássicos para conjuntos fuzzy.
2.1
Princípio de Extensão de Zadeh
Temos visto constantemente a necessidade de estender operadores e funções desenvolvidos em conjuntos clássicos para lidar com conjuntos fuzzy. Diante deste fato, Zadeh propõe um método conhecido como Príncipio de Extensão, que tem por objetivo indicar como será a imagem de um subconjunto fuzzy através da função f .
A Figura 6ilustra a extensão de Zadeh de uma função f bijetora em rAs0.
ϕA ϕf (A )^ f α α α Z 1 1 X
Figura 6 – Princípio de extensão de Zadeh de uma função f em um conjunto fuzzy A. Fonte: (BARROS; BASSANEZI, 2010)
Definição 26. Seja f uma função de X em Z. A extensão de Zadeh de f é uma função
ˆ
f : FpXq Ñ FpZq que associa A P FpXq ao subconjunto fuzzy ˆfpAq de Z, cuja função de pertinência é dada por
ˆ fpAqpzq $ & % ª xPf1pzq Apxq , se f1pzq H, 0 , se f1pzq H onde f1pzq tx P X : fpxq zu.
Este próximo resultado mostra que os α-níveis de um conjunto fuzzy, gerados pelo príncipio de extensão de Zadeh de uma função contínua f em A coincidem com as imagens da função f nos α-níveis de A. No que segue, assumimos que X é um espaço topológico.
Teorema 6. (BARROS; BASSANEZI, 2010) Seja f: X Ñ Z uma função contínua e A um subconjunto fuzzy de X. Então, para todo αP r0, 1s vale
r ˆfpAqsα fprAsαq.
A próxima definição enuncia o Príncipio de Extensão de Zadeh para funções com duas variáveis.
Definição 27. (ZADEH, 1965) Sejam f: X Y Ñ Z, A1 e A2 subconjuntos fuzzy de
X e Y respectivamente. A extensão ˆf de f , aplicada em pA1, A2q é o subconjunto fuzzy
ˆ
fpA1, A2q de Z, cuja função de pertinência é dada por
ˆ fpA1, A2qpzq $ & % ª px,yqPf1pzq pA1pxq ^ A2pyqq , se f1pzq H 0 , se f1pzq H em que f1pzq tpx, yq P X Y : fpx, yq zu.
2.2
Distribuição de Possibilidade Conjunta
Na teoria de conjuntos fuzzy um conceito muito utilizado é o de teoria de possibilidade. Neste trabalho vamos considerar a noção de distribuição de possibilidade dada via conjunto fuzzy. Qualquer conjunto fuzzy normal de Ω define uma distribuição de possibilidade.
Definição 28. Uma distribuição de possibilidade sobre um conjunto não-vazio Ω é uma
função ϕ : ΩÑ r0, 1s satisfazendo ϕpwq 1, para algum w P Ω.
Em muitos casos temos a necessidade de analisar o comportamento de mais de uma variável, ou seja, como elas se comportam conjuntamente. Nesses casos, devemos analisar a distribuição de possibilidade conjunta.
Definição 29. Uma relação fuzzy J P FpRnq é dita ser uma distribuição de possibilidade
conjunta de A1, . . . , AnP RF se
para todo xP R e i t1, . . . , nu.
Além disso, os números fuzzy A1, A2, . . . , An são chamados de não interativos
se: Jpx1, . . . , xnq n © i1 Aipxq (2.2)
para todo px1, . . . , xnq P Rn. Caso contrário, dizemos que A1, . . . , An são interativos.
Da Equação (2.1), temos que Jpx1, . . . , xnq ¤ Aipxiq para todo i 1, . . . , n.
Assim, a distribuição conjunta de possibilidade J de A1, . . . , An satisfaz a seguinte
desi-gualdade: Jpx1, . . . , xnq ¤ n © i1 Aipxiq.
Agora, temos a possibilidade de trabalhar com funções f : Rn Ñ R, ou seja, podemos trabalhar em um espaço de dimensão igual a n como sendo o domínio da f .
Desta forma, podemos aplicar o princípio de extensão de Zadeh de uma função
f : RnÑ R, em uma distribuição de possibilidade conjunta J para definir o princípio de
extensão sup-J de f .
Definição 30. (FULLÉR; MAJLENDER, 2004) Seja J P FpRnq uma distribuição conjunta de possibilidade de A1, . . . , An P RF e seja f :Rn Ñ R. A extensão sup-J de f
em pA1, . . . , Anq P pRFqn é definida por
p
fJpA1, . . . , Anqpyq pfpJqpyq
ª
tJpx1, . . . , xnq ; px1, . . . , xnq P f1pyqu, @y P R (2.3)
em que f1pyq tpx1, . . . , xnq P Rn; y fpx1, . . . , xnqu.
Note que o princípio de extensão de Zadeh para funções de multiplos argumentos surge quando A1, . . . , An são não interativos (ZADEH, 1965). Mais geralmente, se J é
dado para todo px1, . . . , xnq P Rn por Jpx1, . . . , xnq A1px1q t . . . t Anpxnq, então dizemos
que o princípio de extensão é baseada na t-norma (DUBOIS; PRADE, 1982) (FULLÉR; KERESZTFALVI, 1991; CARLSSON; FULLÉR; LENDER, 2004).
Como a distribuição de possibilidade conjunta J é nada mais que um conjunto
fuzzy de Rn, temos que pfJpA1, . . . , Anq é dado pelo conjunto fuzzy ˆfpJq definido pelo