Tese Doutorado

SOBRE SISTEMAS DINMICOS FUZZY
Teoria e Aplicaes
Lacio Carvalho de Barros
MARO 1997
FICHA CATALOGRFICA ELABORADA PELA
BIBLIOTECA DO IMECC DA UNICAMP
Barros, Lacio Carvalho de
B278s Sobre sistemas dinmicos fuzzy - teoria e aplicaes/Lacio
Carvalho de Barros. - Campinas, SP: [s.n.], 1997.
Orientador: Pedro Aladar Tonelli, Rodney Carlos Bassanezi
Tese (doutorado) - Universidade Estadual de Campinas,
Instituto de Matemtica, Estatstica e Computao Cientca.
1. Conjuntos fuzzy. 2. *Modelagem fuzzy. 3. *Sistemas fuzzy
discreto. 4. *Dinmica de populao. I. Tonelli, Pedro Aladar. II.
Bassanezi, Rodney Carlos. III. Universidade Estadual de Campinas.
Instituto de Matemtica, Estatstica e Computao Cientca. IV.
Ttulo.
i
Para Cristina
e nossos lhos
Otvio e Luiza
que me transmitem
conana e alegria.
Para meus pais
Luciano e Raimunda
que muito me ensinaram.
ii
Agradecimentos
Ao Prof. Dr. Pedro Aladar Tonelli pela orientao e pela dedicao durante o meu programa de
doutoramento e elaborao deste trabalho.
Ao Prof. Dr. Rodney Carlos Basanezzi pelo tema da tese, pela orientao e apoio constantes.
A todos que, de alguma maneira, colaboraram para a realizao deste trabalho, com destaque:
sub-cpg de Matemtica Aplicada da UNICAMP,
secretaria de Ps-Graduao do IMECC-UNICAMP,
Joelma, pela digitao deste trabalho,
Aos amigos Bia, Diomar e Luiz
A todos os meus familiares, evidenciando o apoio do Eric na reviso.
iii
Sumrio
Lista de Figuras vi
Introduo 1
1 Multifunes 4
1.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2 Preliminares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Integral e diferencial de multifunes . . . . . . . . . . . . . . . . . . . . . . 8
2 Conjuntos fuzzy 13
2.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2 Conjuntos fuzzy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.3 Os espaos mtricos (T(IR
n
), D) e (T(IR
n
), H) . . . . . . . . . . . . . . . . 18
2.4 Sobre convergncia de conjuntos fuzzy. . . . . . . . . . . . . . . . . . . . . . 22
3 Sobre a extenso de Zadeh 27
3.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.2 Denio e propriedades da extenso de Zadeh . . . . . . . . . . . . . . . . . 28
3.3 Continuidade nos espaos mtricos
(T(IR
n
), D) e (T(IR
n
), H) . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4 Integral e diferencial de uma funo fuzzy 39
4.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.2 Mensurabilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.3 Integrabilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.4 Diferenciabilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
5 Equao diferencial fuzzy 51
5.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
5.2 Equao diferencial fuzzy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
iv
5.3 Equao diferencial fuzzy com o campo dado pela extenso de Zadeh . . . . . 55
5.4 Equao diferencial fuzzy em E
1
. . . . . . . . . . . . . . . . . . . . . . . . . 58
5.5 Valor inicial fuzzy em E
1
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
5.6 Equao linear am"com coecientes fuzzy em E
1
. . . . . . . . . . . . . . . 61
6 Sistemas dinmicos fuzzy discretos 63
6.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
6.2 Sistemas dinmicos fuzzy discretos . . . . . . . . . . . . . . . . . . . . . . . . 63
6.3 Estabilidade do ponto xo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
6.4 Estabilidade do ponto xo da extenso de Zadeh . . . . . . . . . . . . . . . . . 69
7 Consideraes sobre a modelagem fuzzy 81
7.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
7.2 Fuzziness demogrca . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
7.3 Fuzziness ambiental . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
7.4 Fuzziness demogrca-ambiental . . . . . . . . . . . . . . . . . . . . . . . . . 101
Referncias Bibliogrcas 104
v
Lista de Figuras
2.1 Conjunto fuzzy dos nmeros bem maiores que 1. . . . . . . . . . . . . . . . . . . 15
2.2 u
k
para diversos valores de k. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.3 Mesma renda r
em ambientes distintos. . . . . . . . . . . . . . . . . . . . . . . 17
2.4 Variao do parmetro k com ambiente agredido. . . . . . . . . . . . . . . . . . . 18
2.5 send(u). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.6 u
p
H
u, u
p
L
,u e u
p
D
,u. . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.1 Grco de

fu. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
5.1 (a) u triangular (b) u trapezoidal. . . . . . . . . . . . . . . . . . 54
5.2 x(t) e u(t): solues de 5.5 e 5.6 respectivamente. . . . . . . . . . . . . . . . . . 57
5.3 Evoluo das solues u(t, u
0
) e x(t, x
0
) no tempo. . . . . . . . . . . . . . . . . . 60
6.1 f do exemplo 6.3 e seus pontos xos. . . . . . . . . . . . . . . . . . . . . . . . . 77
7.1 Comportamento das solues do Exemplo 7.1 para a 0 e a < 0. . . . . . . . . . . 84
7.2 Os pontos xos de

f do exemplo 7.3. . . . . . . . . . . . . . . . . . . . . . . . . 88
7.3 Diagrama de bifurcao da funo logstica

f(u). Embora o ramo determinstico apre-
sente pontos xos e ciclos, no ramo fuzzy apresentamos apenas pontos xos de

f. As
linhas tracejadas signicam instabilidade e as cheias estabilidade. . . . . . . . . . . . 93
vi
Introduo
A partir de 1965, ano em que Lot A. Zadeh publicou seu clssico artigo Fuzzy Sets [42]
sobre a teoria fuzzy, muito tem-se feito na tentativa de modelar, matematicamente, conceitos
que se julgam subjetivos. Para isto, muitos autores tm generalizado vrios tpicos clssicos
de matemtica, de engenharia, computao e outras reas, para incluir os casos fuzzy. Este
o caso de Sugeno [37] que introduz o conceito de esperana fuzzy, baseando-se na denio
de medida fuzzy, onde a -aditividade da medida de probabilidade deixa de ser exigida. Ainda
em seu trabalho, Sugeno faz um estudo comparativo entre as esperanas clssica e fuzzy, para
uma varivel aleatria normalizada, concluindo que tais esperanas diferem no mximo em
1
4
. Muitos outros conceitos de medida foram introduzidos na teoria fuzzy como, por exemplo,
medida de Sugeno, medida de possibilidade, introduzida por Zadeh [43], etc. Puri e Ralescu
[28], provam que uma medida de possibilidade no uma medida fuzzy e nalmente Wang [40]
faz um estudo mais completo sobre os diversos tipos de medidas e integrais fuzzy.
O nosso trabalho tem embasamento terico, principalmente nos artigos de Puri e Ralescu
[29] e [30] onde so dadas, respectivamente, as denies de diferencial e integral para funes
fuzzy F : [a, b] IR E
n
, onde E
n
uma certa classe de conjuntos fuzzy com uma estrutura
linear, sem ser espao vetorial [29]. Em [30] tambm denida uma mtrica, D, para uma
classe de conjuntos fuzzy, T(IR
n
), que contmE
n
, coma qual o espao (T(IR
n
), D) completo
(mas no separvel). Por outro lado, Kloeden [22] dene uma mtrica, H, em T(IR
n
) com a
qual (T(IR
n
), H) separvel (porm no completo). Pelo fato de E
n
ser fechado em T(IR
n
)
[31], temos que (E
n
, D) espao mtrico completo e com a estrutura linear, mencionada antes,
que torna-se possvel fazer uma teoria de clculo diferencial e integral para funes com
valores em E
n
.
Baseado nos conceitos de diferencial e integral para funes fuzzy, Kaleva [17], dentre
outros, desenvolve uma teoria de clculo diferencial e integral e d incio, paralelamente a
Seikkala [36], ao estudo das equaes diferenciais fuzzy, principal ferramenta, junto com as
equaes de diferenas, para o nosso trabalho.
Os modelos de crescimento populacional tais como os de competio entre espcies e
1
o de presa-predador, propostos inicialmente por Lotka e Volterra (ver Bassanezi e Ferreira
[05]), apresentam graus de subjetividade principalmente no que diz respeito s interpretaes
dos parmetros que neles aparecem (ver Modelo 2 no Captulo 7 deste trabalho). Tambm
a condio inicial de um problema de Cauchy pode, muitas vezes, apresentar algum grau de
impreciso quanto ao seu verdadeiro valor e mesmo as prprias variveis de estado podem ap-
resentar subjetividade. No modelo presa-predador, por exemplo, o que signica ser predador?
Quantas presas devem ser abatidas para que o indivduo passe a ser considerado predador?
Mesmo que um grupo de indivduos seja considerado predador, certamente existem vrios graus
de predao dentro deste grupo. Se considerarmos estas questes relevantes, ento julgamos ser
a teoria fuzzy uma ferramenta indicada para tratar tais problemas.
A estratgia bsica, neste trabalho, estudar os modelos da Biomatemtica, que utilizam as
teorias de equaes diferenciais e de diferenas, tratando-os dentro da teoria fuzzy. Para isto,
tais teorias so generalizadas (Captulos 4 a 6) e duas formas de extenso so tratadas: uma
quando apenas o parmetro multiplicativo fuzzy e outra utilizando o princpio de extenso de
Zadeh. Tal princpio amplamente estudado em nosso trabalho (principalmente no Captulo 3),
possibilitando algumas aplicaes (Captulo 7).
As teorias do clculo para multifunes, resumidas no Captulo 1, aliceram as respectivas
teorias do clculo para funes fuzzy, apresentadas nos Captulos 3 a 6. O grande elo de ligao
o Teorema 2.3 que relaciona, univocamente, uma famlia de subconjuntos do IR
n
com um
conjunto fuzzy, cuja denio encontra-se no Captulo 2.
Nos Captulos 5 e 6, alm de teorias de equaes diferenciais fuzzy e de equaes discretas,
apresentamos teoremas que, em certo sentido, nos indicam serem as solues clssicas preferi-
das. Questes de estabilidade, ainda polmicas para equaes diferenciais fuzzy, so discutidas
e no nal do Captulo 6 apresentamos um pequeno estudo sobre as rbitas peridicas para um
sistema dinmico fuzzy discreto.
O Captulo 7 dedicado s aplicaes das teorias, estudadas anteriormente, em modelos da
Biomatemtica. Para tanto, so feitas consideraes de como deve ser tratado cada modelo e de
que forma a subjetividade, que julgamos relevante, deve ser incorporada aos modelos.
2
A exemplo do que se faz para incorporar a estocasticidade nos modelos da Biomatemtica
(May [25] e Turelli [39]), entendemos tambm ser basicamente dois os tipos de subjetividade
que aparecem nos modelos da Biomatemtica: quando as variveis de estado so consideradas
subjetivas (tratadas aqui por fuzziness demogrca) ou quando os coecientes de modelos cls-
sicos que tm interpretaes subjetivas (fuzziness ambiental). Estas questes so ilustradas
atravs de exemplos e um diagrama de bifurcao para o modelo logstico fuzzy apresentado,
usando o princpio de extenso de Zadeh.
Norteados pelo princpio de extenso de Zadeh, o qual nos permite estender equaes difer-
enciais clssicas em questes diferenciais fuzzy, encerramos o nosso trabalho comentando que
qualquer conceito de estabilidade que venha a ser dado a uma soluo de equao diferencial
fuzzy deve ser compatvel com o clssico j existente, isto , solues que eram estveis para
as equaes clssicas devem assim permanecer para o caso estendido fuzzy.
3
Captulo 1
Multifunes
1.1 Introduo
Neste captulo, apresentaremos alguns conceitos relacionados a multifunes, isto , funes
que associam pontos a conjuntos. Estes conceitos serviro de base para o estudo de funes
com valores em conjuntos fuzzy. Por exemplo, os conceitos de integral de Aumann, bem como
o de derivada de Hukuhara para multifunes, alicercam os respectivos conceitos de integral e
derivada para funes com valores em conjuntos fuzzy.
1.2 Preliminares
Sejam A e B dois subconjuntos limitados e no vazios de IR
n
. A distncia de Hausdorff entre
A e B dada por
h(A, B) = max[(A, B), (B, A)]
onde (A, B) = sup
aA
inf
bB
[[a b[[ e [[ [[ a norma euclidiana em IR
n
.
Proposio 1.1 (Puri-Ralescu [30]) Sejam A e B, conforme acima, ento
(a) (A, B) = 0, se e somente se, A B, onde B o fecho de B.
(b) (A, C) (A, B) + (B, C).
4
Q(IR
n
) denota a famlia de todos os subconjuntos compactos e no vazios de IR
n
enquanto
Q
C
(IR
n
) a famlia de todos os subconjuntos, compactos no vazios e convexos de IR
n
.
Teorema 1.2 (Puri-Ralescu [30]) O espao mtrico (Q(IR
n
), h) completo e separvel.
Proposio 1.3 Sejam A, B, C Q(IR
n
) e A B C, ento
h(B, X) max(h(A, X), h(C, X))
para todo X Q(IR
n
).
Prova: Pelo fato de A B C e A, B e C serem compactos, da Proposio 1.1, tem-se:
(X, B) (X, A) + (A, B) = (X, A)
(B, X) (B, C) + (C, X) = (C, X)
Portanto,
se h(B, X) h(A, X) ento h(B, X) = (B, X) (C, X) h(C, X);
e
se h(B, X) h(C, X) ento h(B, X) = (X, B) (X, A) h(A, X);
Isto o que queramos demonstrar.
Em Q(IR
n
) a mtrica h pode tambm ser denida por:
h(A, B) = inf : B B(A, ) e A B(B, ),
onde B(A, ) = x IR
n
: [[a x[[ < para algum a A.
Diz-se que a seqncia de subconjuntos (A
p
) de IR
n
converge para A IR
n
, no sentido
de Kuratowski, se
lim
p+
sup A
p
= lim
p+
inf A
p
= A
onde
lim
p+
sup Ap =
p=1
_
_
j=p
A
j
_
= x IR
n
: x = lim
j+
x
p
j
A
p
j
, A
p
j
subsequncia de A
p
lim
p+
inf Ap = x IR
n
: x = lim
p+
x
p
, x
p
A
p
5
Teorema 1.4 Sejam A, A
p
Q(IR
n
), ento so equivalentes
(a) lim
p+
h(A
p
, A) = 0.
(b) i. lim
p+
inf A
p
= lim
p+
sup A
p
= A.
e
ii. todos os A
p
e A esto contidos em um mesmo compacto.
Prova: (Ver Hausdorff [14] ou Quelho [32]).
Agora, se tivermos (A
p
) uma seqncia no decrescente (no crescente) de compactos de
IR
n
e se (A
p
) admitir subseqncia convergindo para um compacto A, com respeito mtrica
de Hausdorff, ento lim
p+
h(A
p
, A) = 0 (Kaleva, [16]).
Teorema 1.5 Seja f : IR
n
IR
n
uniformemente contnua. Ento a aplicao K f(K),
denida em (Q(IR
n
), h) uniformemente contnua.
Prova: Dado > 0, seja > 0 tal que
[[x y[[ < ento [[f(x) f(y)[[ < para todo x, y IR
n
.
Se K, C Q(IR
n
) e h(K, C) < , ento para todo x K, inf
yC
[[x y[[ < se, e somente se,
[[x y[[ < para algum y C e, assim, [[f(x) f(y)[[ < , logo inf
yC
[[f(x) f(y)[[ <
para todo x K.
Portanto,
sup
xK
inf
yC
[[f(x) f(y)[[ < .
De maneira anloga, temos:
sup
yC
inf
xK
[[f(x) f(y)[[ < .
E portanto,
h(f(K), f(C)) < .
6
Corolrio 1.6 Sejam a seqncia (A
p
) e A subconjuntos de Q(IR
n
) e f : IR
n
IR
n
,
contnua.
Se lim
p+
h(A
p
, A) = 0 ento lim
p+
h(f(A
p
), f(A)) = 0.
Prova: uma conseqncia do Teorema 1.5, j que, pelo Teorema 1.4, A
p
e A esto contidos
em um mesmo compacto K e f/
K
uniformemente contnua.
Teorema 1.7 A funo f : IR
n
IR
n
contnua se, e somente se, a aplicao K f(K),
denida em (Q(IR
n
), h) contnua.
Prova: Suponha que lim
p+
h(A
p
, A) = 0. Pelo Teorema 1.4, existe um compacto I C com
A
p
I C e A I C. Do Corolrio 1.6, segue que lim
p+
h(f(A
p
), f(A)) = 0. Consequentemente,
a aplicao K f(K) contnua. Por outro lado, claro que f contnua j que restrio
de funo contnua e h(x, y) = [[x y[[.
Corolrio 1.8 Se f : IR
n
IR
n
contnua e lim
p+
h(A
p
, A) = 0, ento
(1) lim
p+
inf f(A
p
) = f( lim
p+
inf A
p
) = f(A)
e
(2) lim
p+
sup f(A
p
) = f( lim
p+
sup A
p
) = f(A).
Prova: uma conseqncia imediata dos Teoremas 1.4 e 1.7.
Para encerrar esta seco, vamos fazer um pequeno resumo sobre a funo suporte de um
conjunto, cuja aplicao tem grande importncia no clculo de integrais com valores em con-
juntos. Para maiores informaes, ver (Aubin [01], Kisielewicz [21]).
Denio 1.1 Se A T(IR
n
), A ,= , dene-se a funo suporte de A por
S
A
(x) = sup
aA
< x, a >
onde < , > o produto interno em IR
n
e T(IR
n
) o conjunto das partes de IR
n
.
Teorema 1.9 Sejam A, B Q
C
(IR
n
), ento :
(1) S
A+B
= S
A
+S
B
(2) S
A
= S
A
, 0
(3) A = B S
A
= S
B
.
7
Prova: Ver (Aubin [01], Kisielewicz [21]). A parte (3) uma conseqncia do Teorema 2.4.2
[01] ou da Proposio 1.3 [21].
Teorema 1.10 Sejam A, B Q
C
(IR
n
), ento
h(A, B) = max[S
A
(x) S
B
(x)[ : [[x[[ = 1
Prova: Ver Lema 1.4 [21].
1.3 Integral e diferencial de multifunes
A seguir, faremos um resumo dos principais resultados sobre integral e diferencial de multi-
funes, que serviro para denir a integral e a diferencial de funes com valores em conjuntos
fuzzy.
Os resultados, aqui mencionados, encontram-se em Puri e Ralescu ([29], [30]), Kaleva [17]
e suas referncias.
Seja T = [a, b] IR;
Uma multifuno em T uma funo G : T T(IR
n
) tal que G(t) ,= para todo t T.
Seja S(G) o conjunto de todas as selees integrveis de G, isto ,
S(G) = f : T IR
n
: f integrvel e f(t) G(t), t T
A integral de Aumann de G em T denida por
_
T
G =
__
T
f(t)dt : f S(G)
_
Teorema 1.11 Se G : T T(IR
n
), ento
_
T
G = ou
_
T
G um subconjunto convexo de
IR
n
.
A funo G : T T(IR
n
) dita mensurvel se seu grco (t, x) : x G(t) mensu-
rvel, isto :
(t, x) : x G(t) /B
8
onde / denota a -lgebra dos subconjuntos de IR
n
Lebesgue mensurveis e B denota os sub-
conjuntos Borel mensurveis de IR
n
. G dita integravelmente limitada se existe uma funo
integrvel g : T IR tal que [[x[[ g(t) para todo x G(t).
Teorema 1.12 Se G : T T(IR
n
) mensurvel e integravelmente limitada, ento
_
T
G ,=
Teorema 1.13 Seja G : T T(IR
n
), com G(t) fechado para todo t T. Se G mensurvel
e integravelmente limitada, ento
_
T
G um subconjunto compacto de IR
n
.
Em virtude dos Teoremas 1.11 a 1.13, tem-se o seguinte:
Corolrio 1.14 Seja G : T T(IR), com G(t) fechado para todo t T. Se G
integravelmente limitada, ento
_
T
G = [c, d]
para c, d IR com c d.
O seguinte teorema relaciona a integral de Aumann com a integral de Lebesgue para funes
de IR
n
em IR atravs da funo suporte, o que nos possibilitar e facilitar em muito o clculo
da integral de Aumann de algumas multifunes:
Teorema 1.15 Seja G : T Q(IR
n
) mensurvel e integravelmente limitada, ento
S
_
T
G
(x) =
_
T
S
G(t)
(x)dt
Prova: Ver Teorema 8.6.2 [01] ou Teorema 3.2.1 [21].
Exemplo 1.1 Se G(t) = [a(t), b(t)] mensurvel e integravelmente limitada, ento a(t) e b(t)
so mensurveis (Kaleva [17]) e
_
T
G =
_ _
T
a(t)dt,
_
T
b(t)dt
_
.
9
De fato, temos que
S
G(t)
(x) = maxxa(t), xb(t)
e
_
T
S
G(t)
(x)dt = max
_
x
_
T
a(t)dt, x
_
T
b(t)dt
_
= S
[
_
t
a(t)dt,
_
T
b(t)dt]
(x) x IR.
Pelo Teorema 1.15 temos
S
_
T
G
= S
[
_
T
a(t)dt,
_
T
b(t)dt]
(x).
Como
_
T
G convexo e compacto, podemos usar a parte (3) do Teorema 1.9 para concluir que
_
T
G =
_ _
T
a(t)dt,
_
T
b(t)dt
_
.
Exemplo 1.2 Sejam T = [0, 1] e G : T T(IR
n
) com G(t) = B[0, t], t [0, 1], onde
B[0, t] a bola de centro na origem de raio t em IR
n
.
S
G(t)
(x) =< x, t
x
[[x[[
> se x ,= 0 e S
G(t)
(0) = 0
isto ,
S
G(t)
(x) = t[[x[[.
Logo
_
T
S
G
(x)dt =
[[x[[
2
= S
B[0,
1
2
]
(x).
Pelos Teoremas 1.9 e 1.15, tem-se
_
T
G = B[0,
1
2
].
Exemplo 1.3 Sejam f : T IR, integrvel e A Q(IR
n
) convexo com f(t) 0, t T.
Ento a funo G(t) = f(t)A integravelmente limitada e,
10
_
T
G =
_ _
T
f(t)dt
_
A.
Usando a parte (2) do Teorema 1.9, tem-se
S
G(t)
(x) = f(t)S
A

_
T
S
G
(x)dt =
_ _
T
f(t)dt
_
S
A
= S
(
_
T
f(t)dt)A
(x).
Pelos Teoremas 1.15 e 1.9, parte (3), conclumos que
_
T
G =
_ _
t
f(t)dt
_
A.
Oteorema seguinte uma generalizao do teorema da convergncia dominada de Lebesgue:
Teorema 1.16 (Puri-Ralescu [30]) Se G
k
: T T(IR
n
) so mensurveis e se existe h : T
IR, integrvel tal que sup
k1
[[f
k
(t)[[ h(t) para todo f
k
S(G
k
) e se G
k
(t) G(t), no
sentido de Kuratowski, ento
_
T
G
k

_
T
G.
Observao: Segue do Teorema 1.4 que se G
k
e G tomarem valores em Q(IR
n
) com G
k
(t)
e G(t) dentro de um mesmo compacto, ento a convergncia acima pode ser trocada pela
convergncia na mtrica de Hausdorff.
Para diferenciabilidade, usaremos a denio segundo Hukuhara [15]:
A funo G : T Q
C
(IR
n
) H-diferencivel em um ponto t
0
T se existe
DG(t
0
) Q
C
(IR
n
) tal que
lim
k0
+
h
_
G(t
0
+ k) G(t
0
)
k
, DG(t
0
)
_
= 0.
e
lim
k0
+
h
_
G(t
0
) G(t
0
k)
k
, DG(t
0
)
_
= 0
Nos pontos extremos de T, considera-se apenas um dos limites acima.
DG(t
0
) chamado de H-diferencial de G no ponto t
0
.
Teorema 1.17 Se G : T Q
C
(IR
n
) H-diferencivel em T, ento
11
d(S
G(t)
(x))
dt
= S
DG(t)
(x)
Prova: Para x = 0, bvio. Dado x ,= 0, temos
lim
k0
+
S
(G(t+k)G(t))/k
(x) S
DG(t)
(x)
= [[x[[ lim
k0
+
h
_
G(t +k) G(t)
k
, DG(t)
_
= 0
j que G H-diferencivel.
A primeira igualdade vale pelo Teorema 1.10 que pode ser usado uma vez que DG(t)
Q
C
(IR
n
).
Agora,
d(S
G(t)
(x))
dt
= lim
k0
+
1
k
_
S
G(t+k)
(x) S
G(t)
(x)
_
= lim
k0
+
S
(G(t+k)G(t))/
k
(x)
= S
lim
k0
+
(G(t+k)G(t))/
k
(x) = S
DG(t)
(x)
Note que G(t + k) G(t) Q
C
(IR
n
) para k > 0 sucientemente pequeno j que G H-
diferencivel. De modo anlogo ao que foi feito para a derivada direita, faz-se para a derivada
esquerda.
12
Captulo 2
Conjuntos fuzzy
2.1 Introduo
Em se tratando de conjunto"no sentido clssico, a relao dicotmica de pertinncia de um ele-
mento e um conjunto deve estar bastante clara como um conceito primitivo. Mais precisamente,
dado um conjunto A e um elemento x temos que x pertence a A (x A) ou x no pertence a
A (x / A). Por exemplo, sabemos que 2 IN (2 um nmero inteiro positivo);
1
2
/ IN (
1
2
no
um nmero inteiro positivo).
A noo de conjunto fuzzy, dada por Zadeh [42] em 1965, generaliza a idia de conjunto
quando o conceito de pertinncia de um elemento a um conjunto deixa de ser um conceito prim-
itivo como no caso clssico. Por exemplo, seja IF o "conjunto"dos nmeros inteiros positivos
"pequenos", isto ,
IF = x IN : x pequeno .
Os nmeros 2 e 20 pertencem a IF? Intuitivamente poderamos dizer que se 20 IF ento
2 IF, isto , 2 teria um grau de pertinncia maior que 20 em relao ao conjunto IF. A
atribuio de um grau de pertinncia de cada elemento a um conjunto passa ento a ser uma
caracterizao do prprio conjunto. No caso de nosso exemplo, se considerarmos a funo
u : IN [0, 1], dada por u(n) =
1
n
denindo o grau de pertinncia a IF, teremos que 2 IF
com grau de pertinncia 0,5 e 20 IF com grau de pertinncia
1
20
= 0, 05,ou n IF com grau
13
de pertinncia
1
n
. Observemos que o atributo pequeno para x IN subjetivo no sentido que se
poderia ter uma innidade de funes u : IN [0, 1] denindo o grau de pertinncia de cada
elemento de IF.
Podemos ainda imaginar uma innidade de conceitos que possuem a caracterstica de no
estarem bem denidos em suas fronteiras. Por exemplo, o conjunto"dos homens altos, das ruas
grandes de uma cidade, o diagnstico mdico de um paciente, classicao de bactrias quanto
a sua natureza vegetal ou animal, o conjunto"dos problemas de uma determinada localidade,
etc.
2.2 Conjuntos fuzzy
Seja X um conjunto (clssico).
Denio 2.1 Um subconjunto fuzzy IF em X um conjunto de pares ordenados
IF = (x, u
IF
(x)) : x X onde u
IF
: X [0, 1] uma funo chamada grau de pert-
inncia de x em IF, com os graus 1 e 0 representando, respectivamente, a pertinncia completa
e a no pertinncia do elemento ao conjunto fuzzy.
Observaes:
1. Quando quisermos nos referir a um conjunto clssico A, iremos apenas dizer conjunto A,
sem usar a palavra clssico". Porm se IF for um conjunto fuzzy, usaremos a palavra
fuzzy para diferenci-lo do conjunto clssico.
2. Veja que xado o conjunto X, a funo u
IF
caracteriza completamente o conjunto fuzzy
IF. Por esse motivo, muitas vezes iremos nos referir ao conjunto fuzzy IF citando apenas
a funo que o caracteriza u
IF
. Omitiremos tambm o ndice IF, na notao u
IF
, isto , u
IF
ser denotada apenas por u.
Exemplo 2.1 Seja IF o subconjunto fuzzy dos nmeros reais bem maiores do que 1. Assim,
IF = (x, u(x)) : x X = IR.
Sempre temos uma innidade de escolhas para u:
14
(i) u(x) =
_
_
0 se x 1
x1
x
se x > 1
Gracamente
Figura 2.1: Conjunto fuzzy dos nmeros bem maiores que 1.
Observemos que u crescente, lim
x
u(x) = 1.
(ii) (x) =
_
_
0 se x 1
1 e
1000(x1)
se x > 1
tambm caracteriza o conjunto IF. Observamos que (x) u(x), x X. Neste caso, dizemos
que
IF
u
F
.
A escolha de u subjetiva porm no to arbitrria. Seria totalmente errado
escolhermos:
(iii) u(x) =
_
_
x1
x2
se x 1
0 se x > 1
para representar o conjunto IF, por razes bvias.
Exemplo 2.2 (Kandel [19])O conjunto fuzzy dos fumantes dado por u(x, t) =
xt
1 + xt
onde
x proporcional ao nmero de cigarros fumados por unidade de tempo e t o tempo em que o
indivduo fumou durante sua vida.
15
Exemplo 2.3 (Barros-Bassanezi [04]) Vamos supor que o conjunto dos pobres de uma determi-
nada localidade seja dado por:
u
k
(r) =
_
_
_
1 (
r
r
0
)
2
_
k
se 0 r < r
0
0 se r r
0
onde r um parmetro proporcional renda, r
0
um determinado nvel de r que a partir do
qual os indivduos no so mais diferenciados quanto pobreza e k um parmetro que nos
d uma caracterstica do grupo estudado. O valor r
0
pode eventualmente depender do ambiente
onde vive tal grupo.
A seguir ns representamos gracamente alguns conjuntos fuzzy para alguns valores de k
e r
0
xado.
Figura 2.2: u
k
para diversos valores de k.
Podemos vericar facilmente que se k
1
k
2
, ento u
k
1
(r) u
k
2
(r) para todo r.
Veja Figura 2.3.
O grco a seguir mostra que se um indivduo de u
k
1
tem renda r
e outro indivduo de u
k
2
tambm tem a mesma renda r
, ento o indivduo de u
k
2
tem um grau de probreza maior que o
grau de probreza do indivduo de u
k
1
.
16
Figura 2.3: Mesma renda r
em ambientes distintos.
Assimpodemos dizer que, quanto renda, mais fcil viver nas localidades onde k grande.
Portanto, k nos revela intuitivamente se o ambiente em que o grupo vive mais ou menos
favorvel vida. O parmetro k pode nos dar uma idia do grau de saturao do ambiente e por
isso chamaremos k de parmetro ambiental.
Observamos ainda que
se k + ento u
k
(r) u
(r) =
_
_
0 se r > 0
1 se r = 0
Portanto, se por algummotivo, o parmetro ambiental k de uma determinada localidade diminuir,
ento a vida neste local torna-se mais cara. Assim, se houver danos ambientais tais como de-
struies de rios, poluio do ar, etc., o nvel de renda naquela localidade deve ser aumentado
de maneira que o grau de pobreza permanea o mesmo de antes do dano ambiental.
k
1
: parmetro ambiental antes do dano ambiental.
k
2
: parmetro ambiental depois do dano ambiental.
r
1
: renda de um indivduo antes do dano ambiental.
r
2
: renda necessria para que um indivduo que, antes do dano tinha nvel de renda r
1
, passe a
ter depois do dano ambiental.
17
Figura 2.4: Variao do parmetro k com ambiente agredido.
claro que h outras maneiras de compensar tais danos como, por exemplo,
construes de hospitais, tornar mais baratos os produtos bsicos como alimentao,
melhorar o saneamento bsico, etc.
Os conjuntos fuzzy que sugerimos para representar o grau de pobreza, com a interpretao
dada acima para o parmetro k, nos parecem razoveis para pequenas localidades.
2.3 Os espaos mtricos (T(IR
n
), D) e (T(IR
n
), H)
Com a nalidade de se obter propriedades topolgicas nas famlias dos conjuntos fuzzy, vamos
nos restringir aos conjuntos fuzzy com nveis compactos no vazios:
T(IR
n
) = u : IR
n
[0, 1] / [u]
compacto e no vazio para todo [0, 1],

onde
[u]
= x IR
n
/ u(x) se (0, 1]
o -nvel de u, e
[u]
0
= x IR
n
/ u(x) > 0
o suporte de u.
18
Proposio 2.1 O conjunto fuzzy u T(IR
n
) se, e somente se,
(i) u semicontnua superiormente
(ii) [u]
0
compacto e [u]
1
no vazio.
Prova: Como [u]
[u]
0
, (0, 1] e [u]
0
compacto, basta provarmos que (i) equivalente
a [u]
ser fechado.
Dados a A
= x IR
n
: u(x) < e 0 < < u(a), existe > 0 tal que
u(x) < + u(a) < u(a) + u(a) =
para todo x tal que [[x a[[ < , isto A
aberto e portanto, [u]
= IR
n
A
fechado.
Reciprocamente, dados x IR
n
e > 0, com u(a) + < 1, a A
u(a)+
que aberto,
existe > 0 tal que se [[x a[[ < , ento x A
u(a)+
, isto , u(x) < u(a) + , logo u
semicontnua superiormente. Se u(a) = 1, nada a fazer.
O conjunto T(IR
n
), munido da mtrica
D(u, v) = sup
01
h([u]
, [v]
)
um espao mtrico completo no separvel (Puri-Ralescu [29]).
Kloeden [22] tambm dene uma mtrica, do sendogrco, em T(IR
n
):
H(u, v) = h
(send(u), send(v))
onde
send(u) = ([u]
0
[0, 1]) end(u)
end(u) = (x, ) IR
n
[0, 1]) / u(x)
e h
a mtrica de Hausdorff no espao IR

n
[0, 1].
19
Figura 2.5: send(u).
O espao mtrico (T(IR
n
), H) separvel mas no completo (Kloeden [22]).
Puri e Ralescu [31] denem uma estrutura linear em T(IR
n
) por:
(u +v)(x) = sup
y+z=x
min[u(y), v(z)]
e
(u)(x) =
_
_
u(x/
) se ,= 0
{0}
se = 0
onde
A
a funo caracterstica do conjunto A.
De acordo com o princpio de extenso de Zadeh e devido continuidade das operaes de
adio e multiplicao clssicas, podemos usar Nguyen [27] para conclurmos que
[u + v]
= [u]
+ [u]
e [u]
= [u]
, IR.
No que segue denotamos por
E
n
= u T(IR
n
)/u fuzzy convexo; isto , u(x + (1 )y) min(u(x), u(y)),
[0, 1].
20
No difcil provar que u fuzzy convexo se, e somente se, [u]
convexo, [0, 1].

As operaes de adio e multiplicao denidas acima esto de acordo comas correspondentes
operaes de adio e multiplicao por nmeros, para conjuntos compactos do IR
n
.
SejamA, B, C Q
C
(IR
n
) e , > 0, ento (+)A = A+A; (A+B) = A+B
e h(A + B, A + C) = h(B, C). Da mesma forma, sejam u, v, w E
n
, ento ( + )u =
u+u; (u+v) = u+v, D(u+v, u+w) = D(v, w) e D(u, v) = [[D(u, v) Kaleva
[17].
O conjunto E
n
fechado emT(IR
n
) ([31]). Conseqentemente, (E
n
, D) completo e, em-
bora E
n
tenha uma estrutura linear, o mesmo no espao vetorial. Porm, temos o importante
teorema:
Teorema 2.2 (Kaleva [18]) Oespao mtrico completo (E
n
, D) pode ser imerso isometricamente
em um espao real de Banach.
Uma importante conseqncia deste teorema consiste no fato de que conceitos dados a
funes denidas nesse espao de Banach podem ser naturalmente transportados para o es-
pao (E
n
, D). Este poderia ser o caso da diferencial de funes F : [a, b] E
n
, conforme Puri
e Ralescu [29]. No entanto, utilizaremos a diferencial de Hukuhara para denir a diferencial de
funes F : [a, b] E
n
, como veremos no Captulo 4.
O prximo resultado ter importncia fundamental para nosso trabalho, pois ser ele o
grande elo de ligao entre conceitos clssicos (como os de mensurabilidade, integrabilidade,
diferenciabilidade, etc.) para multifunes, vistos no Captulo 1, com os respectivos conceitos
dados s funes fuzzy.
Teorema 2.3 (Negoita e Ralescu [26]) Se A
/0 1 uma famlia de conjuntos com-

pactos convexos e no vazios de IR
n
tal que
1.
_
0<1
A
A
0
,
2. A
2
A
1
para 0
1

2
1,
21
3. se
k
uma seqncia no decrescente convergindo para , > 0 com
A
k1
A
k
,
ento existe um u E
n
tal que
[u]
= A
para todo 0 < 1

e
[u]
0
=
_
0<1
A
A
0
claro que se u E
n
, ento seus -nveis satisfazem s condies 1, 2 e 3 acima.
Observamos que se u, v E
1
com os -nveis dados por: [u]
= [u
1
, u
2
] e [v]
= [v
1
, v
2
],
ento a multiplicao fuzzy de u por v denida atravs de seus -nveis por
[u.v]
= [min u
i
v
j
, max u
i
v
j
] para i, j = 1, 2.
A unicidade do produto est garantida pelo Teorema 2.3.
Encerramos esta seco observando que, a exemplo da multiplicao entre elementos de E
1
,
poderamos ter usado o Teorema 2.3 para denir as operaes de adio e a multiplicao de
conjuntos fuzzy por nmero real, usando estas operaes nos seus nveis.
2.4 Sobre convergncia de conjuntos fuzzy.
Nesta seco vamos enunciar os principais resultados e denies relacionados com tipos de
convergncias nos espaos de conjuntos fuzzy, que podem ser encontrados em Quelho [31],
Kaleva [16] ou Rojas-Romn [34], com o propsito de estudarmos a continuidade das funes
denidas no espao T(IR
n
).
Sejam u T(IR
n
) e u
p
uma seqncia de T(IR
n
).
Denio 2.2 (D-convergncia). Diz-se que u
p
D-converge para u, u
p
D
u, se
22
lim
p+
D(u
p
, u) = 0
Denio 2.3 (L-convergncia). Diz-se que u
p
L-converge para u, u
p
L
u, se
lim
p+
h([u
p
]
, [u]
) = 0 para todo (0, 1].

Denio 2.4 (-convergncia). Diz-se que u
p
-converge para u, u
p
u, se
lim
p+
end(u
p
) = end (u)
no sentido de Kuratowski.
Denio 2.5 (H-convergncia). Diz-se que u
p
H-converge para u, u
p
H
u, se
lim
p+
H(u
p
, u) = 0.
Proposio 2.4 u
p
u se, e somente se,

u > lim
p+
infu
p
lim
p+
supu
p
u , [0, 1]
onde u = x IR
n
: u(x)
Prova: Ver (Quelho [32]).
Proposio 2.5 u
p
H
u se, e somente se,
u
p
u e lim
p+
h([u
p
]
0
, [u]
0
) = 0
A m de se obter equivalncias entre as diversas convergncias de conjuntos fuzzy, pode-se
consultar (Quelho [32], Kaleva [16], Rojas-Romn [34]).
Kaleva [16] prova a seguinte:
Proposio 2.6 Em T(IR
n
) valem as seguinte implicaes:
23
1. D-convergncia implica L-convergncia.
2. D-convergncia implica H-convergncia.
Kaleva [16], atravs de alguns exemplos, mostra que as implicaes (1) e (2) no podem ser
invertidas. Aqui ns tambm ilustramos este fato com o seguinte exemplo:
Exemplo 2.4 Sejam
u(x) =
_
_
1 se 1 x 1
[x[ + 2 se 2 < x 1 ou 1 x < 2
0 se x 2 ou x 2
e
u
p
=
_
_
[x[ + 2 se 2 x <
p
1p
ou
p
p1
< x 2
|x|
p
+ 1 se
p
1p
x
p
p1
0 se x 2 ou x 2
para p 2
u
1
=
_
|x|
2
+ 1 se 2 x 2
0 se x < 2 ou x > 2
24
Figura 2.6: u
p
H
u, u
p
L
,u e u
p
D
,u.
claro que u
p
H
u. Porm h([u
p
]
1
, [u]
1
) = 1 para todo p 1 de maneira que u
p
no
converge em nvel e nem em D para u.
Este exemplo mostra que podemos ter uma seqncia de funes contnuas com send(u
p
)
convexos convergindo para send(u) sem que haja L-convergncia. Isto no acontecer se [u
p
]
1
e [u]
1
tiverem apenas um ponto.
Na verdade, Kaleva [16] mostra que a implicao (1) da Proposio 2.6 pode ser invertida
se nos restringirmos ao subconjunto ( de T(IR
n
) dos u cncavos e fuzzy convexos enquanto
que a implicao (2) poder ser invertida se nos restringirmos ao subconjunto (
1
de ( com
[u]
1
tendo apenas um elemento.
Com o propsito de se obter as equivalncias nas implicaes (1) e (2) em outros subcon-
juntos de T(IR
n
) diferentes de ( e (
1
e que tm propriedades mais adequadas para nossos
estudos, daremos a seguinte denio:
Denio 2.6 Dizemos que u T(IR
n
) no tem pontos de mximos locais prprios se para
todo x IR
n
com 0 < u(x) < 1, x no ponto de mximo local da funo u : IR
n
[0, 1].
Note que para todo u T(IR
n
), dizer que u no tem pontos de mximos locais prprios
equivalente a
x IR
n
: u(x) > = [u]
25
para todo (0, 1).
Proposio 2.7 Sejam u
p
, u T(IR
n
). Se u no tem pontos de mximos locais prprios
ento so equivalentes.
(a) u
p
D
u
(b) u
p
H
u e [u]
1
= lim
p+
inf[u
p
]
1
(c) u
p
L
u,
_
p=1
[u
p
]
0
limitado e lim
p+
sup[u
p
]
0
[u]
0
.
Proposio 2.8 Sejam u
p
, u T(IR
n
). Se u no tem pontos de mximos locais prprios e
[u]
1
contm apenas um elemento, ento
u
p
D
u se, e somente se, u
p
H
u.
Prova: Ver (Quelho [32] ou Rojas-Romn [34])
Observao: Rojas e Romn [34] mostram que o fato de u no ter pontos de mximos locais
prprios equivalente a u ter todos seus -nveis contnuos, isto , a funo [u]
de
nveis contnuos, ou seja, a funo [u]
contnua na mtrica de Hausdorff, para todo

[0, 1].
26
Captulo 3
Sobre a extenso de Zadeh
3.1 Introduo
A extenso de Zadeh um exemplo concreto de uma aplicao que leva conjunto fuzzy em
conjunto fuzzy. Sua importncia vai alm da subjacente prpria evoluo: como ferramenta
indispensvel, a nosso ver, para a estruturao matemtica quando se modelam fenmenos
envoltos em grande grau de incerteza.
As aplicaes vo desde modelagem de crescimento populacional Bassanezi e Barros [04]
a estudo de construes de imagem Forte e al. [09].
Nossa inteno aqui estudar as principais propriedades da extenso de Zadeh, bem como
provar teoremas de continuidade da mesma, nos espaos mtricos (T(IR
n
), D) e (T(IR
n
), H).
Propriedades sobre a extenso de Zadeh de uma funo contnua f : IR IR IR, foram
inicialmente estudadas por Nguyen [27] e mais recentemente por Cabrelli e al. [06] para uma
famlia de contraes denidas em um espao mtrico compacto. O fato de estudarmos a exten-
so de Zadeh nos espaos mtricos (T(IR
n
), D) e (T(IR
n
), H) no particulariza as concluses
se substitumos IR
n
por qualquer outro espao mtrico completo.
27
3.2 Denio e propriedades da extenso de Zadeh
Denio 3.1 A extenso de Zadeh da funo f : IR
n
IR
n
a funo

f dada por
(

f(u))(x) =
_
_
sup
f
1
(x)
u() se f
1
(x) ,=
0 se f
1
(x) =
para todo conjunto fuzzy u : IR
n
[0, 1].
Segue imediatamente da denio que se f(x) = c, constante, ento

f(u) = c =
{c}
onde
A
a funo caracterstica do conjunto A.
A extenso de Zadeh

f de fato estende a funo f : IR
n
IR
n
, identicando IR
n
com
{x}
T(IR
n
) : x IR
n
,
uma vez que
f(
{x}
) =
f(x)
para todo x IR
n
.
Gostaramos de ressaltar que f : IR
n
IR
n
poderia ser substituda por
f : X X, (X, d) espao mtrico ou mesmo escolher f : A IR
n
IR
n
e usar teore-
mas de extenses para resultar em f : IR
n
IR
n
. Nosso interesse em que o domnio de f seja
o espao inteiro IR
n
porque o domnio dos conjuntos fuzzy u o espao todo IR
n
.
Se f bijetora, ento (

f(u))(x) = u(f
1
(x)) e assim podemos construir o grco do
conjunto fuzzy

fu.
28
Figura 3.1: Grco de

fu.
Para o caso em que f(x) = Ax + b, com A matriz n n e b IR
n
, a extenso dada por
(

f(u))(x) =
_
_
sup
A+b=x
u() se A + b = x tiver soluo
0 se A + b = x no tiver soluo
Assim, se existir A
1
, ento

f se reduz a
(

f(u))(x) = u(A
1
(x b)).
fcil ver que, para o caso em que f(x) = ax com a IR e x IR
n
, tem-se
(

f(u))(x) =
_
_
u(a
1
x) se a ,= 0
0 se a = 0
ou seja,

f(u) = au de acordo com a denio de multiplicao de nmero por u (Ralescu,
[29]).
29
A seguir, vamos enunciar e demonstrar um resultado que central para futuras concluses
neste nosso trabalho. Este resultado foi demonstrado em [27] para o caso em que f : IR
n
IR
m
IR
p
sobrejetora, e mais recentemente uma generalizao, usando o conceito de t-
norma, foi dada por Fuller e Jeresztfalvi [10].
n
IR
n
sobrejetora. Uma condio necessria e suciente para que
[

f(u)]
= f([u]
),
para todo u : IR
n
[0, 1] e [0, 1], que u atinja o mximo em f
1
(x) para todo x IR
n
.
Prova: Suponha sup
f
1
(x)
u() = s ou (

f(u))(x) = s,
da
x [

f(u)]
s
= f([u]
s
).
Isto , existe y com u(y) s tal que f(y) = x. Mas, pela denio de s, tem-se u(y) = s.
Por outro lado, se x [

f(u)]
, ento
(

f(u))(x) ou sup
f
1
(x)
u() .
Como, por hiptese, existe y f
1
(x) tal que u(y) = sup
f
1
(x)
u() , segue que x
f([u]
).
Agora, se x f([u]
), existe x = f(y).
Da
(

f(u))(x) = sup
f
1
(x)
u() u(y) , isto x [

f(u)]
O teorema seguinte foi inicialmente demonstrado por Nguyen [27] para o caso em que
f : IR IR IR e mais recentemente por Cabrelli e al. [06] para o caso de um sistema de
conjunto fuzzy interados, no estudo de construo de imagens.
30
Teorema 3.2 Se f : IR
n
IR
n
contnua, ento a extenso de Zadeh
f : T(IR
n
) T(IR
n
) est bem denida e,
[

f(u)]
= f([u]
)
para todo [0, 1].
Obs: Lembremos que para provar que

f(u) T(IR
n
), basta vericar que os conjuntos [

f(u)]
so no vazios e compactos para todo 0 1. Assim, provaremos apenas que [

f(u)]
=
f([u]
), j que f([u]
) no vazio e compacto pela continuidade de f, uma vez que u T(IR

n
).
Observemos tambm que sendo f contnua, f
1
(x) fechado e tem-se [u]
0
f
1
(x) com-
pacto por ser fechado dentro do compacto [u]
0
.
Prova: Vamos dividir a prova em dois casos > 0 e = 0.
i. Para > 0
Seja x [

f(u)]
, ento

fu(x) e assim, f
1
(x) ,= , bem como [u]
0
f
1
(x) ,= .
Assim,
(

f(u))(x) = sup
f
1
(x)
u() = sup
[u]
0
f
1
(x)
u() = u(y)
para algum y [u]
0
f
1
(x), uma vez que u semicontnua superiormente e [u]
0
f
1
(x)
compacto (Ver Rudin [35] pg. 195). Logo f(y) = x e u(y) , isto , x f([u]
).
Por outro lado, f([u]
) [

f(u)]
vale sempre j que se x f([u]
), existe y [u]
e
x = f(y).
Da (

f(u))(x) = sup
f
1
(x)
u() u(y) ou x [

f(u)]
.
ii. Para = 0, tem-se
A = x : (

f(u))(x) > 0 = fx : u(x) > 0 = f(B).
Se x A, ento
31
sup
f
1
(x)
u() > 0,
da existe y com f(y) = x e u(y) > 0, isto , x f(B).
Se x f(B), ento existe y B com x = f(y), logo
sup
f
1
(x)
u() u(y) > 0
isto , x A.
Agora,
A = f(B) f(B) por f ser contnua
e
A = f(B) f(B) = f(B) pela compacidade de B e a continuidade de f.
Portanto
[

f(u)]
0
= f([u]
0
).
Note que a famlia f([u]
), 0 1 dene um nico conjunto fuzzy, j que h uma

correspondncia biunvoca entre um conjunto fuzzy e a famlia [u]
, 0 1.
Uma conseqncia imediata do teorema acima o seguinte:
Corolrio 3.3 Se f contnua, ento

f montona no seguinte sentido
f(u)

f(v) se u v,
onde u v signica u(x) v(x) para todo x IR
n
.
Prova: Basta vericar que [

f(u)]
[

f(v)]
para todo [0, 1].

Mas, como
[u]
[v]
para todo [0, 1]

e
[

f(u)]
= f([u]
)
tem-se o resultado.
32
3.3 Continuidade nos espaos mtricos
(T(IR
n
), D) e (T(IR
n
), H)
Nosso objetivo mostrar a continuidade uniforme de

f e que

f k-lipschitziana em(T(IR
n
), D)
se f for uniformemente contnua e k-lipschitziana respectivamente. Em seguida vamos mostrar
a equivalncia entre a continuidade de

f em (T(IR
n
), H) e a continuidade de f em IR
n
.
Estes teoremas, que constituem uma parte importante de nosso trabalho, sero utilizados
nos captulos seguintes, como por exemplo na seco 5.3 do captulo de equaes diferenciais
fuzzy.
n
IR
n
uniformemente contnua, ento a extenso de Zadeh,
f : (T(IR
n
), D) (T(IR
n
), D)
uniformemente contnua.
Prova: Dado > 0, pelo Teorema 1.5, existe > 0
se h([u]
, [v]
) < ento h(f([u]
), f([v]
)) < .
Assim
se D(u, v) < ento h([u]
, [v]
) <
que implica em
h(f[u]
), f([v]
)) = h([

f(u)]
, [

f(v)]
) < [0, 1].

Logo
sup
01
h([

f(u)]
, [

f(v)]
) < .
isto
se D(u, v) < ento D(

f(u),

f(v)) < .
Note que se

f for contnua, ento f tambm ser j que
33
D(

f(
{x}
),

f(
{y}
)) = [[f(x) f(y)[[ para todo x, y IR
n
.
Teorema 3.5 Sejam f : IR
n
IR
n
e

f : (T(IR
n
), D) (T(IR
n
), D),onde

f a extenso
de Zadeh. Ento f lipschitziana com constante k se, e somente se,

f lipschitziana com
constante k.
Prova: Primeiro observemos que sendo f lipschitziana, tambm contnua e portanto podemos
usar o Teorema 3.2.
Por denio D(

f(u),

f(v)) = sup
01
h(f([u]
), f([v]
)).
Agora,
h(f([u]
), f([v]
)) = max sup
x[u]
inf
y[v]
[[f(x) f(y)[[, sup

y[v]
inf
x[u]
[[f(x) f(y)[[
max sup
x[u]
inf
y[v]
k[[x y[[, sup

y[v]
inf
x[u]
k[[x y[[
= k max sup
x[u]
inf
y[v]
[[x y[[, sup

y[v]
inf
x[u]
[[x y[[
= kh([u]
, [v]
)
Logo,
D(

f(u),

f(v)) kD(u, v).
Por outro lado, como
[

f(
{x}
)]
= f(x)
para todo x IR
n
e [0, 1], ento
D(

f(
{x}
),

f(
{x}
)) = [[f(x) f(y)[[,
donde se conclui o teorema.
Teorema 3.6 Suponhamos f : IR
n
IR
n
contnua e que u
p
L
u. Ento

f(u
p
)
L

f(u).
34
Prova: Seja (0, 1]; pelo Teorema 1.4 [u
p
]
e [u]
esto em um mesmo compacto. Assim,

pelo Corolrio 1.6, temos a concluso, j que [

f(u
p
)]
= f([u
p
]
).
Teorema 3.7 f : IR
n
IR
n
contnua se, e somente se,

f : (T(IR
n
), H) (T(IR
n
), H),
contnua.
Prova: Suponhamos que f seja contnua; como (T(IR
n
), H) espao mtrico, basta mostrar
que se u
p
H
u ento

f(u
p
)
H

f(u), para obtermos a prova do teorema.
De acordo com a Proposio 2.5, precisamos provar que
f(u
p
)

f(u) e lim
p+
h([

f(u
p
)]
0
, [

f(u)]
0
) = 0.
Agora, da continuidade de f e da Proposio 2.4, precisamos provar que
(i) lim
p+
h(f([u
p
]
0
), f([u]
0
)) = 0
e
(ii)
f(u) > lim

p+
inf
f(u
p
) lim
p+
sup
f(u
p
)
f(u) ,
para todo [0, 1].
Para (i), a prova anloga do teorema anterior, j que podemos usar o Corolrio 1.6 para
f([u
p
]
0
) e f([u]
0
).
Para (ii), o caso em que = 0 trivialmente verdade. Se ,= 0, como no Teorema 3.2,
conclumos que
f(u) > = fu > .

Assim, da hiptese:
u > lim
p+
inf[u
p
]
lim
p+
sup[u
p
]
[u]
temos
f(u) > = fu > f

_
lim
p+
inf[u
p
]
_
f
_
lim
p+
sup[u
p
]
_
f([u]
).
35
Vamos nalmente provar (ii) mostrando:
(a) f
_
lim
p+
inf[u
p
]
_
lim
p+
inf f([u
p
]
).
(b) f
_
lim
p+
sup[u
p
]
_
= lim
p+
sup f([u
p
]
).
Vericao de (a):
Se y f
_
lim
p+
inf[u
p
]
_
ento y = f(x) com x = lim
p+
x
p
e x
p
[u
p
]
. Como f
contnua, temos que lim
p+
f(x
p
) = f(x) = y. Portanto y lim
p+
inf f([u
p
]
).
Vericao de (b):
Suponhamos que y f
_
lim
p+
sup[u
p
]
_
, ento y = f(x) com
x = lim
j+
x
p
j
e x
p
j
[u
p
j
]
.
Pela continuidade de f,
lim
j+
f(x
p
j
) = f(x) = y.
Logo,
y lim
j+
sup f([u
p
]
).
Por outro lado, se y lim
j+
sup f([u
p
]
) ento y = lim
j+
f(u
p
j
) com x
p
j
[u
p
j
]
.
Como [u
p
]
[u
p
]
0
e [u
p
]
0
est em algum compacto K, pois [u
p
]
0
h
[u]
0
, existe uma
subseqncia x
p
i
x. Portanto,
x lim
p+
sup[u
p
]
e
y lim
j+
f(x
p
j
) = lim
i+
f(x
p
i
) = f(x),
pela continuidade de f e a unicidade do limite. Logo y f
_
lim
p+
sup[u
p
]
_
.
Provamos assim que
36
se u
p
H
u ento

f(u
p
)
H

f(u),
ou seja,
f contnua em (T(IR
n
), H).
claro que se

f contnua, ento f contnua uma vez que

f estende f e H(
{x}
,
{y}
)
= h(x, y) = [[x y[[.
Agora, para que a continuidade de f acarrete a continuidade de

f na mtrica D, vamos nos
restringir ao subconjunto de T(IR
n
) :
T
(IR
n
) = u T(IR
n
) : [u]
1
contm apenas um elemento e u no contm pontos de
mximo local prprio.
Corolrio 3.8 Se f : IR
n
IR
n
contnua, ento
(1)

f(T
(IR
n
)) T
(IR
n
) e
(2)

f/
F
(IR
n
)
contnua na mtrica D.
Prova:
(1) Seja u T
(IR
n
), ento pela observao feita na Denio 2.6, precisamos provar apenas
que
f(u) > = [

f(u)]
para (0, 1)
e
[

f(u)]
1
contm apenas um elemento.
Mas, pela continuidade de f e ,= 0, como no Teorema 3.2, temos
f(u) > = fu > = fu > = [

f(u)]
,
onde a segunda igualdade conseqncia da continuidade de f e do fato de IR
n
ser espao
mtrico. A ltima igualdade conseqncia do Teorema 3.2, que tambm nos garante:
37
[

f(u)]
1
= f([u]
1
)
e assim [

f(u)]
1
tem apenas um elemento.
(2) Seja u
p
, u T
(IR
n
); de acordo com a Proposio 2.8,
u
p
D
u equivalente a u
p
H
u
que, pelo Teorema 3.7, implica em
f(u
p
)
H

f(u)
e de novo, pela Proposio 2.8 e da parte (1), temos
f(u
p
)
D

f(u).
38
Captulo 4
Integral e diferencial de uma funo fuzzy
4.1 Introduo
Este captulo tem como principal objetivo apresentar algumas generalizaes de certos con-
ceitos e resultados bsicos do clculo diferencial e integral, como intuito de estudarmos equaes
diferenciais fuzzy (Captulo 5). Para isto, o Teorema 2.3 ser de extrema importncia, pois o
mesmo, como j mencionamos na seo 2.3, nos permite olhar uma funo com valores em
conjuntos fuzzy como uma famlia de funes com valores em conjuntos clssicos, a saber: os
-nveis do conjunto fuzzy imagem. Assim, as denies e resultados para multifunes, vistos
no Captulo 1, sero utilizados aqui, possibilitando-nos obter resultados na teoria fuzzy.
Iremos nos restringir, neste captulo, ao espao mtrico completo (E
n
, D), pois os -nveis
de seus elementos so convexos e, como sabemos, h uma teoria bem adiantada para subcon-
juntos no vazios compactos e convexos, como resumo feito no Captulo 1.
De um modo geral, os resultados que iremos apresentar aqui encontram-se em Puri Ralescu
[29, 30] e Kaleva [17]. Porm, muitas vezes lanaremos mo das propriedades da funo su-
porte, vistas no Captulo 1, para apresentarmos demonstraes diferentes daquelas que esto
em [17], [29] e [30].
39
4.2 Mensurabilidade
Denio 4.1 (Kaleva [17]). A aplicao F : T E
n
fortemente mensurvel se para todo
[0, 1] a funo F
: T Q
C
(IR
n
) denida por
F
(t) = [F(t)]
mensurvel.
Observao: Q
C
(IR
n
) o subconjunto formado pelos elementos de Q(IR
n
) que so convexos.
Estamos usando aqui a mesma notao da Seco 1.3 em que T = [a, b] IR.
Para ver as demonstraes dos lemas abaixo, ver Kaleva [17].
Lema 4.1 Se F : T E
n
fortemente mensurvel ento F mensurvel com respeito
topologia gerada por D.
Lema 4.2 Se F : T E
n
contnua ento F fortemente mensurvel.
Lema 4.3 Seja F : T E
1
fortemente mensurvel e denote [F(t)]
= [
(t),
(t)] para
[0, 1]. Ento
so mensurveis.
4.3 Integrabilidade
A aplicao F : T E
n
dita integravelmente limitada se a funo F
0
integravelmente
limitada.
Denio 4.2 Seja F : T E
n
. A integral de F emT, denotada por
_
T
F ou
_
b
a
F, denida
atravs de seus -nveis
_ _
T
F
_
=
_
T
F
para todo 0 1, sendo

_
T
F
, a integral de Aumann. F integrvel sobre T se

_
T
F E
n
40
Teorema 4.4 (Puri e Ralescu [30]). Se F : T E
n
fortemente mensurvel e integravelmente
limitada, ento F integrvel.
Embora a prova deste teorema encontre-se em [30], vamos repeti-la com mais clareza, a
nosso ver.
Prova: Precisamos vericar que
1.
_
T
F
existem, so compactos no vazios e convexos de IR

n
, para todo [0, 1], e, de
acordo com o Teorema 2.3, tambm vericar
2.
_
01
_
T
F

_
T
F
0
,
3.
_
T
F
2

_
T
F
1
se 0
1

2
1,
4. se
k
> 0, ento
_
T
F
k1
_
T
F
k
.
As armaes feitas em 1 so conseqncias dos Teoremas 1.11 a 1.13, uma vez que F
so
funes mensurveis, integravelmente limitadas e com valores em Q
C
(IR
n
), por hiptese.
As incluses em 2 e 3 seguem do fato de
F
2
(t) F
1
(t) se 0
1

2
1.
Suponha agora que
k
> 0, ento para todo t T, F(t) E
n
e assim
F
(t) =
k1
F
k
(t). Como a seqncia F
k
(t) decrescente e F
k
(t) so compactos, temos
F
k
(t) F
(t) no sentido de Kuratowski.

Uma vez que F
1
integravelmente limitada e F
k
forma uma seqncia decrescente de
funes mensurveis, existe uma funo integrvel h : T R
+
tal que
sup
k1
[[f
k
(t)[[ h(t) para todo f
k
S(F
k
).
Segue do Teorema 1.16 que
_
T
F
k

_
T
F
, no sentido de Kuratowski. Como

_
T
F
k
um
seqncia decrescente de compactos do IR
n
, ela deve convergir para sua interseco. Assim,
pela unicidade do limite, tem-se
41
_
T
F
k1
_
T
F
k
.
que a vericao de 4.
Teorema 4.5 (Kaleva [17]). Se F : T (E
n
, D) contnua, ento F integrvel.
Apresentaremos uma prova ligeiramente diferente daquela apresentada em [17].
Prova: Pelo Lema 4.2, F fortemente mensurvel. Como F contnua, F
0
tambm o na
mtrica de Hausdorff h. Assim a funo g : T R
+
denida por g(t) = h(0, F
0
(t))
contnua em T j que
h(0, F
0
(t
0
)) h(0, F
0
(t)) + h(F
0
(t), F
0
(t
0
))
ou
h(0, F
0
(t
0
)) h(0, F
0
(t)) h(F
0
(t), F
0
(t
0
))
isto
[g(t
0
) g(t)[ h(F
0
(t), F
0
(t
0
))
e a continuidade de F
0
garante a de g. Logo g integrvel em T. Mas para todo x F
0
(t),
tem-se [[x[[ g(t), ou seja, F integravelmente limitada. Portanto, pelo Teorema 4.4, F
integrvel.
Teorema 4.6 (Kaleva [17]). Seja F : T E
n
integrvel e c T. Ento
_
b
a
F =
_
c
a
F +
_
b
c
F.
A prova que apresentaremos uma conseqncia do Teorema 1.15:
Prova: claro que F integrvel em qualquer subintervalo de [a, b].
Seja [0, 1]. Do Teorema 1.15, tem-se
42
S
_
b
a
F
(x) =
_
b
a
S
F
(t)
(x)dt =
_
c
a
S
F
(t)
(x)dt +
_
b
c
S
F
(t)
(x)dt = S
_
c
a
F
(x) + S
_
b
c
F
(x).
Finalmente, usando o Teorema 1.9, conclumos
_
b
a
F
=
_
c
a
F
+
_
b
c
F
.
Corolrio 4.7 (Kaleva [17]). Se F : T (E
n
, D) contnua ento G(t) =
_
t
a
F lips-
chitziana em T.
Nossa prova uma alternativa do Kaleva [17].
Prova: Sejam s, t T com s > t. Pelo Teorema 4.6 e do fato de D(u+v, u +w) = D(v, w),
temos
D(G(s), G(t)) = D
__
s
t
F,
{0}
_
= h
__
s
t
F
0
, 0
_
.
Como no Teorema 4.5, a funo g(t) = h(F
0
(t), 0) assume mximo, M, em T por ser
contnua e [[x[[ g(t) para todo x F
0
(t), isto , F
0
(t) B[0, M] (bola fechada de centro na
origem e raio M) donde
_
s
t
F
0

_
s
t
B[0, M].
Logo,
h
___
s
t
F
0
_
, 0
_
h
___
s
t
B[0, M]
_
, 0
_
= h((s t)B[0, M], 0) = M(s t)
onde a penltima igualdade conseqncia do Exemplo 1.3, Captulo 1. Assim, conclumos o
corolrio.
43
Teorema 4.8 (Kaleva [17]). Sejam F, G : T E
n
integrveis e IR. Ento
(i)
_
T
F + G =
_
T
F +
_
T
G
(ii)
_
T
F =
_
T
F
(iii) D(F, G) integrvel
(iv) D
__
T
F,
_
T
G
_
_
T
D(F, G)
Prova: Ver Kaleva [87]. Notemos que a prova de (i) tambm poderia ser feita usando a funo
suporte j que (F + G)
= F
+ G
.
Teorema 4.9 (Kaleva [17]). Se F : T E
n
integrvel ento a funo real
(t, ) dimetro
_ _
t
a
F
_
, t T e [0, 1],
no decrescente em t T e no crescente em [0, 1].
Notemos que a primeira parte conseqncia do Teorema 4.6 e a segunda conseqncia de
_
t
a
F E
n
.
Exemplo 4.1 Seja F(t) = f(t)u onde u E
n
e f : T IR uma funo integrvel e
positiva. Ento
_
t
0
F =
__
t
0
f(s)ds
_
u.
claro que F fortemente mensurvel e integravelmente limitada por g(s) = af(s) onde
a = max[u]
0
.
A concluso segue do fato de [u]
= [u]
e do Exemplo 1.3. Este exemplo generaliza aquele

em que F(t) = A E
n
dado por Kaleva [17] e ilustra a fora do Teorema 1.15, j que foi ele
que nos possibilitou concluir o Exemplo 1.3.
Exemplo 4.2 (Kaleva [17]). Dena F : T E
n
por
F
(t) =
n
i=1
[a
i
(t), b
i
(t)], [0, 1].
44
onde a
i
, b
i
: T IR so integrveis, contnuas esquerda e [a
i
(t), b
i
(t)] so os
-nveis de um elemento de E
1
. F fortemente mensurvel e integravelmente limitada por
g(t) = nmax
tT
[b
i
(t)[, 1 i n.
De acordo com a demonstrao do Teorema 4.4, tem-se
_ _
T
F
_
=
n
i=1
_ _
T
a
i
(t),
_
T
b
i
(t)], [0, 1].
4.4 Diferenciabilidade
O conceito de diferenciabilidade ser baseado na denio de diferenciabilidade para multi-
funes, dada por Hukuhara [15] como vimos na seco 1.3. De novo, o Teorema 2.3 nos
possibilitar a sua extenso para funo F : T E
n
.
Se x, y E
n
e existe z E
n
tal que x = y +z, ento z ser chamado de H-diferena de x
e y, denotada por x y. A seguinte denio devido a Puri e Ralescu [29].
Denio 4.3 A aplicao F : T E
n
diferencivel em t
0
T se existe F
(t
0
) E
n
tal
que os limites
lim
h0
+
F(t
0
+ h) F(t
0
)
h
e lim
h0
+
F(t
0
) F(t
0
h)
h
existem e so iguais a F
(t
0
).
Os limites so tomados no espao mtrico (E
n
, D) e nos ponto extremos de T consideram-
se apenas as derivadas de um dos lados.
Puri e Ralescu [29] tambm usaram o conceito clssico de diferencial em espaos normados,
para dar outra denio de derivada para a funo F acima e provou que esta ltima mais fraca
que a dada aqui.
Queremos ainda lembrar que, embora (E
n
, D) no seja espao vetorial, o mesmo pode ser
imerso isometricamente em um espao de Banach (Teorema 2.2) e assim denir a diferencial
da funo F, como comentada acima (Ver Puri e Ralescu [29] e Kaleva [18]).
Proposio 4.10 Se F : T E
n
diferencivel, ento a multifuno F
H-diferencivel
para todo [0, 1] e DF
(t) = [F
(t)]
onde DF
a H-diferencial da funo F
.
45
Prova: conseqncia imediata da denio de F
(t).
claro que a recproca da Proposio 4.10 no verdadeira uma vez que a diferena de
Hukuhara [x]
[y]
, [0, 1], no implica na H-diferena xy. Contudo, tem-se o seguinte

n
satisfazendo as hipteses:
(a) Para cada t T existe > 0 tal que as H-diferenas F(t +k) F(t) e F(t) F(t k)
existam para todo 0 k ;
(b) As funes F
, [0, 1] so uniformemente H-diferenciveis com derivadas DF
, isto ,
para cada t T e > 0 existe > 0 tal que
h((F
(t + k) F
(t))/k, DF
(t)) <
e
h((F
(t) F
(t k))/k, DF
(t)) <
para todo 0 k < e [0, 1].
Ento F diferencivel e a derivada de F dada pela Proposio 4.10.
1
diferencivel e denote [F(t)]
= [f
(t), g
(t)],
[0, 1]. Ento f
e g
so diferenciveis e
[F
(t)]
= [f
(t), g
(t)].
Prova: Basta ver que
1
k
[F(t + k) F(t)]
= [(f
(t + k) f
(t))/
k
, (g
(t + k) g
(t))/
k
]
e passar ao limite. Para [F(t) F(t k)]
faz-se o mesmo.
Teorema 4.13 (Kaleva [17]). Se F, G : T E
n
so diferenciveis e IR, ento
(a) F e G so contnuas
(b) (F +G)
(t) = F
(t) + G
(t)
(c) (F)
(t) = F
(t).
46
Prova:
(a) Seja k > 0 de modo que a H-diferena F(t + k) F(t) existe, ento
D(F(t + k), F(t)) = D(F(t + k) F(t),
{0}
)
kD((F(t + k) F(t))/
k
, F
(t)) + kD(F
(t),
{0}
),
e pela diferenciabilidade de F, o lado direito da desigualdade vai para zero se k 0
+
. De
maneira anloga tira-se a continuidade esquerda de F.
Para provar (b) e (c), basta usar as propriedades da mtrica D:
D(u + v, u + w) = D(v, w)eD(u, v) = [[D(u, v).
n
contnua. Ento para todo t T a funo
G(t) =
_
t
a
F diferencivel e G
(t) = F(t).
Prova: De acordo com o Teorema 4.5, F integrvel e para k > 0, sucientemente pequeno
G(t + k) G(t) =
_
t+k
t
F.
Seja > 0. Pelo Exemplo 4.1, Teorema 4.8 e pela continuidade de F, tem-se
D((G(t + k) G(t))/
k
, F(t)) =
1
k
D
__
t+k
t
F(s)ds,
_
t+k
t
F(t)ds
_
1
k
_
t+k
t
D(F(s), F(t))ds <
De modo anlogo, conclui-se que lim
k0
+
G(t) G(t k)
k
= F(t).
n
diferencivel e suponha que F
integrvel.
Ento para todo s T tem-se
F(s) = F(a) +
_
s
a
F
47
Faremos a prova deste teorema para ilustrar, mais uma vez, a importncia da funo suporte
no estudo do clculo de funes com valores em conjuntos fuzzy.
Prova: Como existe F
, ento, de acordo com a Proposio 4.10, devemos apenas mostrar que

para todo [0, 1],
F
(s) = F
(a) +
_
s
a
DF
.
Agora, usando os Teoremas 1.15 e 1.17 e os fatos que F
(s) F
(a), DF
e
_
s
a
DF
so
subconjuntos no vazios de Q
C
(IR
n
), temos
S
_
s
a
DF
(x) =
_
s
a
S
DF
(t)
(x)dt =
_
s
a
d
dt
[S
F
(t)
(x)]dt
= S
F
(s)
(x) S
F
(a)
(x) x IR
n
Logo, de acordo com o Teorema 1.9, tem-se
F
(s) = F
(a) +
_
s
a
DF

n
diferencivel em T. Se t
1
, t
2
T com
t
1
t
2
ento existe C E
n
tal que F(t
2
) = F(t
1
) + C.
Prova: Se F
for integrvel, o resultado segue do teorema anterior. Para a demonstrao geral

ver Kaleva [17].
Corolrio 4.17 Se F : T E
n
diferencivel em T ento para cada [0, 1] a funo real
t dim[F(t)]
no decrescente em T, onde dim A o dimetro do conjunto A.

Teorema 4.18 (Kaleva [17]). Se F : T E
n
continuamente diferencivel em T. Ento
D(F(b), F(a)) (b a)sup
tT
D(F
(t),
{0}
).
48
Prova: Usando os Teoremas 4.8 e 4.15, obtemos
D(F(b), F(a)) = D(
_
T
F
,
{0}
) (b a)sup
tT
D(F
(t),
{0}
).
Teorema 4.19 (de Rolle) (Kaleva [17]). Seja F : T E
1
diferencivel emT. Se F(a) = F(b)
ento existe t
0
T tal que F
(t
0
) =
{0}
.
Prova: Pelo Teorema 4.16, F(t) = F(a) + R(t) para algum R(t) E
1
. Uma vez que F(b) =
F(a) ento pelo Corolrio 4.17 diam F
(t) constante em T para todo [0, 1]. Segue que

diam R
(t) = 0 e conseqentemente R(t) =

r(t)
para alguma funo r(t) IR diferencivel
j que F o . Mais ainda, r(a) = r(b) = 0 e assim existe t
0
T tal que r
(t
0
) = 0. Como
existe F
(t) ento, pela Proposio 4.10, basta mostrar que DF
(t
0
) = 0:
S
DF
(t)
(x) =
d
dt
S
F
(a)+r(t)
(x) = S
r
(t)
(x) x
ou
DF
(t) = r
(t), t T e [0, 1],

logo
F
(t
0
) =
r
(t
0
)
=
{0}
Exemplo 4.3 Seja F(t) = f(t)u onde u E
n
e f : T R
+
crescente e de classe C
1
.
Ento F derivvel e F
(t) = f
(t)u.
Prova: Vamos mostrar que f
(t)u contnua, portanto integrvel e, usando o Exemplo 4.1,

temos
F(t) = F(a) +
__
t
a
f
(s)ds
_
u = F(a) +
_
t
a
f
(s)u
e nalmente, dos Teoremas 4.13 e 4.14 tem-se
49
F
(t) = f
(t)u.
A funo f
(t)u contnua pois, para t T e > 0, existe > 0 tal que se [s t[ <
ento
D(f
(t)u, f
(s)u) = sup
01
h(f
(t)[u]
, f
(s)[u]
)
= sup
01
max
||x||=1
S
f
(t)[u]
(x) S
f
(s)[u]
(x)
= sup
01
max
||x||=1
(f
(t) f
(s))S
[u]
(x)
= [f
(t) f
(s)[ sup
a[u]
0
[a[ < .
Exemplo 4.4 Sejam F(t) = f(t)u como no exemplo anterior e r : T IR
n
uma funo
diferencivel. Ento a funo G(t) =
r(t)
+F(t) pode ser interpretada como F(t) se deslocado
ao longo da curva r no IR
n
.
De acordo com os Teoremas 4.8 e 4.13 temos
_
T
G =
_
T
r(t)dt
+
__
T
f(t)dt
_
u
e
G
(t) =
r
(t)
+ f
(t)u.
Fazendo f(t) = 1, obtemos G(t) =
r(t)
+ u, exemplo dado por Kaleva [17].
50
Captulo 5
Equao diferencial fuzzy
5.1 Introduo
Como intuito de modelar fenmenos comalgumgrau de incerteza, apresentamos aqui os princi-
pais resultados sobre equao diferencial fuzzy, ferramenta esta apropriada para tais fenmenos,
a exemplo das equaes diferenciais clssicas, que modelam fenmenos que admitimos serem
determinsticos.
Os resultados aqui apresentados forambasicamente desenvolvidos por Kaleva [17,18] Seikkala
[36]. Kaleva [17] desenvolve uma teoria mais abrangente, em E
n
, enquanto Seikkala [36] se
restringe ao espao E
1
. Mais recentemente, Wu e al. [41] demonstram a existncia e unici-
dade do problema de Cauchy para equaes diferenciais fuzzy com o campo satisfazendo uma
condio de Cauchy generalizada e tambm estudam a relao entre a soluo de uma equao
diferencial fuzzy e suas solues aproximadas.
Consideraes sobre parmetros fuzzy, bem como apenas a condio inicial fuzzy, so feitas
e, para este caso, vericamos que, em um certo sentido, a soluo determinstica preferida".
5.2 Equao diferencial fuzzy
Seja F : T E
n
E
n
e consideremos o problema de valor inicial
u
(t) = F(t, u(t)), u(a) = u

0
, a > 0 (5.1)
51
Lema 5.1 Seja F : T E
n
E
n
contnua. A funo u : T E
n
soluo de (5.1) se e
somente se contnua e satisfaz a equao integral
u(t) = u
0
+
_
t
a
F(s, u(s))ds (5.2)
para todo t T.
Prova: Se u(t) soluo de (5.1), ento de acordo com os Teoremas 4.13 e 4.15, u(t) contnua
e satisfaz (5.2). Por outro lado, se u(t) satisfaz (5.2), ento u(t) satisfaz (5.1) pelos Teoremas
4.13 e 4.14.
Notemos que o Lema 5.1 no pode ser estendido para t < a pois, em vista do Corolrio 4.17,
diam [u(t)]
no decrescente j que u(t) diferencivel. Porm diam [u(t)]
diam [u
0
]
por satisfazer (5.2) mesmo para t < a.

Como para o caso de espaos de dimenso nita, aqui tambm temos uma condio que nos
garante a existncia e unicidade do problema de valor inicial (5.1) em T. Mais ainda, a soluo
depende continuamente do valor inicial.
n
E
n
contnua e lipschitziana na segunda
varivel, isto , existe k > 0 tal que
D(F(t, u), F(t, v)) kD(u, v)
para todo t T, u, v E
n
. Ento o problema (5.1) tem soluo nica em T.
Apresentaremos aqui a prova dada por Kaleva [17].
Prova: Dado (t
1
, v) T E
n
e > 0 tal que k < 1, ento o problema
u
(t) = F(t, u(t)), u(t

1
) = v (5.3)
tem soluo nica emI
1
= [t
1
, t
1
+], pois para C(I
1
, E
n
), conjunto das funes contnuas
de I
1
em E
n
, dena a funo
G(t) = v +
_
t
t
1
F(s, (s))ds, t I
1
e a mtrica
52
H(, ) = sup
tI
1
D((t), (t))
em C(I
1
, E
n
). Pelo fato de (E
n
, D) ser completo, C(I
1
, E
n
) tambm completo.
Pelo Corolrio 4.7, G C(I
1
, E
n
). Mais ainda, pelo Teorema 4.8 e a continuidade de F bem
como o fato de F ser lipschitziana na segunda varivel, temos
H(G, G) = sup
tI
1
D
__
t
t
1
F(s, (s))ds,
_
t
t
1
F(s, (s))ds
_
_
t
1
+
t
1
D(F(s, (s)), F(s, (s))ds kH(, )
para todo , C(I
1
, E
n
). Portanto, pelo Teorema de Banach para contraes, G tem ponto
xo que, pelo Lema 5.1, a soluo de (5.3).
Expressando T como reunio nita de intervalos I
k
com comprimentos menores que e,
unindo cada uma das solues obtidas em I
k
, obtemos a nica soluo em T.
Corolrio 5.3 Seja F como no Teorema 5.2. Denote por u(t, u
0
) a soluo para o problema
(5.1) com valor inicial u
0
. Ento existe um nmero real q tal que
H(u(, u
0
), u(, v
0
)) qD(u
0
, v
0
)
para quaisquer u
0
, v
0
E
n
.
Prova (dada por Kaleva [17]) Sejam I
k
, k = 1, ..., m como no Teorema e denote u = u(t
k
, u
0
)
e v = u(t
k
, v
0
). Fazendo
G
u
(t) = u +
_
t
t
k
F(s, (s))ds
temos
H(G
u
u(, u
0
), G
v
u(, u
0
)) = D(u, v)
53
e usando o Teorema 5.2, vem
H(G
u
u(, u
0
), G
n
v
u(, v
0
)) H(G
u
u(, u
0
), G
v
u(, v
0
))
+
n
i=2
H(G
i1
v
u(, u
0
), G
i
v
u(, u
0
))
(1 + k + ... + (k)
n1
)D(u, v)
Como G
n
v
u(, u
0
) converge para o ponto xo u(, v
0
) = G
v
u(, v
0
) de G
v
em C(I
k
, E
n
),
temos
H(u(, u
0
), u(, v
0
)) = H(G
u
u(, u
0
), G
v
u(, v
0
))
1
1 k
D(u, v)
Fazendo induo sobre m, tem-se o resultado.
Para um caso mais geral, consideremos F : T U U contnua onde U um subconjunto
fechado de (E
n
, D). O teorema abaixo nos fornece uma condio necessria e suciente para
existncia de soluo do problema:
u
(t) = F(t, u(t)), u(a) = u

0
U (5.4)
Teorema 5.4 (Kaleva [18]). O problema de valor inicial (5.4) tem uma soluo u C(T, U)
se, e somente se, U localmente compacto.
Os exemplos abaixo so devidos a Kaleva [18].
Exemplo 5.1 O conjunto U E
n
, formado pelos conjuntos fuzzy triangulares bem como os
trapezoidais, so localmente compactos.
Figura 5.1: (a) u triangular (b) u trapezoidal.
54
Exemplo 5.2 Oconjunto U E
n
formado pelos conjuntos fuzzy com-nveis equi-lipschitzianos,
isto , existe M > 0 tal que h([u]
, [u]
) M[ [ para todo u U e , [0, 1],

localmente compacto.
Notemos que de acordo com a observao feita na Proposio 2.8, se u U ento u no
tem pontos de mximos locais prprios.
5.3 Equao diferencial fuzzy com o campo dado pela exten-
so de Zadeh
Nesta seco, nosso principal objetivo comparar as solues dos problemas de Cauchy cls-
sico e fuzzy. Mais ainda, nossa concluso, como era de se esperar, que a soluo do problema
clssico , em um certo sentido, a preferida".
Antes porm, vamos observar que para f : T IR
n
IR
n
, a extenso de Zadeh,
f : T E
n
E
n
dada por
f(t, u)(x) =
_
_
sup
B
t
(x)={(t,):f(t,)=x}
u() se B
t
(x) ,=
0 se B
t
(x) =
para todo conjunto fuzzy u : IR
n
[0, 1] e continuam valendo os resultados obtidos na Seco
3.2 do Captulo 3, desde que

f esteja bem denida. Queremos salientar que o fato de f ser
contnua no suciente para que

f(t, u) E
n
se n 2, j que [

f(t, u)]
= f(t, [u]
) para
todo t T e [0, 1]. Est claro tambm que se f : T IR
n
IR
n
for linear am, ento
f est bem denida para todo n 1 e que se F : T E

n
E
n
for dada por F(t, u) = a(t)u,
onde a : T IR contnua, ento F extenso de Zadeh da funo f : T IR
n
IR
n
dada
por f(t, x) = a(t)x. Finalmente, se f : T IR
n
IR
n
dada por f(t, x) = A(t)x com A(t)
matriz de IR
n
IR
n
inversvel para todo t, ento, de acordo com observaes feitas na Seco
3.2 do Captulo 3, a extenso

f(t, u) = u(A
1
(t)) para todo t T e u E
n
.
Consideremos agora o problema determinstico
x
(t) = f(t, x), x(a) = x

0
(5.5)
e o problema fuzzy
55
u
(t) =

f(t, u), u(a) = u
0
(5.6)
onde a > 0 e

f a extenso de Zadeh de f.
Teorema 5.5 Seja f : T IR
n
IR
n
uniformemente contnua e lipschitziana na segunda
varivel. Se

f : T E
n
E
n
estiver bem denida, isto , f leva convexo em convexo para
cada t xo, ento
(a) cada um dos problemas (5.5) e (5.6) tem soluo nica.
(b) a soluo do problema determinstico (5.5) preferida, isto , se x(t, x
0
) e u(t, u
0
) so
as solues de (5.5) e (5.6) respectivamente, ento u(t, u
0
)(x(t, x
0
)) = 1 para todo t T, se
u
0
(x
0
) = 1.
Prova:
(a) O problema (5.5) clssico. Quanto ao problema (5.6), uma nica soluo garantida pelo
Teorema 5.2, pois de acordo com o Teorema 3.5,

f lipschitziana na segunda varivel, se f o
for, e contnua pelo Teorema 3.4.
(b) Precisamos provar que para todo t T,
x(t, x
0
) [u(t, u
0
)]
1
se x
0
[u
0
]
1
.
Dado x
0
[u
0
]
1
, seja v
0
E
n
cujos nveis so
[v
0
]
=
_
_
x
0
se
1
2
< 1
[u
0
]
1
se 0
1
2
.
Como o problema (5.6), com condio inicial v
0
, tem soluo v(t) nica e, lembrando que
[

f(t, v(t))]
= f(t, [v(t)]
), o nvel [v(t)]
a nica soluo do problema de Cauchy

DX(t) = f(t, X(t)), X(0) = [v
0
]
, (5.7)
para funes com valores em conjuntos, onde D indica a derivada de Hukuhara.
Assim, se = 1 ento x(t, x
0
) e [v(t, v
0
)]
1
so solues do mesmo problema e, pela
unicidade, tem-se
x(t, x
0
) = [v(t, v
0
)]
1
56
para todo t T.
Por outro lado, se =
1
2
ento [u(t, u
0
)]
1
e [v(t, v
0
]
1
2
so solues do mesmo problema e,
de novo pela unicidade, tem-se
[u(t, u
0
)]
1
= [v(t, v
0
)]
1
2
para todo t T e como [v(t, v
0
)]
1
[v(t, v
0
)]
1
2
, conclumos que
x(t, x
0
) [u(t, u
0
)]
1
para todo t T.
Figura 5.2: x(t) e u(t): solues de 5.5 e 5.6 respectivamente.
Note que a concluso obtida no item (b) do teorema acima, continua valendo se as suas
hipteses forem trocadas por outras que garantam a existncia e unicidade da soluo do prob-
lema (5.6). Neste caso, podemos tambm observar que se u
0
IR
n
em (5.6), ento as solues
clssica e fuzzy coincidem. Finalmente, de maneira anloga que zemos para concluir que
x(t, x
0
) [u(t, u
0
)]
1
, podemos concluir que se A, B Q
C
(IR
n
) com A B, ento
X(t, A) X(t, B) onde X(t, A) e X(t, B) so as solues de (5.7) e condies iniciais
A e B respectivamente.
57
5.4 Equao diferencial fuzzy em E
1
Nesta seco vamos nos restringir ao estudo do problema de valor inicial (5.1) para o caso em
que a funo F : T E
1
E
1
e T = IR
+
, exceto quando for especicado. Mais ainda,
vamos nos restringir aos casos em que o campo F linear am"ou obtido via extenso de
Zadeh.
Lembramos que se u : T E
1
diferencivel e [u]
= [u
1
, u
2
], ento pelo Teorema 4.12,
u
1
, u
2
so diferenciveis e
[u
(t)]
= [(u
1
)
(t), (u
2
)
(t)]
para todo [0, 1].
5.5 Valor inicial fuzzy em E
1
Consideremos o problema de valor inicial fuzzy
u
(t) =

f(t, u(t)), u(0) = u
0
(5.8)
onde

f a extenso de Zadeh da funo contnua f : IR
+
IR IR e u
0
E
1
com -nveis
[u
0
]
= [u
01
, u
02
], [0, 1].
Como sabemos, se u E
1
ento
[

f(t, u)]
= f(t, [u]
)
= [minf(t, x) : x [u]
, maxf(t, x) : x [u]
].
Notemos que a continuidade de f suciente para que

f esteja bem denida j que f leva
intervalo fechado em intervalo fechado para cada t xo.
Se denotarmos [u]
= [u
1
, u
2
] e
f
1
(t, u
1
, u
2
) = minf(t, x) : x [u
1
, u
2
]
f
2
(t, u
1
, u
2
) = maxf(t, x) : x [u
1
, u
2
],
58
ento u(t) ser soluo de (5.8) no intervalo [0, b) se
_
_
(u
1
)
(t) = f
1
(t, u
1
, u
2
), u
1
(0) = u
01
(5.9a)
(u
2
)
(t) = f
2
(t, u
1
, u
2
), u
2
(0) = u
02
(5.9b)
para t [0, b) e [0, 1]. Assim para xado, temos um problema de valor inicial
em IR
2
. Se ns o resolvermos de maneira nica, teremos apenas que vericar se os intervalos
[u
1
(t), u
2
(t)] denem um conjunto fuzzy, isto , se os intervalos satisfazem ao Teorema 2.3.
Teorema 5.6 (Seikkala [36]) Suponha que
[f(t, x) f(t, x)[ g(t, [x x[), t 0, x, x IR
onde g : IR
+
IR IR
+
contnua tal que r g(t, r) no decrescente, o problema de valor
inicial
r
(t) = g(t, r(t)), r(0) = r

0
(5.10)
tem uma soluo em IR
+
para r
0
> 0 e que r(t) 0 a nica soluo de (5.10) para r
0
= 0.
Ento o problema (5.8) tem nica soluo fuzzy.
Exemplo 5.3 A funo f(t, x) = x satisfaz s hipteses do Teorema 5.6 com g(t, r) = r e
portanto o problema
u
(t) = u(t), u(0) = u

0
E
1
tem soluo nica fuzzy u em IR
+
e seus nveis so dados por
u
1
(t) =
u
01
u
02
2
e
t
+
u
01
+ u
02
2
e
t
u
2
(t) =
u
02
u
01
2
e
t
+
u
01
+ u
02
2
e
t
que so obtidos atravs das equaes (5.9a) e (5.9b). facil ver neste exemplo que se x(0) =
r
0
IR, a soluo
59
x(t, r
0
) = r
0
e
t
e se r
0
u
0
, ento
x(t, r
0
) [u
1
(t), u
2
(t)],
para todo [0, 1], isto , x(t, r
0
) tem grau de pertinncia 1 para todo t 0.
Figura 5.3: Evoluo das solues u(t, u
0
) e x(t, x
0
) no tempo.
Devido ao fato das solues fuzzy terem -nveis crescentes com t, conceitos tais como
ponto de equilbrio, estabilidade de soluo ou equilbrio assinttico so questes ainda no
muito claras em se tratando de equao diferencial fuzzy. Seikkala [36], dene
lim
t+
u(t) = E
1
se
[]
=
_
lim
t
u
1
(t), lim
t
u
2
(t)
_
e u : IR
+
E
1
.
Teorema 5.7 (Seikkala [36]) Suponha que
[f(t, x)[ g(t, [x[), t 0, x IR,
60
onde g : IR
+
IR
+
IR
+
uma aplicao contnua tal que r g(t, r) no decrescente
e para cada r
0
> 0, a soluo maximal de (5.10) existe e limitada em IR
+
. Ento o maior
intervalo de qualquer soluo u de (5.8) IR
+
e
lim
t
u(t) = E
1
Observao: Se f e g so como no Teorema 5.7 e se para cada t
0
0 e r
0
> 0 a soluo de
(5.10) existe e limitada em [t
0
, ), ento qualquer soluo fuzzy de (5.8) atravs de qualquer
condio (t
0
, u
0
) IR
+
E
1
existe em [t
0
, ) e tem um limite E
1
com t tendendo a .
Notemos tambm que o limite E
1
tal que o dimetro de qualquer -nvel deve ser maior
ou igual ao dimetro do -nvel da soluo u(t) para todo t, uma vez que o dimetro de [u(t)]
cresce com t.
5.6 Equao linear am"com coecientes fuzzy em E
1
Considere o problema de valor inicial fuzzy
u
(t) = A(t)u(t) + B(t), u(0) = u

0
E
1
(5.11)
com t 0 e coecientes A, B : IR
+
E
1
.
Das denies de soma e multiplicao entre nmeros fuzzy (ver seco 2.3) segue que se
u : IR
+
E
1
soluo de (5.11) ento seus -nveis satisfazem
_
_
(u
1
)
(t) = minA
i
(t)u
j
(t) : i, j = 1, 2 + B
1
(t), u
1
(0) = u
01
(u
2
)
(t) = maxA
i
(t)u
j
(t) : i, j = 1, 2 + B
2
(t), u
2
(0) = u
02
(5.12)
Teorema 5.8 (Seikkala [36]) Se para cada [0, 1] as funes A
i
so integrveis, ento
(5.12) tem soluo nica que so os -nveis da nica soluo de (5.11)
Corolrio 5.9 Seja T um intervalo fechado de IR
+
. Se A, B : T E
1
so contnuas, ento o
problema (5.11) tem soluo nica, dada por (5.12).
61
Prova: De acordo com o Teorema 4.5 e o Exemplo 1.1, as funes A
i
so integrveis e assim
o Corolrio 5.9 vale pelo Teorema 5.8. Um clculo direto tambm nos mostra que as hipteses
do Teorema 5.2 esto satisfeitas.
62
Captulo 6
Sistemas dinmicos fuzzy discretos
6.1 Introduo
Neste captulo, sero apresentadas as denies clssicas de estabilidade bemcomo estabilidade
assinttica de ponto xo, para funes F : (T(IR
n
), D) (T(IR
n
), D).
Como mencionado antes, o Teorema 2.3 relaciona univocamente cada elemento u T(IR
n
)
com uma famlia de subconjuntos compactos de IR
n
, seus -nveis. Assim, estudaremos quais
propriedades tero os -nveis de pontos xos estveis bem como assintoticamente estveis.
Para tanto, conceitos como os de conjunto invariante, conjunto atrator, -limite, etc. sero
importantes e podem ser encontrados em Hale [12].
A maior parte de nossas concluses refere-se ao campo fuzzy obtido via princpio de ex-
tenso de Zadeh de uma funo contnua f : IR
n
IR
n
, cujas propriedades encontram-se no
Captulo 3. Baseando-se tambm nesse princpio, Cabrelli e al. [06] e Forte e al. [09] estudam
sistemas iterados fuzzy onde as funes envolvidas so contraes. Tais sistemas generalizam
os clssicos sistemas de funes iterativos usados no estudo de construo de imagens. Com-
paraes entre as solues fuzzy e as determinsticas sero analisadas e, como no Captulo 5,
veremos tambm que a soluo deterministica preferida".
6.2 Sistemas dinmicos fuzzy discretos
Um sistema dinmico fuzzy discreto um sistema iterativo
63
u
n+1
= F(u
n
) (6.1)
onde, F : T(IR
n
) T(IR
n
) uma funo.
Dado u
0
T(IR
n
), a seqncia de iteradas
u
0
, F(u
0
), F(F(u
0
)),...
chamada de soluo ou rbita positiva de (6.1) por u
0
e F
n
(u
0
) denota a composio de F
n-vezes.
Consideremos

n
IR
n
e (6.1) dado por
f, isto ,
u
n+1
=

f(u
n
). (6.2)
Dizemos que (6.2) o sistema fuzzy associado ao sistema determinstico
x
n+1
= f(x
n
). (6.3)
O teorema a seguir nos diz que, como j havamos observado para equaes diferenciais, as
solues determinsticas so preferidas.
Teorema 6.1 Suponha que u
n
e x
n
sejam solues de (6.2) e (6.3) por u
0
e x
0
respectiva-
mente e que u
0
(x
0
) = 1. Ento u
n
(x
n
) = 1 para todo n 0.
Prova:
u
n+1
(x
n+1
) =

f(u
n
)(x
n+1
) = sup
x
n+1
=f()
u
n
() u
n
(x
n
)
j que u
n
e x
n
so solues. Assim,
u
n+1
(x
n+1
) u
n
(x
n
) ... u
0
(x
0
) = 1.
Notemos que no foi preciso usar a continuidade de f. Porm, sendo f contnua, o teorema
acima pode tambm ser provado usando a monotonicidade de

f vista no Corolrio 3.3. Observe
64
ainda que a monotonicidade de

f implica

f
n+1
(u
0
)

f
n
(u
0
) para todo n m xo, se
f
m+1
(u
0
)

f
m
(u
0
).
Para encerrar esta seco, enunciaremos alguns resultados para pontos xos.
Denio 6.1 Seja a aplicao F : T(IR
n
) T(IR
n
). Dizemos que u T(IR
n
) ponto xo
de F se F(u) = u.
Notemos que F(u) = u se, e somente se,
[F(u)]
= [u]
para todo [0, 1].

Teorema 6.2 Seja F : T(IR
n
) T(IR
n
). Se F for contrao, ento F tem nico ponto
xo.
Prova: A demonstrao clssica, j que (T(IR
n
), D) completo.
Vale a pena ressaltar que se u for o ponto xo, ento
D(F
n
(u), u)
k
n
1 k
D(F(u), u)
nos d uma cota superior ao se tomar a n-sima iterada como valor aproximado para u, onde
k a constante de contratao.
O teorema seguinte uma conseqncia do teorema do ponto xo de Tychonoff, enunciado
e demonstrado por Kaleva [16], no caso fuzzy.
Teorema 6.3 Seja K um subconjunto compacto e convexo de (E
n
, D). Toda aplicao con-
tnua de K em K tem ponto xo.
Observe que se F : T(IR
n
) T(IR
n
) for extenso de alguma funo f : IR
n
IR
n
e se x
for ponto xo de f, ento
{x}
ser ponto xo de F j que
F(
{x}
) =
f(x)
=
{x}
.
65
n
IR
n
contrao, ento a extenso de Zadeh
f : (T(IR
n
), D) (T(IR
n
), D) tem nico ponto xo que a funo caracterstica do ponto
xo de f.
Prova: uma conseqncia imediata do Teorema 3.5, do Teorema 6.2 e da observao acima.
Notemos que se F : (T(IR
n
), D) (T(IR
n
), D) for contrao e o seu ponto xo no for a
funo caracterstica de x IR
n
, ento F no extenso de Zadeh
n
IR
n
contnua e A IR
n
um conjunto compacto, ento A
invariante para f(i.. f(A) = A) se, e somente se, a funo caracterstica
A
ponto xo da
extenso de Zadeh,

f.
Prova: Pelo Teorema 3.2, temos
[

f(
A
)]
= f([
A
]
) = f(A) = A = [
A
]
[0, 1].
Na seco seguinte, vamos estudar algumas propriedades de estabilidade do ponto xo,
levando-se em conta as particularidades do espao (T(IR
n
), D).
6.3 Estabilidade do ponto xo
Denio 6.2 Dizemos que um ponto xo u de F : T(IR
n
) T(IR
n
) estvel se para todo
> 0 existir um > 0 tal que, para todo u para o qual D(u, u) < , as iteradas por u satisfazem
D(F
n
(u), u) < para todo n 0. Um ponto xo u dito instvel se no for estvel. Um
ponto xo u assintoticamente estvel se ele for estvel e mais, existir r > 0 tal que para todo
u com D(u, u) < r, tem-se lim
n+
D(F
n
(u), u) = 0.
Observemos que, de acordo com a Proposio 2.6, se u assintoticamente estvel, ento
F
n
(u)
H
u para todo u tal que D(u, u) < r.
A seguir, vamos reescrever a denio acima, para os nveis do ponto xo u.
Denio 6.3 O ponto xo u de F : T(IR
n
) T(IR
n
) estvel se e somente se para todo
> 0 existir > 0 tal que, para todo u para o qual sup
01
h([u]
, [u]
) < , as iteradas por u

66
satisfazem sup
01
h([F
n
(u)]
, [u]
) < , para todo n 0 e u assintoticamente estvel se for

estvel e lim
n+
sup
01
h([F
n
(u)]
, [u]
) = 0 desde que sup

01
h([u]
, [u]
) < r.
Agora, se u estvel ento h([F
n
(u)]
, [u]
) < para todo [0, 1] e n 0, que

equivalente a
infs : [F
n
(u)]
B([u]
, s) e [u]
B([F
n
(u)]
, s) < .
Conseqentemente temos
[F
n
(u)]
B([u]
, ) e [u]
B([F
n
(u)]
, ) para todo [0, 1] e n 0.

Se lim
n+
sup
01
h([F
n
(u)]
, [u]
) = 0 ento para todo [0, 1] tem-se

lim
n+
h([F
n
(u)]
, [u]
) = 0
que implica
lim
n+
inf([F
n
(u)]
) = lim
n+
sup[F
n
(u)]
= [u]
,
de acordo com o Teorema 1.4.
Assim, se lim
n+
D(F
n
(u), u) = 0 temos
[u]
= y IR
n
: y = lim
n+
y
n
, y
n
[F
n
(u)]
= y IR
n
: y = lim
j+
y
n
j
, y
n
j
[F
n
j
(u)]
j0
_
nj
[F
n
(u)]
para todo [0, 1].

Exemplo 6.1 Seja u
n+1
= max[ a, u
n
] onde
a(t) =
_
_
a se t [0, 1]
0 se t / [0, 1]
67
com 0 a 1. Atravs de um clculo direto, podemos vericar que todo ponto inicial u
0
tem rbita com apenas um ou dois elementos e existe uma innidade de pontos xos estveis,
porm no assintoticamente estveis.
Exemplo 6.2 (Caso linear"). Seja
u
n+1
= F(u
n
)
onde F : E
1
E
1
dada por F(u) = u, E
1
. claro que

0 =
{0}
ponto xo.
Supondo []
= [
1
,
2
], [u]
= [u
1
, u
2
] com
i
e u
i
positivos, temos
[F(u)]
= [
1
u
1
,
2
u
2
], [0, 1]
de acordo com a denio de multiplicao, dada no nal da Seco 2.3.
Dada uma condio inicial u
0
com [u
0
]
= [u
01
, u
02
] e u
01
positivo, fcil ver que
[F
n
(u
0
)]
= [
n
u
0
]
= [(
1
)
n
u
01
, (
2
)
n
u
02
], [0, 1].
Assim,
D(F
n
(u
0
),
0) = sup
x[f
n
(u
0
)]
0
[x[ = (
0
2
)
n
u
0
02
para todo u
0
E
1
.
Portanto, como D(u
0
,
0) = u
0
02
, tem-se estabilidade assinttica em

0 se []
0
[0, 1) e insta-
bilidade se []
0
, [0, 1].
Notemos que diferentemente da soluo de equaes diferenciais fuzzy, o dimetro do -
nvel da soluo
(
2
)
n
u
02
(
1
)
n
u
01
que decresce com n se []
[0, 1).
Observemos tambm que, embora o campo F acima no tenha sido obtido via extenso de
Zadeh, temos que qualquer problema determinstico linear com coeciente a e condio inicial
x
0
satisfazendo
1
a
1
, u
01
x
0
u
02
para todo x [0, 1], tem-se
68
(
1
)
n
u
01
a
n
x
0
(
2
)
n
u
02
, [0, 1].
Isto , a soluo do problema determinstico
x
n+1
= ax
n
, x
0
tem grau de pertinncia 1 (i., preferida), resultado anlogo ao Teorema 6.1.
Como veremos no Captulo 7, esse um exemplo que ter utilidade na modelagem de fen-
menos onde julgamos apenas os parmetros multiplicativos serem fuzzy.
A prxima seco ser dedicada ao estudo de estabilidade de pontos xos, apenas para o
caso em que o campo obtido via princpio de extenso de Zadeh.
6.4 Estabilidade do ponto xo da extenso de Zadeh
Nesta seco a funo

f : T(IR
n
) T(IR
n
) ser a extenso de Zadeh da funo contnua
f : IR
n
IR
n
e assim u ponto xo de

f se, e somente se, seus -nveis [u]
so conjuntos
invariantes para f, uma vez que o Teorema 3.2 nos permite concluir que
[u]
= [

f(u)]
= f([u]
), [0, 1].
Por outro lado, como [

f
n
(u)]
= f
n
([u]
), ento se lim
n
h([

f
n
(u)]
, [u]
) = 0, temos
[u]
= lim
n
f
n
(x
n
), x
n
[u]
= lim
j+
f
n
j
(x
j
), x
j
[u]
j0
_
nj
f
n
([u]
)
69
ou seja, [u]
= ([u]
) onde (B) o conjunto -limite do conjunto B, cuja denio

(B) =
j0
_
nj
f
n
(B) (ver Hale [12], pg. 8).
Em particular, (x) [u]
para todo x [u]
.
A seguir, enunciaremos um lema que ser usado repetidamente neste captulo.
Lema 6.6 Seja

X T(IR
n
) a funo caracterstica do conjunto compacto X IR
n
. Ento a
bola aberta
B(

X, r) = u T(IR
n
) : D(

X, u) < r
= u T(IR
n
) : [u]
0
B(X, r) e X B([u]
1
, r) = F
Prova: Se u B(

X, r), ento sup
01
h(X, [u]
) < r
ou
sup
01
inf : [u]
B(X, ) e X B([u]
, ) < r
que implica
i() = inf : [u]
B(X, ) e X B([u]
, ) < r
para todo [0, 1].
Portanto [u]
B(X, r) e X B([u]
, r) para todo [0, 1]. Em particular tem-se

[u]
0
B(X, r) e X B([u]
1
, r) e assim u F.
Se u F, ento [u]
0
B(X, r) e X B([u]
1
, r), logo [u]
[u]
0
B(X, r) e
X B([u]
1
, r) B([u]
, r) para todo [0, 1]. Assim, como X e [u]
so compactos,
B(X, r) e B([u]
, r) so abertos e tem-se i() < r para todo [0, 1]. Agora,

i() maxi(0), i(1) < r
para todo [0, 1], de acordo com a Proposio 1.3, j que
70
i() = h([u]
, X) e [u]
1
[u]
[u]
0
.
Logo,
sup
01
i() < r isto , u B(

X, r).
Analogamente, prova-se que a bola fechada
B[

X, r] = u T(IR
n
) : [u]
0
B[X, r] e X B([u]
1
, r)
Agora, de um modo geral B(u, r) = B[u, r]u T(IR
n
), pois B(u, r) B[u, r] porque
T(IR
n
, D) espao mtrico. Por outro lado, se b B[u, r], b B(u, r) B(u, r) ou
D(u, b) = r, ento, dado > 0, tomemos t > 0 tal que 0 < rt < e x =
rt
r
u+
t
r
b T(IR
n
).
Uma vez que v + v = ( + )v e que D(
1
+
3
,
2
+
3
) = D(
1
,
2
), conclumos que
x B(u, r) e x B(b, ) logo b B(u, r). Em particular temos
B(

X, r) = B[

X, r].
Corolrio 6.7 Se o conjunto X for unitrio, X = x, ento segue do Lema 6.6 que
B(

X, r) = u T(IR
n
) : [u]
0
B(x, r)
e que, da denio da mtrica D,
D(
{x}
, u) = sup
x[u]
0
[[x x[[.
Baseando-se no corolrio acima, demonstraremos um resultado que nos permite relacionar
a estabilidade do ponto xo x com a estabilidade do conjunto fuzzy
{x}
. Antes, porm,
interessante notar que o Corolrio 6.7 nos garante ainda a continuidade de

f em todos os pontos
da forma
{x}
, x IR
n
.
71
n
IR
n
contnua com f(x) = x e

f sua extenso de Zadeh. Ento,
a)
{x}
estvel para o sistema (6.2) se, e somente se, x estvel para o sistema (6.3).
b)
{x}
assintoticamente estvel para o sistema (6.2) se, e somente se, x assintoticamente
estvel para (6.3).
Prova:
a) Por hiptese dado > 0 existe > 0 tal que se [[x x[[ < ento [[f
n
(x) x[[ <
para todo n 0. Se D(u,
{x}
) < ento sup
x[u]
0
[[x x[[ < que implica [[f
n
(x) x[[ <
para todo x [u]
0
B(x, ). Logo sup
x[u]
0
[[f
n
(x) x[[ < ou sup
yf
n
([u]
0
)
[[y x[[ < ou
ainda sup
y[

f
n
(u)]
0
[[y x[[ < pois f contnua.
Logo, pelo Corolrio 6.7,
D(

f
n
(u),
{x}
) < .
Para mostrar a estabilidade de x, a partir da estabilidade de
{x}
, basta observar que
[[x x[[ = D(
{x}
,
{x}
)
e
f
n
(
{x}
) =
f
n
(x)
.
b) Por hiptese, existe r > 0 tal que se [[x x[[ < r ento lim
n
[[f
n
(x) x[[ = 0. Suponha
que D(
{x}
, u) < r.
A partir do Corolrio 6.7, devemos provar que para cada > 0, existe n
0
tal que se n > n
0
ento f
n
([u]
0
) B(x, ).
Pela estabilidade de x, dado > 0, existe > 0 tal que se [[xx[[ < ento [[f
n
(x)x[[ <
para cada n > 0.
Agora, para cada x [u]
0
, existe um natural n
x
tal que f
n
x
(x) B(x, ), j que o ponto
xo x atrai cada ponto de B(x, r). Pela continuidade de f podemos escolher uma vizinhana
72
aberta V
x
de x de modo que f
n
x
(V
x
) B(x, ). Variando x no compacto [u]
0
, obtemos uma
cobertura aberta de [u]
0
: C = V
x
: x [u]
0
.
Seja V
x
1
, V
x
2
, ..., V
x
k
uma subcobertura nita de [u]
0
, correspondente aos pontos x
1
, x
2
, ..., x
n
k
e n
0
= maxn
x
1
, n
x
2
, ..., n
x
k
. Para cada x [u]
0
e n > 0, f
n
0
+n
(x) B(x, ) j que x V
x
i
,
para algum i 1, 2, ..., k. Logo f
n
0
+n
([u]
0
) B(x, ).
Assim temos,
0 = lim
n
sup
x[u]
0
[[f
n
(x) x[[ = lim
n
sup
yf
n
([u]
0
)
[[y x[[ =
= lim
n
sup
y[

f
n
(u)]
0
)
[[y x[[ = lim
n
D(

f
n
(u),
{x}
)
que o que queramos.
O argumento usado no m da demonstrao do item a) serve para provar que
{x}
assin-
toticamente estvel se x o for.
A estabilidade, tanto num sentido quanto no outro, garantida pelo item a).
Corolrio 6.9 Seja f : IR
n
IR
n
, de classe C
1
e f(x) = x. Sendo
i
os autovalores de
f
(x), ento
a) Se [
i
[ < 1, para todo i,
{x}
assintoticamente estvel para (6.2).
b) Se [
i
[ > 1, para algum i,
{x}
instvel para (6.2).
Prova: uma conseqncia imediata do teorema anterior j que, nestas condies, o corolrio
vale para (6.3).
Com o propsito de tornar o Teorema 6.8 mais geral, lanaremos mo do Lema 6.6 e das
propriedades da funo

f, vistas no Captulo 3, para investigar que relaes de estabilidade h
entre o conjunto clssico A IR
n
e o conjunto fuzzy
A
. Para isto, iremos precisar de vrios
conceitos como o de conjunto invariante isolado, conjunto atrator, etc.
A seguir, daremos algumas denies de acordo com Hale [12].
Um conjunto invariante J dito isolado, se existe uma vizinhana de J tal que se K um
conjunto invariante e est nesta vizinhana, ento K J.
73
Um conjunto A IR
n
atrai um conjunto B IR
n
sob a aplicao T : IR
n
IR
n
se
para todo > 0 existir um n
0
= n
0
(, A, B) tal que T
n
(B) est contido em B(A, )
para n n
0
onde B(A, ) a bola aberta de centro A e raio . A atrator global se for
compacto maximal invariante (qualquer outro compacto invariante est contido em A) e atrai
todo conjunto limitado de IR
n
. Diz-se que um conjunto A atrator local se A compacto
invariante e h uma vizinhana limitada B de A tal que A atrai B.
Corolrio 6.10 Seja u T(IR
n
) e u
a funo caracterstica do nvel [u]
. Ento u
B( u
, r) se, e somente se, [u]
B([u]
, r). Isto , u
so isolados se, e somente se, existe

r = r() > 0 tal que [u]
, B([u]
, r) para < e [u]
,= [u]
.
Prova: uma conseqncia do Lema 6.6 e do fato que [u]
[u]
se > .
Observamos que as funos escadas u : IR
n
[0, 1] so desse tipo.
Teorema 6.11 Seja

f : T(IR
n
) T(IR
n
) a extenso de Zadeh, da funo contnua
f : IR
n
IR
n
. Se u ponto xo de

f e lim
n
D(

f
n
(u), u) = 0 para D(u, u) < r, en-
to os nveis [u]
atraem os nveis [u]
atravs de f.
Prova: Por hiptese, se u B(u, r), vale que para todo > 0 existe n
0
= n
0
() tal que se
n n
0
, D(

f
n
(u), u) < o que garante h(f
n
([u]
), [u]
) <
ou
h(f
n
([u]
), [u]
) = infs : f
n
([u]
) B([u]
, s) e [u]
B(f
n
([u]
), s) <
e da
f
n
([u]
) B([u]
, )
que o que queramos. E mais, devido mtrica D, existe uma uniformidade em no sentido
de que n = n() para todo .
O fato de f
n
([u]
) B([u]
, ) para n n
0
nos permite concluir tambm que se x [u]
,
ento
74
f
n
(x) B([u]
, ) B([u]
, ).
Como B([u]
, ) compacto, pois [u]
compacto, ento f
n
(x) possui subseqncia conver-
gente. Logo (x) ,= para todo x [u]
.
Corolrio 6.12 Se f e

f so como no Teorema 6.11, lim
n+
D(

f
n
(u), u) = 0 para todo
u B(u, r), r > 0, e X IR
n
compacto e invariante para f com [u]
0
B(X, r) e
X B([u]
1
, r), ento u =

X.
Prova: Do Lema 6.6 segue que D(u,

X) < r, logo lim
n+
D(

f
n
(

X), u) = 0 ou lim
n+
D(

X, u) =
0 j que

X xo para

f. Assim
D(

X, u) = 0 ou u =

X.
Corolrio 6.13 Se f,

f e u so como no Corolrio 6.12 e u ponto xo de

f com [u]
B([u]
1
, r) e [u]
0
B([u]
, r), para algum [0, 1], ento [u]

0
= [u]
1
.
Prova: conseqncia imediata do Corolrio 6.12 fazendo [u]
= X.
Corolrio 6.14 Se f,

f e u so como no Corolrio 6.13 e [u]
0
B([u]
1
, r) ento [u]
0
= [u]
1
.
Prova: Conseqncia do Corolrio 6.13.
Observao: Dos Corolrios 6.12 a 6.14 concluimos que os nicos pontos xos de

f, assintoti-
camente estveis, com h([u]
0
, [u]
1
) < r, so do tipo funo caracterstica de algum subconjunto
compacto X de IR
n
e para este caso temos o
Corolrio 6.15 Se f e

f so como no Teorema 6.11, ento o ponto xo

X de

f estvel
se, e somente se, para todo > 0 existe > 0 tal que se u T(IR
n
) com [u]
0
B(X, ) e
X B([u]
1
, ) ento f
n
([u]
0
) B(X, ) e X B(f
n
([u]
1
), ) para todo n 0.
Demonstrao: Conseqncia imediata da denio de estabilidade e do Lema 6.6.
75
Corolrio 6.16 Se f,

f e

X so como no corolrio acima, ento (x) X para todo x
prximo a X.
Prova: Seja [u]
= B[X, ] com 0 < < r. Pelo Lema 6.6, u B(

X, r) e assim
X = (B[X, ]), donde (x) X.
Observe que B[X, ] IR
n
compacto se X o for.
Como no estudo de dinmica do ponto xo, os casos em que os pontos xos so isolados
desempenham um importante papel. O Corolrio 6.10 sugere que nossa ateno esteja voltada
para pontos xos u : IR
n
[0, 1] com grcos tipo escada. Mais ainda, os Corolrios 6.12
a 6.15 nos informam que o caso em que o ponto xo

X de

f a funo caracterstica do
conjunto compacto X IR
n
merece ateno especial.
A seguir, enunciaremos alguns resultados para o ponto xo

X de

f, que generalizam o
Teorema 6.8.
Teorema 6.17 Seja

X a funo caracterstica do conjunto compacto X IR
n
tal que

f(

X) =
X e

X assintoticamente estvel para

f. Nestas condies tem-se
X =
n0
f
n
(B[X, ]).
para todo [0, r[ com r dado pela Denio 6.2.
Prova: Seja u T(IR
n
) tal que [u]
= B[X, ] onde [0, r[.

Pelo Lema 6.6 fcil ver que u B(

X, r). Logo, pelo Teorema 6.11, X atrai B[X, ]. Como
X B[X, ] e w(B[X, ]) = X, segue do Lema 2.1.1, pg. 9, Hale [12], que
X =
n0
f
n
(B[X, ]).
Notemos que em particular o conjunto X atrator local j que X atrai a vizinhana B[X, ],
como visto no Teorema 6.11. No entanto, X ser atrator local no suciente para que

X seja
assintoticamente estvel para

f. Veja exemplo a seguir.
Exemplo 6.3 Seja x
n+1
= f(x
n
), onde
76
f(x) =
3
x 3 + 3
2
3
9
.
Os pontos xos de f so x
1
= 3
8
3
3
e x
2
= 3 +
1
3
3
, com f
(x
2
) = 1.
Figura 6.1: f do exemplo 6.3 e seus pontos xos.
O conjunto X = [x
1
, x
2
] atrator local para f. Entretanto, a funo caracterstica

X, de X,
no assintoticamente estvel para

f, j que dado qualquer u
0
T(IR
n
) prximo a

X, da
forma
[u
0
]
= [u
0
]
0
= [x
1
+, x
2
]
para todo [0, 1], e > 0, apropriado, temos
[

f
n
(u
0
)]
= f
n
([u
0
]
0
)
e
lim
n+
h(f
n
([u
0
]
0
), x
1
) = 0,
que implica
77
lim
n+
h(f
n
([u
0
]
0
), [u
o
]
0
) ,= 0.
Portanto, pela Proposio 2.3,

f
n
(u
0
)
H
,

X e conseqentemente

f
n
(u
0
)
D
,

X, que o que
queramos.
Na verdade, o que podemos observar nesse exemplo que X , B(f
n
([u]
1
, ) para innitos
valores de n, seja qual for o intervalo [u]
1
contido propriamente em X e, em vista do Lema 6.6,
X no assintoticamente estvel.
Os resultados seguintes referem-se s condies necessrias para pontos xos assintotica-
mente estveis da funo

f.
Lema 6.18 Seja

n
IR
n
. Se
lim
n+
D(

f
n
( x), u) = 0 para algum x IR
n
, ento u a funo caracterstica de algum ponto
de IR
n
.
Prova: Em vista do Teorema 3.2 e Corolrio 6.7, basta ver que
lim
n+
D(

f
n
( x), u) = 0 lim
n+
sup
y[u]
0
[[f
n
(x) y[[ = 0
e conseqentemente tem-se o resultado.
Teorema 6.19 Se f e

f so como no Lema 6.18 e u um ponto xo de

f, assintoticamente
estvel, com diam[u]
0
< r, com r dado pela Denio 6.2, ento u a funo caracterstica
de algum ponto de R
n
.
Prova: Se diam[u]
0
< r, ento de acordo com o Lema 6.6, para todo x [u]
0
, tem-se
D(u, x) < r. Logo lim
n+
D(

f
n
( x), u) = 0 e da, pelo Lema 6.18, tem-se o resultado.
Teorema 6.20 Se f e

f so como no Teorema 6.19 e u globalmente assintoticamente estvel,
ento u a funo caracterstica de algum ponto de IR
n
.
Prova: uma conseqncia imediata do Lema 6.18 j que, neste caso, lim
n+
D(

f
n
( x), u) = 0
para todo x IR
n
.
78
Notemos que de acordo com o Teorema 6.8, o estudo da dinmica de pontos xos u, que
esto nas hipteses dos Teoremas 6.19 ou 6.20, se resume ao estudo da dinmica dos pontos
xos para a funo f : IR
n
IR
n
.
Vamos encerrar este captulo com uma pequena introduo ao estudo de rbitas peridicas.
Denio 6.4 Um ponto u
T(IR
n
) chamado de ponto peridico de perodo p ou p-
peridico da funo F : T(IR
n
) T(IR
n
) se p o menor inteiro positivo tal que F
p
(u
) = u
,
onde F
p
indica composio. Oconjunto de todas as iteradas de umponto p-peridico chamado
de rbita p-peridica ou p-ciclo.
Um ponto p-peridico u
um ponto xo da aplicao F
p
. Conseqentemente, a noo de
estabilidade de u
segue aquela de ponto xo.

Denio 6.5 Um ponto p-peridico u
dito ser estvel, assintoticamente estvel, ou instvel

se u
, respectivamente, um ponto estvel, assintoticamente estvel ou instvel da aplicao

F
p
.
Se

n
IR
n
, ento fcil ver que x
um ponto p-peridico de f se, e somente se, a funo caracterstica x
de x
um ponto
p-peridico de

f, uma vez que [

f
n
( x)]
= f
n
(x) para todo n 0 e [0, 1], onde x uma
funo caracterstica de x IR
n
. Lembremos tambm que

f contnua em x, como vimos na
observao do Lema 6.6. Agora, baseando-se no Teorema 6.8, ns temos o seguinte:
Teorema 6.21 Se

n
IR
n
, ento x
p-
peridico estvel (assintoticamente estvel, instvel) para f se, e somente se, x
p-peridico
estvel (assintoticamente estvel, instvel) para

f.
Prova: uma conseqncia imediata do Teorema 6.8 aplicado funo f
p
.
Corolrio 6.22 Seja x
um ponto 2-peridico da funo de classe C

1
, f : IR IR. Se
[f
(f(x
))f
(x
)[ < 1, ento a rbita por x
estvel.
Prova: uma conseqncia do Teorema 6.21 e do fato de [f
(f(x
)).f
(x
)[ < 1 implicar a
estabilidade da rbita por x
. Ver Edelstein [08].

79
Assim como zemos com o corolrio acima, que relaciona as dinmicas das rbitas de x
e x
, questes como bifurcao e caos podem ser transportadas do caso clssico para o caso
fuzzy, quando tratamos da extenso de Zadeh. Para o caso mais geral em que F : E
n
E
n
,
Kloeden [23] nos d uma condio suciente para que F seja catica.
80
Captulo 7
Consideraes sobre a modelagem fuzzy
7.1 Introduo
O estudo de problemas e situaes reais usando matemtica como ferramenta para sua com-
preenso, simplicao e resoluo, visando uma possvel tomada de deciso com relao ao
objeto estudado, faz parte do processo que se convencionou chamar Modelagem Matemtica.
Quando o problema a ser analisado das Cincias Biolgicas, a modelagem matemtica recebe
o nome de Biomatemtica.
Os modelos biomatemticos so usualmente propostos por meio de equaes diferenciais
quando se considera as variveis de estado dependentes do tempo t, variando continuamente.
O uso de equaes de diferenas indicado para modelar fenmenos em que t assume valores
discretos.
Os paradgmas, para os quais as variveis de estado so discretas, so de natureza estocstica
e portanto suas solues so processos estocsticos, isto , em cada instante t, tem-se uma
funo de densidade de distribuio para as variveis de estado.
A estocasticidade em um modelo biomatemtico pode ser uma imposio ou da prpria
varivel de estado, que tem esta caracterstica, ou devido a alguns parmetros introduzidos no
modelo, inicialmente determinsticos, estarem sujeitos utuaes aleatrias. Estes dois casos
so denominados estocasticidade demogrca e ambiental, respectivamente (May [25], Turelli
[39]).
81
Em se tratando de modelagem matemtica, at mesmo os clssicos modelos determinsticos
esto sujeitos s imprecises que podem ser causadas tanto pela natureza das prprias variveis
de estado envolvidas, como pelos parmetros que so introduzidos nas formas de coecientes do
modelo, condies iniciais, etc. Nestes modelos, a identicao dos parmetros normalmente
baseada em mtodos estatsticos, a partir de dados obtidos experimentalmente e da escolha de
algum mtodo adequado para a identicao dos mesmos.
Rkov [33] discute e exemplica algumas metodologias de identicao de parmetros.
De qualquer forma, os dados coletados, bem como o mtodo adotado, quase sempre esto
carregados de impreciso e elementos de incerteza causados tanto pelo prprio processo de
medio como por algum tipo de subjetividade na adoo do mtodo.
O que propomos neste captulo , de certa forma, generalizar os conceitos de estocastici-
dade demogrca e ambiental, utilizando a subjetividade proveniente do "fuzziness"a que os
fenmenos biolgicos esto sujeitos.
A teoria de conjuntos fuzzy, formalizada por Zadeh [42], tem o intuito de dar um tratamento
matemtico s questes subjetivas e pode ser, em muitos casos, uma ferramenta indispensvel
para a anlise e compreenso de certas situaes reais, especicamente em dinmica de popu-
lao.
As idias de fuzziness demogrca e fuzziness ambiental sero dadas atravs dos conceitos
de equaes diferenciais fuzzy, desenvolvido no Captulo 5, e de equaes de diferenas fuzzy
(ou sistemas fuzzy discretos) apresentados no Captulo 6.
7.2 Fuzziness demogrca
Em uma mesma espcie a variao comportamental pode ser bastante acentuada quando consid-
eramos seus elementos isoladamente. Entretanto, quando analisamos os grupos destes indiv-
duos, a diversidade comportamental acontece em grau mais reduzido. Por exemplo, o conceito
de predador pode estar carregado de subjetividade se olharmos cada indivduo de uma determi-
nada espcie que pode estar sujeito s mais variadas situaes particulares. Pode um predador,
com um certo nvel de predao, se tornar presa dependendo de circunstncias intrnsecas da
82
espcie ou mesmo ambientais. Em casos como estes devemos nos preocupar com o grau de
predao da espcie. De modo geral, se quisermos quanticar a qualidade subjetiva em estudo,
devemos atribuir valores ou graus que traduzam satisfatoriamente esta qualidade e isto nem
sempre pode ser conseguido atravs de medio ou estatsticas.
Os modelos estocsticos so bastante teis para se investigar as conseqncias das variaes
sujeitas s distribuies de dados estatsticos como esperana de vida, fertilidade, captura, etc.
Porm, para se analisar a dinmica populacional de uma espcie baseada nos diferentes graus
de predao, competio, sobrevivncia, etc. acreditamos que a teoria fuzzy possa ser a mais
adequada.
Assim como nos casos determinsticos e estocsticos, as ferramentas de modelagem aqui
so tambm as equaes diferenciais fuzzy e os sistemas fuzzy discretos. Em ambos os casos,
as estruturas fuzzy podem ser introduzidas devido apenas condio inicial (impreciso ou
mesmo subjetividade do quanto o indivduo inicialmente presa ou predador, por exemplo).
Se estivermos modelando um fenmeno desta natureza, isto , com condio inicial fuzzy, o
princpio de extenso de Zadeh pode ser a ferramenta ideal para a modelagem.
Vamos em seguida ilustrar o conceito de fuzziness demogrca onde a condio inicial
um conjunto fuzzy em E
1
.
Exemplo 7.1 (Malthus-contnuo)
u
(t) = au(t), u(0) = u

0
E
1
(7.1)
Para achar a soluo de (7.1), faamos [u(t)]
= [u
1
(t), u
2
(t)] e, pelo que vimos na Seo 5.5,
devemos resolver os sistemas
_
_
(u
1
)
(t) = au
1
(t) , u
1
(0) = u
01
(u
2
)
(t) = au
2
(t) , u
2
(0) = u
02
a 0 (7.2)
_
_
(u
1
)
(t) = au
2
(t) , u
1
(0) = u
01
(u
2
)
(t) = au
1
(t) , u
2
(0) = u
01
a < 0 (7.3)
para cada [0, 1].
As solues de (7.2) e (7.3) existem, pelo Teorema 5.6, e so dadas respectivamente por:
83
_
_
u
1
(t) = u
01
e
at
u
2
(t) = u
02
e
at
a 0
e
_
_
u
1
(t) =
(u
01
u
02
)
2
e
at
+
u
01
+u
02
2
e
at
u
2
(t) =
(u
02
u
01
)
2
e
at
+
u
01
+u
02
2
e
at
a < 0
Notemos que para o caso em que a 0, o nvel [u(t)]
1
se afasta da soluo nula enquanto que
se a < 0, as solues tornam-se cada vez mais difusas, porm o nvel [u(t)]
1
aproxima-se da
soluo nula, supondo [u
0
]
1
com apenas um ponto (Fig 7.1).
Figura 7.1: Comportamento das solues do Exemplo 7.1 para a 0 e a < 0.
Exemplo 7.2 (Malthus- discreto).
u
n+1
= au
n
, u(0) = u
0
, a > 0 (7.4)
cuja soluo u
n
= a
n
u
0
, de acordo com a denio de multiplicao de nmero real por
conjunto fuzzy. fcil ver que o nico ponto xo

0 se a ,= 1 e que qualquer ponto u E
1
xo se a = 1.
84
A dinmica desse sistema a mesma do sistema determinstico, de acordo com o Teorema
6.8, ou seja,

0 assintoticamente estvel se a < 1, estvel se a = 1 e instvel se a > 1.
Observemos que (7.3) e (7.4) foram obtidos pela extenso de Zadeh da funo f : IR IR
dada por f(x) = ax.
Nos exemplos 7.1 e 7.2, podemos notar a grande diferena do ponto de vista qualitativo
quanto s suas solues: enquanto o dimetro da soluo de 7.1 cresce com o tempo t, tornando-
a mais difusa, o mesmo no ocorre com as solues 7.4 se a < 1.
O exemplo seguinte tem sido objeto de estudo intensivo nos ltimos anos. Por ser no linear,
ele exibe muitos fenmenos importantes que so generalizados em sistemas dinmicos. May
[24] j o explorou interpretando-o como modelo de crescimento populacional. Questes tais
como bifurcao, caos e construo de imagens so tpicos nos quais o nosso exemplo est
presente (Ver Hale [13] , Edelstein [08], Devaney [07] , Forte [09]).
Aqui no estudaremos as estabilidades das rbitas, a no ser dos pontos xos e tambm
daquelas que so funes caractersticas das rbitas determinsticas.
Exemplo 7.3 (logstico-discreto).
Seja a funo logstica normalizada
f(x) = ax(1 x),
com 1 a 4, uma vez que queremos x 0. Vamos investigar os pontos xos da extenso
de Zadeh

f, alm das funes caractersticas

0 e x
a
, x
a
= 1
1
a
. De acordo com o que vimos
na Seco 6.2, devemos resolver a equao f([u]
) = [u]
= [u
1
, u
2
], para todo [0, 1], isto
_
u
1
= min
u
1
xu
2
f(x)
u
2
= max
u
1
xu
2
f(x)
(7.5)
Se 1 a 2, ento x
a
= 1
1
a

1
2
Seja u E
1
tal que

f(u) = u. Ento.
u
0
2
= max
u
0
1
xu
0
2
f(x) max
xIR
f(x) = f(
1
2
) =
a
4

1
2
.
85
Logo, u
2

1
2
para todo [0, 1]. Portanto, como f crescente em (,
1
2
], (7.5) dado por
_
_
u
1
= f(u
1
) = au
1
(1 u
1
)
u
2
= f(u
2
) = au
2
(1 u
2
)
(7.6)
Assim, a nica soluo de (7.6), alm de

0 e x
a
, o conjunto fuzzy u E
1
tal que [u]
= [0, x
a
],
para todo [0, 1].
Se a > 2, ento x
a
= 1
1
a
>
1
2
. Neste caso, consideremos todas as possibilidades de pontos
xos baseados nos valores de u
0
1
e u
0
2
.
Para u
0
2

1
2
, as solues de (7.6), para todo [0, 1], so u
1
= 0 e u
2
= x
a
>
1
2
o que
contradiz o fato de u
2
u
0
2

1
2
. Portanto no existem novos pontos xos se u
0
2

1
2
.
Para u
0
2

1
2
, (7.5) dado por
_
_
u
1
= f(u
2
) = au
2
(1 u
2
)
u
2
= f(u
1
) = au
1
(1 u
1
)
(7.7)
uma vez que f decrescente em [
1
2
, +).
Mudando as variveis a m de simplicar a notao de (7.7) temos:
_
x = ay(1 y)
y = ax(1 x)
da,
x = a
2
x(1 x)[1 ax(1 x)] = f
2
(x),
isto , as coordenadas das solues do sistema acima so exatamente os pontos xos de f
2
(x)
que so dados por x = 0, x
a
= 1
1
a
e x
1
, x
2
=
a + 1
_
(a 3)(a + 1)
2a
, (Ver Edelstein
[08]). Assim, se 2 < a < 3, x
1
e x
2
no so reais, portanto a nica soluo de (7.7)
u
1
= u
2
= x
a
, [0, 1]. Por outro lado, se 3 a < 4, as solues de (7.7) so
u
1
= u
2
= x
a
ou u
1
= x
1
e u
2
= x
2
, [0, 1]. Porm, neste ltimo caso, devemos
observar que u
0
1
= x
1

1
2
se, e somente se, 3 a 1 +
5. Desta forma, alm de

0 e x
a
,
temos o novo ponto xo u denido por [u]
= [x
1
, x
2
] = [x
1
, f(x
1
)] para todo [0, 1].
86
Finalmente, se a = 4, temos novamente u
1
= u
2
= x
a
como nica soluo de (7.7).
Agora, se u
1
<
1
2
e u
2
>
1
2
para algum , ento (7.5) dado por
_
_
u
1
= minf(u
1
), f(u
2
)
u
2
= f(
1
2
) =
a
4
(7.8)
Portanto, se u
1
= f(u
1
) ento u
1
= 0. Se u
1
= f(u
2
), ento u
1
= f(
a
4
) =
a
2
16
(4 a), neste
caso no difcil ver que f(
a
4
)
1
2
, isto ,
a
2
16
(4 a)
1
2
se, e somente se, a 1 +
5.
Em resumo temos
Se 1 a 2, os nicos pontos xos do exemplo 7.3 so os seguintes:

0; x
a
e u
1
denido
por [u
1
]
= [0, x
a
], [0, 1].
Se 2 < a 3, alm dos pontos xos

0 e x
a
, temos o ponto xo u
2
denido por [u
2
]
= [0,
a
4
].
Se 3 < a 1 +
5, alm de

0, x
a
e u
2
, temos tambm o ponto xo u
3
com [u
3
]
=
[x
1
, x
2
], [0, 1].
Se 1 +
5 < a < 4, os pontos xos so

0, x
a
, u
2
, u
4
, com [u
4
]
= [f(
a
4
),
a
4
] e u
5
denido
por:
[u
5
] =
_
_
[0, f(
a
4
)] se
[f(
a
4
),
a
4
] se >
para todo [0, 1] e algum .
87
Se a = 4 os nicos pontos xos so

0, x
a
e u
6
com [u
6
]
= [0, 1] para todo [0, 1]:

Figura 7.2: Os pontos xos de

f do exemplo 7.3.
Vamos agora estudar a estabilidade dos novos pontos xos encontrados para a funo

f j
que os antigos pontos xos tm as mesmas caractersticas que no caso determinstico, (Teorema
6.8).
Para 1 < a 2, o ponto xo u
1
instvel (cf. Corolrio 6.15) pois D(u, u
1
) < se [u]
=
[, x
a
] e f
n
([, x
a
]) = [f
n
(), x
a
] para > 0, sucientemente pequeno, j que f crescente
[0,
1
2
]. Assim [0, x
a
] , B(f
n
([u]
1
, ) para innitos valores de n IN.
Para 2 < a 4 temos:
88
u
2
e u
6
no so estveis de acordo com o Corolrio 6.15.
u
5
tambm no estvel pois dado 0 < < f(
a
4
), o conjunto fuzzy u denido por seus nveis
[u]
=
_
_
[
2
,
a
4
] se ,
[f(
a
4
),
a
4
] se >
tal que D(u, u
5
) =

2
< e D(

f
n
(u), u
5
) > para innitos n IN tomando-se 0 < < ,
j que
D(

f
n
(u), u
5
) = sup
01
h(f
n
([u]
), [u
5
]
) = h(f
n
([
2
,
a
4
]), [0,
a
4
])
e f
n
([
2
,
a
4
]) [,
a
4
] para n grande, dado que f crescente em (0,
1
2
].
u
3
= [x
1
, x
2
] assintoticamente estvel:
I)- Estabilidade: Sejam > 0 e n 0
Se n par, tome 0 <
1
< tal que
x
i
< f
n
(x) < x
i
se x
i
1
< x < x
i
, i = 1, 2
< f
n
(x) < x
i
+ se x
i
< x < x
i
+
1
, i = 1, 2
Se n mpar, tome 0 <
2
< tal que
x
2
< f
n
(x) < x
2
+ se x
1
2
< x < x
1
x
2
< f
n
(x) < x
2
se x
1
< x < x
1
+
2
x
1
< f
n
(x) < x
1
+ se x
2
2
< x < x
2
x
1
< f
n
(x) < x
1
se x
2
< x < x
2
+
2
Seja 0 < < min
1
,
2
. Como
f
n
([x
1
, x
2
+ ]) =
_
_
[f
n
(x
1
), f
n
(x
2
+)] [x
1
, x
2
+ ] se n par
[f
n
(x
2
+ ), f
n
(x
1
)] [x
1
, x
2
+ ] se n mpar
89
segue que
f
n
([u]
0
) B([u
3
]
0
, ) se [u]
0
B([u
3
]
0
, ). (*)
Por outro lado, como
Se n par [x
1
, x
2
] [f
n
(x
1
+ ) , f
n
(x
2
) + ]
Se n mpar [x
1
, x
2
] [f
n
(x
2
) , f
n
(x
1
) + ]
Isto ,
[x
1
, x
2
] B(f
n
[x
1
+ , x
2
], ).
Assim
[u
3
]
0
B(f
n
([u]
1
), ) se [u
3
]
0
B([u]
1
, ). (**)
De (*) e (**) e com a ajuda do Corolrio 6.15 segue que u
3
estvel.
II)- lim
n+
D(

f
n
(u), u
3
) = 0.
Se n par, sabemos que existem r
1
> 0 e r
2
> 0 tal que
lim
n+
f
n
(x) = x
1
se |x x
1
| < r
1
e
lim
n+
f
n
(x) = x
2
se |x x
2
| < r
2
Se n mpar, sabemos que existem r
3
> 0 e r
4
> 0 tal que
lim
n+
f
n
(x) = x
2
se |x x
1
| < r
3
e
90
lim
n+
f
n
(x) = x
1
se |x x
2
| < r
4
Agora, tome r = min r
i
, i = 1, 2, 3, 4. Com argumentos anlogos aos feitos na parte
I), podemos concluir que:
lim
n+
D(

f
n
(u), u
3
) = 0
se u B(u
3
, r).
De I) e II) temos que u
3
assintoticamente estvel.
u
4
assintoticamente estvel:
Vamos primeiro mostrar sua estabilidade:
Pela continuidade de f, temos que dado > 0, existe 0 < < com
a
4
> x
a
>
1
2
e
f(
a
4
) > 0 tal que f(
a
4
) < f(
a
4
) + <
1
2
. Portanto, se D(u, u
4
) < , ou seja,
[u]
0
B([f(
a
4
),
a
4
], ) e [f(
a
4
),
a
4
] B([u]
1
, ),
temos, pelo fato de x
a
>
1
2
, que
f([f(
a
4
) + ,
a
4
]) = [f(
a
4
),
a
4
]
e
f
2
([f(
a
4
) + ,
a
4
]) = [f(
a
4
),
a
4
],
donde conclumos que
f
n
([f(
a
4
) + ,
a
4
]) = [f(
a
4
),
a
4
] n 2.
Assim [f(
a
4
),
a
4
] B(f
n
([f(
a
4
) + ,
a
4
]), ) n 0.
Como por hiptese [f(
a
4
) + ,
a
4
] [u]
1
, segue que
[f(
a
4
),
a
4
] B(f
n
([u]
1
), ) n 0.
91
Fazendo [u]
0
= [l, m] e supondo [u]
0
, [f(
a
4
),
a
4
] = [u
4
]
0
, pois neste caso no teramos nada a
fazer, temos
f
n
([u]
0
) = [minf
n
(l), f
n
(m),
a
4
]
para todo n 1.
Como f
n
(l) e f
n
(m) so seqncias crescentes com limites iguais a f(
a
4
), temos
f
n
([u]
0
) B([f(
a
4
),
a
4
], ) n 0.
Logo, usando o Corolrio 6.15, temos que u
4
estvel.
claro que u
4
assintoticamente estvel, pois pelo que zemos acima, lim
n+
D(

f
n
(u), u
4
)
= 0 para todo u E
1
com D(u, u
4
) < r onde r tal que f(
a
4
) r > 0 e
a
4
+ r < 1.
Como sabido, no caso clssico a = 3 um valor de bifurcao, isto , se a for ligeira-
mente maior que 3, o ponto xo x
a
deixa de ser estvel e aparece uma rbita estvel de
perodo 2. Para valores de a ligeiramente maiores que 1 +
6, aparece uma rbita estvel

de perodo 4. A partir do valor 3,89, aproximadamente, surge um comportamento catico na
dinmica desta equao (Ver Hale [13], Edelstein [08], Devaney [07]). Para o caso fuzzy,
a = 1, a = 2, a = 3, a = 1 +
5 so tambm valores de bifurcao. Ilustraremos abaixo

nossos resultados atravs de um diagrama de bifurcao.
92
Figura 7.3: Diagrama de bifurcao da funo logstica

f(u). Embora o ramo determinstico apre-
sente pontos xos e ciclos, no ramo fuzzy apresentamos apenas pontos xos de

f. As linhas tracejadas
signicam instabilidade e as cheias estabilidade.
Vamos encerrar esta seco observando que a fuzziness ilustrada nos exemplos acima surge
devido condio inicial ser supostamente fuzzy e no o conceito dado varivel de estado.
7.3 Fuzziness ambiental
Variaes abiticas ou ambientais podem tambm inuenciar fortemente no processo de inter-
ao entre espcies e nas suas dinmicas populacionais. As conseqncias, devido s variaes
no ambiente, podem ser analisadas incorporando-se estocasticidade e, neste caso, as solues
so processos estocsticos. J no caso em que tais ambientes inuenciam subjetivamente, temos
novamente a teoria fuzzy como opo.
Aqui, as ferramentas tambm so as equaes diferenciais ou as iteradas, formalmente de-
93
terminsticas, mas com alguns de seus coecientes modelados por conjuntos fuzzy. Neste caso,
as equaes podem ser tratadas de maneira clssica ou atravs do clculo para teoria fuzzy
desenvolvido nos Captulos 5 e 6, dependendo da modelagem adotada. Aqui o princpio de
extenso de Zadeh no aparentemente, adequado.
Vamos ilustrar o conceito de fuzziness ambiental atravs de exemplos. Inicialmente no
Modelo 1 consideramos a pobreza como um fator que supostamente inuencia a esperana de
vida de um grupo (Veja [02, 04]):
Modelo 1 (esperana de vida)
Seja A um conjunto com n(t) indivduos no instante t. Supondo que no haja nascimento de
indivduos neste grupo A e que a dinmica do nmero de indivduos obedea ao problema de
Cauchy
n
(t) = n(t), n(0) = n

0
, (7.9)
surge a questo: de que maneira o ambiente ou mesmo a forma de vida dos indivduos in-
uenciam na expectativa de vida do grupo? Uma possvel resposta ser dada supondo que
o ambiente interfere no grupo como um todo. Isto , no levaremos em conta caractersticas
individuais tais como qual o mais forte, a que raa pertence, qual a cor, etc. Esta a caracters-
tica principal para que adotemos a fuzziness apenas nos parmetros da equao, originalmente
determinstica, a exemplo de estocasticidade ambiental (Turelli [39], May [25]).
Para incorporar a fuzziness no parmetro , podemos supor que =
1
+ u
k
(r)
2
, onde
1
a taxa de mortalidade natural (tomada em um grupo com condies satisfatria de sobre-
vivncia) e u
k
(r)
2
o coeciente que representa a inuncia da pobreza na taxa de mortalidade
do grupo. A taxa de mortalidade mxima e igual a
1
+
2
quando u
k
(r) = 1. Para nosso
modelo, escolhemos como conjunto dos pobres"o conjunto fuzzy dado no Exemplo 2.3:
u
k
(r) =
_
_
[1 (
r
r
0
)
2
]
k
se 0 r < r
0
0 se r r
0
cujos comentrios e interpretaes a respeito dos parmetros k e r
0
e da varivel r, encontram-se
no Captulo 2.
94
Vamos supor agora que r seja proporcional ao salrio S do grupo estudado: r = cS
m
, com
c e m duas constantes. Ento, temos o conjunto fuzzy
v
k
(S) = u
k
(cS
m
) =
_
_
[1 (
S
S
0
)
2m
]
k
se 0 < S < S
0
0 se S S
0
onde S
0
= (
r
0
c
)
1
m
.
Para obtermos os valores de
1
,
2
e S
0
, utilizamos uma tabela de esperanas de vida
baseada emfaixas salariais distintas (cf. [02]). Os valores encontrados foram:
1
=
1
54, 4
,
2
=
6, 618 10
3
e S
0
= 3, 2.
De acordo com a distribuio salarial de um grupo de trabalhadores da mesma regio, para a
qual denimos
1
,
2
e S
0
, encontramos os valores k = 1, 51 e m = 0, 4435, supondo c = 1.
Assim, o problema (7.9) pode ser resolvido usando a teoria clssica de equaes diferenciais
ordinrias, cuja soluo conhecidamente dada por
n(t) = n
0
e
[
1
+v
k
(S)
2
]t
para cada valor de S. Desta forma, obtemos uma famlia de realizaes (solues) para o
problema (7.9). A anlise destas solues bem como da mdia entre delas, no sentido clssico
e tambm no sentido fuzzy (cf. Sugeno [37]), podem ser encontradas em [02].
Agora, vamos dar uma soluo para (7.9), entendendo que tal problema o problema de
Cauchy fuzzy:
n
(t) = (
1
+v
k
(S)
2
)n(t), n(0) = n
0
IR
+
(7.10)
cuja soluo em cada instante um conjunto fuzzy como vimos no Captulo 5.
Temos ento que os -nveis de v
k
e n(t) so
[v
k
]
= [0, S
0
(1
1
k
)
1
2m
] e [n]
= [n
1
, n
2
]
para cada [0, 1].
Logo, em conseqncia das operaes de multiplicao e adio, temos
95
[(
1
+ v
k
(S)
2
)n]
= [(
1
+
2
S
0
(1
1
k
)
1
2m
)n
2
,
1
n
1
]
e, portanto, a soluo de (7.10) obtida do sistema determinstico bidimensional:
_
_
n
1
= (
1
+
2
S
0
(1
1
k
)
1
2m
)n
2
= bn
2
, n
0
n
2
=
1
n
1
, n
0
(7.11)
para todo [0, 1].
Acoplando as duas equaes de (7.11), vem
n
1
= b n
2
ou n
1
=
1
bn
1
obtendo assim as solues
_
_
n
1
= n
0
[
(1+
_
b
1
)
2
exp(
1
bt)
(
_
b
1
1)
2
exp(
1
bt)]
n
2
= n
0
[
(
_
1
b
+1)
2
exp(
1
bt) +
(1
_
1
b
)
2
exp(
1
bt)]
(7.12)
Observemos que o problema (7.10) tem soluo nica com-nveis dados por (7.12), de acordo
com o Corolrio 5.9, e que o dimetro de cada -nvel desta soluo dado por:
d(, t) = n
2
n
1
= n
0
(
_
b
1
b
)senh(
1
bt).
Comentrios
O problema de valor inicial tem como soluo um subconjunto fuzzy para cada t, dado por seus
-nveis. No modelo anterior temos que o parmetro
1
+v
k
2
um conjunto fuzzy; entretanto,
se tivermos informaes mais precisas a respeito de tal parmetro, podemos ter tambm uma
melhor preciso na soluo:
a) Quanto menor for o valor de S
0
, ou seja, regies com menores necessidades de uma renda
mnima, para que no haja interferncia do fator renda na dinmica populacional, tm melhor
preciso nas suas solues, j que b diminui aproximando-se de
1
, se S
0
aproximar-se de zero.
Mais ainda, supondo S
0

= 0, (7.12), vem dada por
96
n
1
= n
2
= n
0
e
1
t
que a soluo do problema determinstico onde no h interferncia da renda na taxa de
mortalidade.
Concluses semelhantes seriam tiradas se considerssemos o parmetro ambiental k cres-
cente. Isto nos conrma a interpretao de que tal parmetro revela se o ambiente em que vive
o grupo mais ou menos favorvel vida, como visto no Exemplo 2.3.
b) Se desejamos modelar o mesmo fenmeno utilizando, desde o princpio, uma equao deter-
mnistica, obtemos
n(t) = n
0
e
t
(7.13)
como soluo do problema determinstico
dn
dt
= n, n(0) = n
0
. (7.14)
Neste caso, um parmetro xo e se
1

1
+
2
temos
n
1
(t) n(t) n
2
(t), [0, 1].
Estas desigualdades indicam que a soluo determinstica (7.13) preferida, com o sentido
dado no Captulo 5.
Observamos ainda que o modelo (7.10) s tem algum signicado realista"se a soluo (7.12)
satiszer a condio
n
1
(t) 0 =t
1
2
1
b
ln
_
_
1 +
_
b
1
_
b
1
1
_
_
= t
.
Os casos extremos para t so:
t
0
lim
0
+
t
=
1
2[
1
(
1
+
2
S
0
)]
.ln
_
_
1 +
_
1 +

2
1
S
0
_
1 +

2
1
S
0
1
_
_
e
97
t
0
lim
1
= +.
A limitao de t
0
, como sabemos, no aparece no caso determinstico, quando o fenmeno
modelado atravs de uma equao diferencial linear.
c) Se optssemos por modelar o fenmeno supondo que o tempo fosse discreto, ento a equao
que daria a dinmica populacional, se considerada linear, seria
n(t + 1) = (
1
+ v
k
(S)
2
)n(t) (7.15)
cuja soluo, como visto no Exemplo 6.2, tem -nveis:
[n
1
(t), n
2
(t)] = [
t
1
n
0
, (
1
+
2
S
0
(1
1
k
)
1
2m
)
t
n
0
], [0, 1].
Ainda, de acordo com o Exemplo 6.2, a soluo nula

0 assintoticamente estvel j que
[
1
+ v
k
(S)
2
]
0
= [
1
,
1
+
2
S
0
]
= [0, 018; 0, 04] [0, 1).

Podemos notar tambm que, como no poderia deixar de ser, a diminuio de S
0
, bem como o
aumento do valor de k (isto , aumento nos recursos ambientais), torna menos difusa a soluo,
acarretando maior preciso na previso do nmero futuro de indivduos do grupo que, no limite,
dado por
t
1
n
0
, soluo do problema determinstico
n(t + 1) =
1
n(t), n
0
. (7.16)
Esta soluo preferida j que
t
1
n
0
[n
1
(t), n
2
(t)] [0, 1].
Para encerrarmos esta seco, comentaremos o modelo de Lotka-Volterra para competio
entre espcies, onde os coecientes de competio so estabelecidos"atravs dos recusos ti-
mos"para os competidores. Giering III e Kandel [11] sugerem que tais recursos timos sejam
modelados usando a teoria de conjuntos fuzzy.
Modelo 2 (competio entre espcies)
98
Suponhamos que n espcies estejam competindo em um nico nvel trco (alimentos por
exemplo) segundo o modelo de competio clssico:
dN
i
(t)
dt
= N
i
(t)[k
i
j=1
ij
N
j
(t)]. (7.17)
Aqui, vamos supor k
i
> 0 e que a competio se d apenas por recursos timos que podem ser
colocados ao longo de um eixo S (May [25]).
A cada recurso s S ns associamos um nmero u
0t
(v
k
, s) [0, 1] que signicar o quanto
s timo para o fentipo v
k
. Iremos supor que para cada v
k
existe s tal que u
0t
(v
k
, s) = 1.
Giering III e Kandel [11] sugerem que os recursos timos, comuns s espcies i e j, sejam
denidos pela funo grau de pertinncia:
u
ij
(s) = sup
0T1
[min(T,
ij
(
T
))]
onde
T
= (v
k
, v
l
) : min[u
0t
(v
k
, s), u
0t
(v
l
, s)] T,
ij
=
_ _
T
f
ik
f
jl
dv
k
dv
l
e f
ik
a densidade de distribuio do fentipo v
k
na espcie i.
Note que o conjunto
T
nos informa quais so os indivduos que, de acordo com seu fentipo,
julgam o recurso s superior a T, para cada T [0, 1] e
ij
nos d uma medida"de tal conjunto.
Giering III e Kandel [11] denem nalmente os coecientes
ij
=
sup
sS
u
ij
(s)
sup
sS
u
ii
(s)
,
isto ,
ij
denido como a possibilidade relativa de um recursos s, que timo para a espcie
i, ser tambm timo para a espcie j. Ver ([02] ou [28]).
Amde obtermos valores concretos para
ij
, vamos supor que existamapenas duas espcies
competindo (N = 2) e que
f
ik
=
1
2
exp[(v
k
m
i
)
2
/2
2
],
99
onde m
i
o fentipo mdio da espcie i e o desvio padro para ambas espcies. Os recursos
timos para o fentipo v dado pela funo da Lorentz:
u
0t
(v, s) =
1
1 + 4w
2
(v s)
2
,
onde w uma constante que representa a versatilidade de recursos para o fentipo v.
Chamando de d = [m
2
m
1
[ a distncia entre os fentipos das duas espcies, obtemos uma
frmula simplicada para
ij
(cf. [02]):
ij
= (d, w) =
sup
0T1
[min(T, (
d
2
, T))]
sup
0T1
[min(T, (0, T))]
.
e
(d/2, T) =
_
_
_
1
2
d/2+g
_
d/2g
exp(v
2
/2
2
)dv
_
_
_
2
onde g =
1
2
w
1 T
T
.
fcil ver que
ii
= (0, w) = 1, para todo w e que
ij
=
ji
= . Assim (7.15) passa a ser
_
_
dN
1
dt
= N
1
(t)[k
1
N
1
N
2
]
dN
2
dt
= N
2
(t)[k
2
N
1
N
2
]
. (7.18)
Agora, para cada par (d, w) xado, podemos encontrar uma soluo do sistema determinstico
(7.18). Por exemplo, a soluo de equilbrio, no trivial,
N
1
=
K
1
K
2
1
2
e N
2
=
K
2
K
1
1
2
,
e se considerarmos K
1
= K
2
= K, temos
N
1
= N
2
=
K
1 +
. (7.19)
A questo da estabilidade das solues tratada neste caso de maneira clssica. Pode-se mostrar
(cf. [03]) que o ponto de equilbrio (7.19) assintoticamente estvel se 1 > 0. Neste caso,
100
se considerarmos que quanto maior for o valor de d, tanto maior a complexidade do sistema,
ento para d = 0 (menor complexidade possvel), tem-se = 1 e a eventual estabilidade do
ponto de equilbrio pode no ser assinttica. Questes de estabilidade e complexidade", que
tm grande interesse em Ecologia, podem ser encontradas em vrios livros clssicos. Ver (May
[25] , Svirezhev e Logofet [28], Kindlmann [20], etc).
7.4 Fuzziness demogrca-ambiental
Em geral, ambos os tipos de fuzzieness esto presentes nos fenmenos biolgicos. No entanto,
as diculdades na anlise das possveis solues dos modelos matemticos para estes casos
poderiam tornar o problema intratvel. Porm, se nos restringirmos aos modelos lineares (7.10)
e (7.15), suas solues no so afetadas do ponto de vista qualitativo, apresentando apenas
algumas complicaes matemticas. Especicamente, temos (7.10) e (7.15) transformados em
(7.20) e (7.21) respectivamente:
a) Caso contnuo
n
(t) =

(
1
+
2
v
k
(S))n(t), n
0
E
1
(7.20)
como soluo dada por seus -nveis:
_
_
n
1
=
(n
01
+
_
b
1
n
02
)
2
exp(
1
bt)
(
_
b
1
n
02
n
01
)
2
exp(
1
bt)
n
2
=
(
_
1
b
n
01
+n
02
)
2
exp(
1
bt) +
(n
02
1
b
n
01
)
2
exp(
1
bt)
b) Caso discreto
n
t+1
= (
1
+
2
v
k
(S))n(t), n
0
E
1
(7.21)
e portanto os -nveis da soluo so
[n
t
]
= [(
1
)
t
n
01
, (
1
+
2
S
0
(1
1
k
)
1
2m
)
t
n
02
],
onde [n
0
]
= [n
01
, n
02
], [0, 1].
101
Comentrios nais
A noo de estabilidade, bem como a de pontos crticos para solues de equaes diferenciais
fuzzy, ainda no est bem clara j que seus dimetros so crescentes com o tempo t (Kaleva
[17]). Assim, questes como similaridade limite para nichos sobrepostos ou anlise de extino
devem ser tratados modelando o fenmeno atravs de equaes discretas onde o conceito de
estabilidade est bem denido.
Nos Captulos 5 e 6 zemos anlise comparativa de sistemas fuzzy com os respectivos sis-
temas determinsticos associados. Conclumos que as solues determinsticas so preferidas
(tm grau de pertinncia 1 conforme Teoremas 5.5 e 6.1). Tais sistemas fuzzy so, em geral,
obtidos de sistemas determinsticos usando a extenso de Zadeh (Captulo 3). Neste caso,
funes caractersticas das solues determinsticas so solues do sistema fuzzy associado
(cf. Lema 5.1). Diante disto de se esperar que qualquer conceito de estabilidade que venha
a ser dado para as solues de equaes diferenciais fuzzy deve generalizar o j existente para
as solues determinsticas. Isto , funes caractersticas de solues estveis (instveis ou
assintoticamente estveis) devem ser solues estveis (instveis ou assintoticamente estveis)
para o sistema fuzzy associado. Mais ainda, as solues dos sistemas fuzzy, que so obtidos
usando o princpio de extenso de Zadeh, poderiam ser ditas estveis (instveis ou assintotica-
mente estveis) se seus nveis [u(t)]
1
contivessem solues determinsticas estveis (instveis
ou assintoticamente estveis) para os sistemas originalmente determinsticos, dado que estas
so preferidas.
Vale a pena lembrar que os -nveis dos pontos xos assintoticamente estveis, para sis-
temas iterativos fuzzy, obtidos pela extenso de Zadeh, so conjuntos atratores do sistema de-
terminstico original, como vimos no Teorema 6.11.
No Captulo 7 apresentamos exemplos e tcnicas de solues de equaes diferenciais e
discretas onde julgamos ser relevantes os diversos graus de subjetividade, tanto nas variveis
de estado como nos parmetros de equaes, originalmente determinsticas. Estes foram os
casos do exemplo 7.3 (logstico-discreto), onde surgem pontos xos diferentes daqueles do
caso clssico e novos valores de bifurcao; do Modelo 1 (esperana de vida) em que a taxa de
102
mortalidade, supostamente, depende da renda dos indivduos; e do Modelo 2 (competio entre
espcies), onde a competio se d pelos seus recursos timos.
Podemos concluir que, a exemplo dos casos estocsticos, preciso avaliar se tais com-
plicaes matemticas so relevantes para um melhor entendimento do fenmeno estudado.
Acreditamos, no entanto, que quando se consideram relevantes os diferentes graus de subjetivi-
dade do fenmeno estudado, a melhor forma de olhar o problema por meio da teoria fuzzy.
103
Referncias Bibliogrcas
[01] Aubin, J.P. and Cellina, A. - Diferential Inclusion- Springer -Verlag. Berlin (1984).
[02] Barros, L.C. - Modelos Determinsticos com Parmetros Subjetivos- Tese de Mestrado -
IMECC - UNICAMP - (1992).
[03] Barros, L.C. e Tonelli, P.A. - Notas e Exemplos de Complexidade e Estabilidade em
Dinmica Populacional - Biomatemtica - III - IMECC-UNICAMP (1983).
[04] Bassanezi, R.C. e Barros, L.C. - A simples model of life expectancy with subjective pa-
rameters - Kibernetes: Inter. Journal of Systems and Cybernetics 24, vol. 9, 91-98 (1995).
[05] Bassanezi, R.E. e Ferreira, W.C.Jr. - Equaes Diferenciais com Aplicaes- Editora
Harba, So Paulo - S.P., 1988.
[06] Cabrelli, C.A.; Forte, B.; Molter, U.M. and Vrscay, E.R. - Iterated Fuzzy Set Systems: A
New Approach to the Inverse Problem for Fractals and Other Sets - Jour. of Math. Analysis
and Applications 171, 79-100 (1992).
[07] Devaney, R.L. - An introduction to chaotic dynamical Systems- Bejamin/Cummings,
Menlo Park, California (1989).
[08] Edelstein-Keshet, L. - Mathematical Models in Biology", McGraw-Hill, Inc. Mexico
(1988).
[09] Forte, B.; Lo Schiavo, M. and Viscay, E.R. - Continuity Properties of Attractors for Iter-
ated Fuzzy Set Systems - Jour. Austral. Math. Soc. Ser. B 36, 175-193 (1994).
104
[10] Fullr, R. and Keresztfalvi, T. - On gereralization of Nguyens theorem - Fuzzy Sets and
Systems 41, 371-374 (1990).
[11] Giering III, E.W. and Kandel, A. - The Applications of Fuzzy Set Theory to the Modeling
of Competition in Ecological Systems - Fuzzy Sets and Systems 9, 103-127 (1983).
[12] Hale, J.K. - Asymptotic Behavior of Dissipative Systems- Math. Surveys and Mono-
graphis, 25 - Ann. Math. Soc. Providence (1988).
[13] Hale, J.K. and Koak, H. - Dynamics and Bifurcations- Springer-Verlog, N.Y. (1991).
[14] Hausdorff, F. - Set Theory- Chelsea Press, New York (1957).
[15] Hukuhara, M. - Integration des Applications Mesurables dont la Valeur est un compact
couvexe - Funkcialaj Ekvacioj 10, 205-223 (1967).
[16] Kaleva, O. - On the Converge of Fuzzy Sets - Fuzzy Sets and Systems 17, 53-65 (1985).
[17] Kaleva, O. - Fuzzy Differential Equations - Fuzzy Sets and Systems 24, 301-317 (1987).
[18] Kaleva, O. - The Cauchy Problem for Fuzzy Differential Equations - Fuzzy Sets and Sys-
tems 35, 389-396 (1990).
[19] Kandel, A. - Fuzzy Mathematical Techniques with Applications- Addison-Wesley Pub-
lishing Company (1986).
[20] Kindlamnn, P. Stability vs. Complexity in Model competition Commuities - Lecture Notes
in Biomath. 54, 193-207 (1983).
[21] Kisielewiczm, - Differential Inclusions and Optimal Control- PWN - Polish Publisher in
co-edition with Kluwer Acad. Publ. (1991).
[22] Kloeden, P.E. - Compact Supported Endographs and Fuzzy Sets - Fuzzy Sets e Systems,
4, 193-201 (1980).
105
[23] Kloeden, P.E. - Chaotic iterations of fuzzy sets - Fuzzy Sets and Systems, 42, 37-42 (1991).
[24] May, R.M. - Simple mathematical models with very complicated dynamics - Nature 261,
459-467 (1976).
[25] May, R.M. - Stability and Complexity in Model Ecosystms- Princeton University Press-
Princeton (1974).
[26] Negoita C.V. and Ralescu, D.A. - Applications of Fuzzy Sets to Systems Analysis- Willey,
N.Y. (1975).
[27] Nguyen, H.T. - A note on the extension principle for fuzzy sets - Jour. Math. Analysis and
Applications 64, 369-380 (1978).
[28] Puri, L.M. and Ralescu, D.A. - Short Communication: A Possibility Measure is not a
Fuzzy Measure - Fuzzy Sets and Systems 7, 311-313 (1982).
[29] Puri, M.L. e Ralescu, D.A. - Diferentials of Fuzzy Functions - Jour. Math. Analysis and
Applications - 91, 552-558 (1983).
[30] Puri, M.L. e Ralescu, D.A. - Fuzzy Random Variables - Journ. Math. Analysis and Appli-
cations, 114, 409-422 (1986).
[31] Puri, L.M. e Ralescu, D.A. - Convergence Theorem of fuzzy Martingales - Journ. Math.
Analysis and Applications, 160, 107-122 (1991).
[32] Quelho, E. - Sobre -convergencia- Tese de Doutorado - IMECC-UNICAMP (1989).
[33] Rkov, M.M. - Identicao de Modelos Bionmortemticos - Biomatemtica, IMECC,
vol. V, 70-78 (1995).
[34] Rojas, M.M. and Romn, H.F. - On the equivalence of convergences of fuzzy sets - Fuzzy
Sets and Systems 80, 217-224 (1996).
[35] Rudin, W. - Real and Complex Analysis- Addison Wesley N.Y. (1976).
106
[36] Seikkala, S. - On the fuzzy initial value problem - Fuzzy Sets and Systems 24, 309-330
(1987).
[37] Sugeno, M. - Theory of fuzzy integral and its applications- Ph.D. Thesis, Tokyo Institute
of Technology (1974).
[38] Svirezhev, Y.M. e Logofet, D.O. - Stability of Biological Communities- Mir Publishers
Moscou (1983).
[39] Turelli, M. - Stochastic Community Theory: A Partially Guided Tour - Biomatematics 17,
321-339 (1986).
[40] Wang, Z. - The Autocontinuity of Set Function and the fuzzy Integral - Journ. Math. Anal-
ysis and Applications, 91, 195-218 (1984).
[41] Wu, C.; Song, S. and Lee, E.S. - Approximate Solutions Existence and Uniqueness of the
Cauchy Problem of Fuzzy Differential Equations - Journ. Math. Analysis and Applications,
202, 629-644 (1996).
[42] Zadeh, L.A. - Fuzzy Sets - Inform. and Control 8, 338-353 (1965).
[43] Zadeh, L.A. - Fuzzy Sets as a Basis for Theory of possibility - Fuzzy Sets and Systems, 1,
3-28, (1978).
107

Tese Doutorado

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Tese Doutorado

Enviado por

Direitos autorais:

Formatos disponíveis

SOBRE SISTEMAS DINMICOS FUZZY

compacto e no vazio para todo [0, 1],

aberto e portanto, [u]

a mtrica de Hausdorff no espao IR

convexo, [0, 1].

/0 1 uma famlia de conjuntos com-

para todo 0 < 1

) = 0 para todo (0, 1].

u se, e somente se,

contnua na mtrica de Hausdorff, para todo

so no vazios e compactos para todo 0 1. Assim, provaremos apenas que [

) no vazio e compacto pela continuidade de f, uma vez que u T(IR

vale sempre j que se x f([u]

), 0 1 dene um nico conjunto fuzzy, j que h uma

para todo [0, 1].

para todo [0, 1]

) < ento h(f([u]

) < [0, 1].

[[f(x) f(y)[[, sup

k[[x y[[, sup

[[x y[[, sup

esto em um mesmo compacto. Assim,

f(u) > lim

f(u) > = fu > .

f(u) > = fu > f

f(u) > = fu > = fu > = [

para todo 0 1, sendo

, a integral de Aumann. F integrvel sobre T se

existem, so compactos no vazios e convexos de IR

(t) no sentido de Kuratowski.

, no sentido de Kuratowski. Como

e do Exemplo 1.3. Este exemplo generaliza aquele

, [0, 1], no implica na H-diferena xy. Contudo, tem-se o seguinte

, [0, 1] so uniformemente H-diferenciveis com derivadas DF

, ento, de acordo com a Proposio 4.10, devemos apenas mostrar que

Teorema 4.16 (Kaleva [17]). Seja F : T E

for integrvel, o resultado segue do teorema anterior. Para a demonstrao geral

no decrescente em T, onde dim A o dimetro do conjunto A.

(t) constante em T para todo [0, 1]. Segue que

(t) = 0 e conseqentemente R(t) =

(t) ento, pela Proposio 4.10, basta mostrar que DF

(t), t T e [0, 1],

(t)u contnua, portanto integrvel e, usando o Exemplo 4.1,

(t) = F(t, u(t)), u(a) = u

no decrescente j que u(t) diferencivel. Porm diam [u(t)]

por satisfazer (5.2) mesmo para t < a.

(t) = F(t, u(t)), u(t

(t) = F(t, u(t)), u(a) = u

) M[ [ para todo u U e , [0, 1],

f est bem denida para todo n 1 e que se F : T E

(t) = f(t, x), x(a) = x

a nica soluo do problema de Cauchy

(t) = g(t, r(t)), r(0) = r

(t) = u(t), u(0) = u

(t) = A(t)u(t) + B(t), u(0) = u

para todo [0, 1].

) < , as iteradas por u

) < , para todo n 0 e u assintoticamente estvel se for

) = 0 desde que sup

) < para todo [0, 1] e n 0, que

, ) para todo [0, 1] e n 0.

) = 0 ento para todo [0, 1] tem-se

para todo [0, 1].