Aula 12 Composição Relação-Conjunto Fuzzy.
|
|
- Arthur Affonso Lagos
- 7 Há anos
- Visualizações:
Transcrição
1 Aula 12 Composição Relação-Conjunto Fuzzy. MS58 - Introdução à Teoria Fuzzy Marcos Eduardo Valle Departamento de Matemática Aplicada Instituto de Matemática, Estatística e Computação Científica Universidade Estadual de Campinas
2 Na aula de hoje veremos como combinar uma relação com um conjunto, uma situação muito comum nas aplicações da teoria fuzzy. Como motivação para o estudo da composição relação-conjunto, considere o seguinte exemplo abstrato: Exemplo 1 Suponha que R descreva (de forma muito simplifica) a associação entre febre alta (medida entre 36 o C e 4 o C) e a dor de cabeça (medida em uma escala de a 1). Sabendo que a temperatura é em torno de 38 o C, qual será o nível de dor de cabeça? Em outras palavras, sabendo que a temperatura é um conjunto A, qual será o conjunto da dor de cabeça?
3 Composição Relação-Conjunto Clássica Supunha que temos uma relação clássica R U V e observamos um conjunto clássico A U. Podemos definir o conjunto clássico B V de todos os elementos de V que estão relacionados (por meio de R) com algum elemento de A. Formalmente, definimos o conjunto B da seguinte forma: B = {v V : u U, u A,(u, v) R}.
4 Do clássico para o Fuzzy Em termos da função de pertinência, temos χ B (v) = 1 u U : χ A (u) = 1 e χ R (u, v) = 1 u U : χ A (u) χ R (u, v) = 1 [ sup χa (u) χ R (u, v) ] = 1, u U em que a b = 1 se, e somente se, a = 1 e b = 1. Dessa forma, podemos escrever [ χ B (v) = sup χa (u) χ R (u, v) ]. u U No caso fuzzy, substituímos a função característica pela função de pertinência, ou seja, [ ] B(v) = sup A(u) R(u, v), u U em que denota uma t-norma.
5 Composições Sup- Relação-Conjunto Fuzzy Definição 2 (Composição sup- Relação-Conjunto) Seja uma t-norma e R F(U V) uma relação fuzzy. Dado um conjunto fuzzy A F(U), definimos o conjunto fuzzy B = A R F(V) através da seguinte equação: [ ] B(v) = sup A(u) R(u, v), v V. u U Dado um conjunto fuzzy X F(V), definimos o conjunto fuzzy Y = R X F(U) através da equação [ ] Y(u) = sup R(u, v) X(v), u U. v U
6 Exemplo 3 Considere a relação fuzzy R F([36, 4] [, 1], dada por { (x 36) R(x, y) = min 1,, y }, 3 8 que descreve a associação entre febre alta e a dor de cabeça Dor de cabeça Temperatura
7 Exemplo 3 Dado o conjunto fuzzy A F([36, 4]), dado por A(x) = ( (x 37) (39 x) ), que descreve a temperatura em torno de 38 o C Temperatura Determine a composição sup-min B = A R
8 Exemplo 3 Resposta: Neste caso, a composição sup-min A R fornece ( y (A R)(y) =.75. 8) Dor de cabeça
9 Exemplo 4 Considere a relação fuzzy R F([36, 4] [, 1], dada por { (x 36) R(x, y) = min 1,, y }, 3 8 que descreve a associação entre febre alta e a dor de cabeça Dor de cabeça Temperatura
10 Exemplo 4 Suponha que observamos o conjunto fuzzy B F([, 1]) [ ( )] y 3 B(y) = 1. 5 que descreve o conceito forte dor de cabeça Dor de cabeça
11 Exemplo 4 O maior conjunto fuzzy A F([36, 4]) tal que A = B R 1, em que denota a composição sup-min, é Dor de cabeça Em palavras, A é o conjunto fuzzy de febres que provoca forte dor de cabeça.
12 Exemplo 5 Considere universos finitos U = {u 1, u 2 } e V = {v 1, v 2, v 3 }. Dada a relação fuzzy R F(U V) e o conjunto fuzzy A F(U), representados por [ ] R = e A = [.8 1. ] determine o conjunto fuzzy A R obtido considerando a composição max- L, em que L denota a t-norma de Lukasiewicz.
13 Exemplo 5 Considere universos finitos U = {u 1, u 2 } e V = {v 1, v 2, v 3 }. Dada a relação fuzzy R F(U V) e o conjunto fuzzy A F(U), representados por [ ] R = e A = [.8 1. ] determine o conjunto fuzzy A R obtido considerando a composição max- L, em que L denota a t-norma de Lukasiewicz. Resposta: O conjunto fuzzy A R corresponde ao vetor A R = [ ]
14 Extensão Cilíndrica e Extensão A composição sup- relação-conjunto também pode ser deduzida usando o conceitos de extensão cilíndrica e projeção. Definição 6 (Extensão Cilíndrica) A extensão cilíndrica em U V de um conjunto fuzzy A F(U) é a relação fuzzy cil(a) F(U V) dada por cil(a)(u, v) = A(u), u U, v V.
15 Exemplo 7 A extensão cilíndrica em [36, 4] [, 1] do conjunto fuzzy A F([36, 4]), dado por A(x) = ( (x 37) (39 x) ), Temperatura
16 Exemplo 7 A extensão cilíndrica em [36, 4] [, 1] do conjunto fuzzy A F([36, 4]), dado por A(x) = ( (x 37) (39 x) ), é cil(a)(x, y) = ( (x 37) (39 x) ), x [36, 4], y [, 1] Dor de Cabeça Temperatura
17 Definição 8 (Projeção) Considere uma relação fuzzy R F(U V). A projeção de R em U é o conjunto fuzzy proj U (R) F(U) dado por proj U (R)(u) = supr(u, v), u U. y V A projeção de R em V é o conjunto fuzzy proj V (R) F(V) dado por proj V (R)(v) = supr(u, v), v V. u U
18 Exemplo 9 Considere a relação fuzzy R F([36, 4] [, 1], dada por { (x 36) R(x, y) = min 1,, y }, 3 8 que descreve a associação entre febre alta e a dor de cabeça Dor de cabeça Temperatura
19 Exemplo 9 A projeção de R em U = [36, 4] é o conjunto fuzzy proj U (R) F(U) dado por { } (x 36) proj U (R) = min 1, : Temperatura
20 Exemplo 9 A projeção de R em V = [, 1] é o conjunto fuzzy proj V (R) F(V) dado por { proj V (R) = min 1, y } : Dor de cabeça
21 Teorema 1 Seja uma t-norma e R F(U V) uma relação fuzzy. Dado um conjunto fuzzy A F(U), a composição sup- B = A R F(V) satisfaz B = proj V ( cil(a) R ). Dado um conjunto fuzzy X F(V), a composição sutp- Y = R X F(U) satisfaz Y = proj U ( R cil(x) ). Aqui, a intersecção é calculada usando.
22 Demonstração. Demonstraremos apenas o primeiro item. Note que ( [ ] proj V cil(a) R)(v) = sup cil(a)(u, v) R(u, v) u U [ ] = sup A(u) R(u, v) = (A R)(v), u U para todo v V.
23 Exemplo 11 Considere a relação R Dor de cabeça Temperatura
24 Exemplo 11 E o conjunto fuzzy A Temperatura
25 Exemplo 11 A extensão cilíndrica de A é a relação Dor de cabeça Temperatura
26 Exemplo 11 A intersecção cil(a) R, calculada usando o mínimo, é Dor de cabeça Temperatura
27 Exemplo 11 A projeção em V = [, 1] de cil(a) R é Dor de cabeça que é exatamente A R.
28 Outras composições Relação-Conjunto De forma semelhante a composição sup- aplicada em uma relação e um conjunto, tem-se: Definição 12 (Composição inf- Relação-Conjunto) Seja uma t-conorma e R F(U V) uma relação fuzzy. Dado um conjunto fuzzy A F(U), definimos o conjunto fuzzy B = A R F(V) através da seguinte equação: [ ] B(v) = inf A(u) R(u, v), v V. u U Dado um conjunto fuzzy X F(V), definimos o conjunto fuzzy Y = R X F(U) através da equação [ ] Y(u) = inf R(u, v) X(v), u U. v U
29 Exemplo 13 Considere universos finitos U = {u 1, u 2 } e V = {v 1, v 2, v 3 }. Dada a relação fuzzy R F(U V) e o conjunto fuzzy A F(U), representados por [ ] R = e A = [.8 1. ] determine o conjunto fuzzy A R obtido considerando a composição min- L, em que L denota a t-conorma de Lukasiewicz.
30 Exemplo 13 Considere universos finitos U = {u 1, u 2 } e V = {v 1, v 2, v 3 }. Dada a relação fuzzy R F(U V) e o conjunto fuzzy A F(U), representados por [ ] R = e A = [.8 1. ] determine o conjunto fuzzy A R obtido considerando a composição min- L, em que L denota a t-conorma de Lukasiewicz. Resposta: O conjunto fuzzy A R corresponde ao vetor A R = [ ]. Lembre-se que A R = [ ].
31 Definição 14 (Composição inf- Relação-Conjunto) Seja uma implicação fuzzy e R F(U V) uma relação fuzzy. Dado um conjunto fuzzy A F(U), definimos o conjunto fuzzy B = A R F(V) através da seguinte equação: [ ] B(v) = inf A(u) R(u, v), v V. u U Dado um conjunto fuzzy X F(V), definimos o conjunto fuzzy Y = R X F(U) através da equação [ ] Y(u) = inf R(u, v) X(v), u U. v U
32 Exemplo 15 Considere universos finitos U = {u 1, u 2 } e V = {v 1, v 2, v 3 }. Dada a relação fuzzy R F(U V) e o conjunto fuzzy A F(U), representados por [ ] R = e A = [.8 1. ] determine o conjunto fuzzy A R obtido considerando a composição min- L, em que L denota a implicação fuzzy de Lukasiewicz.
33 Exemplo 15 Considere universos finitos U = {u 1, u 2 } e V = {v 1, v 2, v 3 }. Dada a relação fuzzy R F(U V) e o conjunto fuzzy A F(U), representados por [ ] R = e A = [.8 1. ] determine o conjunto fuzzy A R obtido considerando a composição min- L, em que L denota a implicação fuzzy de Lukasiewicz. Resposta: O conjunto fuzzy A R corresponde ao vetor A R = [ ]. Lembre-se que A R = [ ] e A R = [ ].
34 Exemplo 16 Considere a relação fuzzy R F([36, 4] [, 1], dada por { (x 36) R(x, y) = min 1,, y }, 3 8 que descreve a associação entre febre alta e a dor de cabeça Dor de cabeça Temperatura
35 Exemplo 16 Dado o conjunto fuzzy A F([36, 4]), dado por A(x) = ( (x 37) (39 x) ), que descreve a temperatura em torno de 38 o C Temperatura
36 Exemplo 16 A composição inf- M A R, em que M denota a implicação de Gödel, fornece o conjunto fuzzy Dor de cabeça
EQUAÇÕES RELACIONAIS FUZZY E COMO RESOLVÊ-LAS
EQUAÇÕES RELACIONAIS FUZZY E COMO RESOLVÊ-LAS PEDRO ALADAR TONELLI 1. Introdução Nosso objetivo é apresentar de uma forma simples o procedimento para achar soluções de uma equação relacional fuzzy para
Leia mais1 Subespaços Associados a uma Matriz
1 Subespaços Associados a uma Matriz Seja V = R n e para quaisquer u, v, e w em V e quaisquer escalares r,s em R 1, 1. u + v é um elemento de V sempre que u e v são elementos de V a adição é fechada, 2.
Leia maisExercício 18. Demonstre a proposição anterior. (Dica: use as definições de continuidade e mensurabilidade)
Proposição 2.7. Sejam Y e Z espaços métricos e X um espaço mensurável. Se f : X Y é uma função mensurável e g : Y Z é uma função contínua então g f : X Z é uma função mensurável. Exercício 18. Demonstre
Leia maisO TEOREMA ESPECTRAL PARA OPERADORES AUTO-ADJUNTOS
O TEOEMA ESPECTAL PAA OPEADOES AUTO-ADJUNTOS Mariane Pigossi, oberto de A. Prado, Depto. de Matemática e Computação, FCT, UNESP, 19060-900, Presidente Prudente, SP E-mail: marianepigossi@gmail.com, robertoprado@fct.unesp.br
Leia mais2 Lógica Fuzzy. 2 Lógica Fuzzy. Sintaxe da linguagem
2 Lógica Fuzzy 2.1 Cálculo proposicional (lógica proposicional) 2.2 Lógica de Predicados 2.3 Lógica de múltiplos valores 2.4 Lógica Fuzzy Proposições fuzzy Inferência a partir de proposições fuzzy condicionais
Leia maisRespostas sem justificativas não serão aceitas Não é permitido o uso de aparelhos eletrônicos
UNIVERSIDADE FEDERAL RURAL DE PERNAMBUCO UNIDADE ACADÊMICA DO CABO DE SANTO AGOSTINHO CÁLCULO DIFERENCIAL E INTEGRAL - 018. - TURMA MA 1A VERIFICAÇÃO DE APRENDIZAGEM - PARTE Nome Legível RG CPF Respostas
Leia maisProbabilidade IV. Ulisses U. dos Anjos. Departamento de Estatística Universidade Federal da Paraíba. Período
Probabilidade IV Ulisses U. dos Anjos Departamento de Estatística Universidade Federal da Paraíba Período 2014.2 Ulisses Umbelino (DE-UFPB) Probabilidade IV Período 2014.2 1 / 20 Sumário 1 Apresentação
Leia maisPrimeiro Exercício programa: Como o Google ordena páginas. MAP-2121 para EPUSP
Primeiro Exercício programa: Como o Google ordena páginas MAP-2121 para EPUSP 1 Instruções gerais Os exercícios computacionais pedidos na disciplina Cálculo Numérico têm por objetivo fundamental familiarizar
Leia maisAula 1 Funções de Várias Variáveis
Aula 1 Funções de Várias Variáveis MA211 - Cálculo II Marcos Eduardo Valle Departamento de Matemática Aplicada Instituto de Matemática, Estatística e Computação Científica Universidade Estadual de Campinas
Leia maisCálculo Diferencial e Integral I
Cálculo Diferencial e Integral I Texto de apoio às aulas. Amélia Bastos, António Bravo Dezembro 2010 Capítulo 1 Números reais As propriedades do conjunto dos números reais têm por base um conjunto restrito
Leia maisConteúdo: Sistemas Fuzzy Fuzzifier Inferência Regras Máquina de Inferência Defuzzifier
Conteúdo: Sistemas Fuzzy Fuzzifier Inferência Regras Máquina de Inferência Defuzzifier Sistemas fuzzy A inferência fuzzy é um paradigma computacional baseado na Teoria de conjuntos fuzzy, regras de inferência
Leia mais1. Conjuntos Fuzzy - Fundamentos. Sistemas Nebulosos
Sistemas Nebulosos Heloisa de Arruda Camargo. Conjuntos Fuzzy - Fundamentos. Conceitos básicos de conjuntos fuzzy.2 Operações em conjuntos fuzzy.3 Relações fuzzy.4 Aritmética fuzzy.5 Variáveis linguísticas
Leia maisUNIVERSIDADE FEDERAL DE PERNAMBUCO DEPARTAMENTO DE ESTATÍSTICA. Medida e Probabilidade
UNIVERSIDADE FEDERAL DE PERNAMBUCO DEPARTAMENTO DE ESTATÍSTICA Medida e Probabilidade Aluno: Daniel Cassimiro Carneiro da Cunha Professor: Andre Toom 1 Resumo Este trabalho contem um resumo dos principais
Leia maisAula 6 Derivadas Direcionais e o Vetor Gradiente
Aula 6 Derivadas Direcionais e o Vetor Gradiente MA211 - Cálculo II Marcos Eduardo Valle Departamento de Matemática Aplicada Instituto de Matemática, Estatística e Computação Científica Universidade Estadual
Leia maisCONTEÚDO LÓGICA FUZZY LÓGICA FUZZY LÓGICA FUZZY. Um dos componentes mais importantes de um sistema fuzzy é o Módulo de Regras.
CONTEÚDO Introdução Introdução, Objetivo e Histórico Conceitos ásicos Definição, Características e Formas de Imprecisão Conjuntos Fuzzy Propriedades, Formas de Representação e Operações Lógica Fuzzy Relações,
Leia maisTP034-Tópicos Especiais de Pesquisa Operacional I
TP34-Tópicos Especiais de Pesquisa Operacional I (Conjuntos Difusos Princípio da Extensão) Prof. Volmir Wilhelm Curitiba, Paraná, Brasil Gráficos difusos Um gráfico difuso descreve um mapeamento funcional
Leia maisÁlgebra Linear I - Aula 12. Roteiro. 1 Exemplos de Transformações lineares (continuação)
Álgebra Linear I - Aula 12 1. Rotações no plano. 2. Projeções 3. Espelhamentos 4. Caso geral. Roteiro 1 Exemplos de Transformações lineares (continuação) 1.1 Rotações no plano A Rotação no plano de ângulo
Leia maisUniversidade Federal da Paraíba - UFPB Centro de Ciências Exatas e da Natureza - CCEN Departamento de Matemática - DM
Universidade Federal da Paraíba - UFPB Centro de Ciências Exatas e da Natureza - CCEN Departamento de Matemática - DM 3 a Lista de Exercícios de Introdução à Álgebra Linear Professor: Fágner Dias Araruna
Leia mais1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3.
1 1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. Modelo de Resultados Potenciais e Aleatorização (Cap. 2 e 3
Leia maisNúmeros Reais. Víctor Arturo Martínez León b + c ad + bc. b c
Números Reais Víctor Arturo Martínez León (victor.leon@unila.edu.br) 1 Os números racionais Os números racionais são os números da forma a, sendo a e b inteiros e b 0; o conjunto b dos números racionais
Leia maisPontos extremos, vértices e soluções básicas viáveis
Pontos extremos, vértices e soluções básicas viáveis Marina Andretta ICMC-USP 19 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta
Leia maisAula 10 Sistemas Não-lineares e o Método de Newton.
Aula 10 Sistemas Não-lineares e o Método de Newton MS211 - Cálculo Numérico Marcos Eduardo Valle Departamento de Matemática Aplicada Instituto de Matemática, Estatística e Computação Científica Universidade
Leia mais1 Auto vetores e autovalores
Auto vetores e autovalores Os autovalores de uma matriz de uma matriz n n são os n números que resumem as propriedades essenciais daquela matriz. Como esses n números realmente caracterizam a matriz sendo
Leia maisIntrodução à Lógica Nebulosa
Distancia Angulo Gerador de Sinal Controlador Nebuloso Osciloscópio 2.141e-016 Display Introdução à Lógica Nebulosa Álvaro Guarda Departamento de Computação Instituto de Ciências Exatas e Biológicas Universidade
Leia maisÁLGEBRA LINEAR I - MAT0032
UNIVERSIDADE FEDERAL DA INTEGRAÇÃO LATINO-AMERICANA Instituto Latino-Americano de Ciências da Vida e Da Natureza Centro Interdisciplinar de Ciências da Natureza ÁLGEBRA LINEAR I - MAT32 12 a Lista de exercícios
Leia maisRepresentação de poliedros
Representação de poliedros Marina Andretta ICMC-USP 8 de novembro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 -
Leia maisTeoremas de dualidade
Teoremas de dualidade Marina Andretta ICMC-USP 19 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização
Leia maisSistema de Inferência Fuzzy baseado em Redes Adaptativas (ANFIS) Sistema de Inferência Fuzzy
Redes Neurais Sistema de Inferência Fuzzy baseado em Redes Adaptativas (ANFIS) Sistema de Inferência Fuzzy Um Sistema de Inferência Fuzzy (SIF) é um tipo especial de Sistema Baseado em Conhecimento (SBC).
Leia maisConjuntos Fuzzy e Lógica Fuzzy
1 Introdução Conjuntos Fuzzy e Lógica Fuzzy users.femanet.com.br/~fabri/fuzzy.htm Os Conjuntos Fuzzy e a Lógica Fuzzy provêm a base para geração de técnicas poderosas para a solução de problemas, com uma
Leia maisÁlgebra Linear Teoria de Matrizes
Álgebra Linear Teoria de Matrizes 1. Sistemas Lineares 1.1. Coordenadas em espaços lineares: independência linear, base, dimensão, singularidade, combinação linear 1.2. Espaço imagem (colunas) - Espaço
Leia maisPoliedros na forma padrão
Poliedros na forma padrão Marina Andretta ICMC-USP 19 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização
Leia maisApontamentos III. Espaços euclidianos. Álgebra Linear aulas teóricas. Lina Oliveira Departamento de Matemática, Instituto Superior Técnico
Apontamentos III Espaços euclidianos Álgebra Linear aulas teóricas 1 o semestre 2017/18 Lina Oliveira Departamento de Matemática, Instituto Superior Técnico Índice Índice i 1 Espaços euclidianos 1 1.1
Leia maisLógica Nebulosa (Fuzzy)
Universidade Federal do Espírito Santo Centro de Ciências Agrárias CCA UFES Departamento de Computação Lógica Nebulosa (Fuzzy) Inteligência Artificial Site: http://jeiks.net E-mail: jacsonrcsilva@gmail.com
Leia maisControle Ótimo - Aula 2 (Exemplos 2, 3 e 4)
Controle Ótimo - Aula 2 (Exemplos 2, 3 e 4) Adriano A. G. Siqueira e Marco H. Terra Departamento de Engenharia Elétrica Universidade de São Paulo - São Carlos Sistemas dinâmicos discretos no tempo O Problema
Leia maisResolução de sistemas de equações lineares: Método dos Gradientes Conjugados
Resolução de sistemas de equações lineares: Método dos Gradientes Conjugados Marina Andretta/Franklina Toledo ICMC-USP 24 de março de 2015 Baseado no livro Cálculo Numérico, de Neide B. Franco Marina Andretta/Franklina
Leia maisMCTB Álgebra Linear Avançada I Claudia Correa Exercícios sobre transformações lineares. Os Exercícios 3 e 4 são os exercícios bônus dessa lista.
MCTB002-13 Álgebra Linear Avançada I Claudia Correa Exercícios sobre transformações lineares Os Exercícios 3 e 4 são os exercícios bônus dessa lista. Definição 1. Dados conjuntos X e Y, uma função ϕ :
Leia maisAula 4: Consequência Lógica e Equivalência Lógica
Lógica para Computação Segundo Semestre, 2014 Aula 4: Consequência Lógica e Equivalência Lógica DAINF-UTFPR Prof. Ricardo Dutra da Silva Definição 4.1. Em lógica proposicional dizemos que uma fórmula B
Leia maisDedução Natural e Sistema Axiomático Pa(Capítulo 6)
Dedução Natural e Sistema Axiomático Pa(Capítulo 6) LÓGICA APLICADA A COMPUTAÇÃO Professor: Rosalvo Ferreira de Oliveira Neto Estrutura 1. Definições 2. Dedução Natural 3. Sistemas axiomático Pa 4. Lista
Leia maisContinuidade de processos gaussianos
Continuidade de processos gaussianos Roberto Imbuzeiro Oliveira April, 008 Abstract 1 Intrudução Suponha que T é um certo conjunto de índices e c : T T R é uma função dada. Pergunta 1. Existe uma coleção
Leia maisEspaços Euclidianos. Espaços R n. O conjunto R n é definido como o conjunto de todas as n-uplas ordenadas de números reais:
Espaços Euclidianos Espaços R n O conjunto R n é definido como o conjunto de todas as n-uplas ordenadas de números reais: R n = {(x 1,..., x n ) : x 1,..., x n R}. R 1 é simplesmente o conjunto R dos números
Leia maisINE5403 FUNDAMENTOS DE MATEMÁTICA DISCRETA
INE5403 FUNDAMENTOS DE MATEMÁTICA DISCRETA PARA A COMPUTAÇÃO MATERIAL EXTRAÍDO DOS LIVROS-TEXTOS (KOLMAN/ROSEN) UFSC - CTC - INE UFSC/CTC/INE p. 1 11 - ESTRUTURAS ALGÉBRICAS 11.1) Operações Binárias 11.2)
Leia maisO Teorema de Peano. f : D R n. uma função contínua. Vamos considerar o seguinte problema: Encontrar um intervalo I R e uma função ϕ : I R n tais que
O Teorema de Peano Equações de primeira ordem Seja D um conjunto aberto de R R n, e seja f : D R n (t, x) f(t, x) uma função contínua. Vamos considerar o seguinte problema: Encontrar um intervalo I R e
Leia maisA Equivalência entre o Teorema do Ponto Fixo de Brouwer e o Teorema do Valor Intermediário
A Equivalência entre o Teorema do Ponto Fixo de Brouwer e o Teorema do Valor Intermediário Renan de Oliveira Pereira, Ouro Preto, MG, Brasil Wenderson Marques Ferreira, Ouro Preto, MG, Brasil Eder Marinho
Leia maisModelos Evolucionários e Tratamento de Incertezas
Ciência da Computação Modelos Evolucionários e Tratamento de Incertezas Aula 07 Inferência Difusa Sistemas de Controle Difuso Max Pereira Regras difusas SE ENTÃO Antecedente:
Leia maisMétodo dos Mínimos Quadrados Lineares
Método dos Mínimos Quadrados Lineares Orientando: Alex Rogger Cardoso Ventura alexrogger@hotmailcom Orientador: Max Leandro Nobre Gonçalves maxlng@ufgbr Co-orientador: Ademir Alves Aguiar ademiraguia@gmailcom
Leia maisTeoria da Decisão. Modelagem de Preferência. Prof. Lucas S. Batista. lusoba
Teoria da Decisão Modelagem de Preferência Prof. Lucas S. Batista lusoba@ufmg.br www.ppgee.ufmg.br/ lusoba Universidade Federal de Minas Gerais Escola de Engenharia Graduação em Engenharia de Sistemas
Leia maisA computação aplicada à resolução de sistemas lineares
Universidade Federal de Campina Grande Centro de Engenharia Elétrica e Informática Departamento de Sistemas e Computação Programa de Educação Tutorial (PET) A computação aplicada à resolução de sistemas
Leia maisObjetivos. Definir os conceitos de transformação matricial e linear; Apresentar vários exemplos de transformações lineares.
Transformações lineares MÓDULO 3 - AULA 18 Aula 18 Transformações lineares Objetivos Definir os conceitos de transformação matricial e linear; Apresentar vários exemplos de transformações lineares. Introdução
Leia maisÁLGEBRA LINEAR I - MAT0032
UNIVERSIDADE FEDERAL DA INTEGRAÇÃO LATINO-AMERICANA Instituto Latino-Americano de Ciências da Vida e Da Natureza Centro Interdisciplinar de Ciências da Natureza ÁLGEBRA LINEAR I - MAT003 10 a Lista de
Leia maisPrimeira prova de Álgebra Linear - 06/05/2011 Prof. - Juliana Coelho
Primeira prova de Álgebra Linear - 6/5/211 Prof. - Juliana Coelho JUSTIFIQUE SUAS RESPOSTAS! Questões contendo só a resposta, sem desenvolvimento ou justificativa serão desconsideradas! QUESTÃO 1 (2, pts)
Leia maisAula 25 Teorema do Divergente
Aula 25 Teorema do Divergente MA211 - Cálculo II Marcos duardo Valle Departamento de Matemática Aplicada Instituto de Matemática, statística e Computação Científica Universidade stadual de Campinas Introdução
Leia maisRETICULADOS: NOTAS DO SEMINÁRIO DE 7/03/03
RETICULADOS: NOTAS DO SEMINÁRIO DE 7/03/03 PEDRO A. TONELLI 1. Introdução: o esqueleto do espírito E ainda mais remoto que o tempo em que as coisas não tinham nome, é o tempo em que as coisas nem existiam,
Leia maisLema de Farkas e desigualdades lineares
Lema de Farkas e desigualdades lineares Marina Andretta ICMC-USP 30 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP)
Leia maisO teorema do ponto fixo de Banach e algumas aplicações
O teorema do ponto fixo de Banach e algumas aplicações Andressa Fernanda Ost 1, André Vicente 2 1 Acadêmica do Curso de Matemática - Centro de Ciências Exatas e Tecnológicas - Universidade Estadual do
Leia maisGRAFOS Aula 02 Formalização: definições Max Pereira
Ciência da Computação GRAFOS Aula 02 : definições Max Pereira Um grafo G é um par ordenado G = (V, E) onde V é um conjunto finito e não vazio de elementos e E é um conjunto de subconjuntos de dois elementos
Leia maisAula 12. Ângulo entre duas retas no espaço. Definição 1. O ângulo (r1, r2 ) entre duas retas r1 e r2 se define da seguinte maneira:
Aula 1 1. Ângulo entre duas retas no espaço Definição 1 O ângulo (r1, r ) entre duas retas r1 e r se define da seguinte maneira: (r1, r ) 0o se r1 e r são coincidentes, Se as retas são concorrentes, isto
Leia mais1) Seja o conjunto A = (0;1). Quantas relações binárias distintas podem ser definidas sobre o conjunto A?
RESUMO A relação binária é uma relação entre dois elementos, sendo um conjunto de pares ordenados. As relações binárias são comuns em muitas áreas da matemática. Um par ordenado consiste de dois termos,
Leia maisExistência e otimalidade de pontos extremos
Existência e otimalidade de pontos extremos Marina Andretta ICMC-USP 19 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP)
Leia maisTeoria de dualidade. Marina Andretta ICMC-USP. 19 de outubro de 2016
Teoria de dualidade Marina Andretta ICMC-USP 19 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização
Leia mais1 Segmentos orientados e vetores, adição e multiplicação
MAP2110 Modelagem e Matemática 1 o Semestre de 2007 Resumo 1 - Roteiro de estudos - 07/05/2007 Espaços vetoriais bi e tri-dimensionais (plano ou espaço bidimensional E 2, e espaço tridimensional E 3 )
Leia maisInteligência Artificial Escola de Verão Laboratório Associado de Computação e Matemática Aplicada LAC.
Inteligência Artificial Escola de Verão 28 Laboratório Associado de Computação e Matemática Aplicada LAC www.lac.inpe.br/~demisio/ia_lac.html Lógica Nebulosa A Lógica Nebulosa (ou Lógica Difusa Fuzzy Logic
Leia maisTeoria dos Conjuntos. (Aula 6) Ruy de Queiroz. O Teorema da. (Aula 6) Ruy J. G. B. de Queiroz. Centro de Informática, UFPE
Ruy J. G. B. de Centro de Informática, UFPE 2007.1 Conteúdo 1 Seqüências Definição Uma seqüência é uma função cujo domíno é um número natural ou N. Uma seqüência cujo domínio é algum número natural n N
Leia mais1.4 Números Fuzzy. Números fuzzy formato. Outras formas. Casos especiais. Conjuntos fuzzy definidos no conjunto dos números reais A: R [0,1]
.4 Números Fuzzy Conjuntos fuzzy definidos no conjunto dos números reais : R [0,] Conceitos intuitivos: Números próximos de um dado número real Números em torno de um dado intervalo de números reais Números
Leia maisProfessor: Carlos Eugênio da Costa Teoria Microeconômica II Monitor: Diego Santiago
Professor: Carlos Eugênio da Costa Teoria Microeconômica II - 2012 Monitor: Diego Santiago EPGE/FGV Introdução matemática 1 Introdução Esta introdução visa familiarizar o aluno com ferramentas matemáticas
Leia mais1 Números Reais. 1. Simplifique as seguintes expressões (definidas nos respectivos domínios): b) x+1. d) x 2, f) 4 x 4 2 x, g) 2 x2 (2 x ) 2, h)
Números Reais. Simplifique as seguintes expressões (definidas nos respectivos domínios): x a), x b) x+ +, x c) +x + x +x, d) x, e) ( x ), f) 4 x 4 x, g) x ( x ), h) 3 x 6 x, i) x x +, j) x x+ x, k) log
Leia maisÁlgebra Linear AL. Luiza Amalia Pinto Cantão. Depto. de Engenharia Ambiental Universidade Estadual Paulista UNESP
Álgebra Linear AL Luiza Amalia Pinto Cantão Depto de Engenharia Ambiental Universidade Estadual Paulista UNESP luiza@sorocabaunespbr Matrizes Inversas 1 Matriz Inversa e Propriedades 2 Cálculo da matriz
Leia maisMAT146 - Cálculo I - Teorema do Valor Médio
Alexandre Miranda Alves Anderson Tiago da Silva Edson José Teixeira Motivação Suponha que uma função real f, definida em um intervalo I, seja derivável em todo I. Sabemos que se f é uma função constante,
Leia maisQUESTÕES ANPEC CÁLCULO A VÁRIAS VARIÁVEIS. 5. Em cada opção assinale se falsa ou verdadeira:
QUESTÕES ANPEC CÁLCULO A VÁRIAS VARIÁVEIS QUESTÃO Calcule o comprimento do vetor z e que minimiza o valor da função QUESTÃO Ache os valores de e correspondentes ao máimo da função 0 0 e satisfazem a equação
Leia maisAulas Práticas. 1ª Aula Prática Perguntas sobre a Implementação de Funções Simples na Máquina URM...1
Aulas Práticas 1ª Aula Prática Perguntas sobre a Implementação de Funções Simples na Máquina URM...1 2ª Aula Prática Perguntas sobre a Implementação de Funções Recursivas na Máquina URM...2 3ª Aula Prática
Leia maisMétodo Simplex dual. Marina Andretta ICMC-USP. 24 de outubro de 2016
Método Simplex dual Marina Andretta ICMC-USP 24 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização
Leia maisMA14 - Aritmética Unidade 8 Resumo. Equações Diofantinas Lineares
MA14 - Aritmética Unidade 8 Resumo Equações Diofantinas Lineares Abramo Hefez PROFMAT - SBM Julho 2013 Aviso Este material é apenas um resumo de parte do conteúdo da disciplina e o seu estudo não garante
Leia maisSegunda prova de Álgebra Linear Aplicada - 20/02/2013 Prof. Juliana Coelho - 07h00-09h00
Segunda prova de Álgebra Linear Aplicada - 20/02/2013 Prof Juliana Coelho - 07h00-09h00 QUESTÃO 1 (2,0 pts - Considere os seguintes vetores de R3 : u = (3, 2, 2, v = (1, 3, 1 e w = ( 1, 4, 4 Responda as
Leia maisx exp( t 2 )dt f(x) =
INTERPOLAÇÃO POLINOMIAL 1 As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia e não têm a intenção de substituir o livro-texto, nem qualquer outra bibliografia Aproximação
Leia mais5. Funções lineares em R n. ALGA (M1002) Ano letivo 2016/17 1 / 39
5. Funções lineares em R n ALGA (M1002) Ano letivo 2016/17 1 / 39 5.1 Definição e propriedades básicas 5.1 Definição e propriedades básicas Definição: uma função f : E F entre espaços vetoriais E e F diz-se
Leia maisFUNDAMENTOS DE SISTEMAS LINEARES PARTE 1
FUNDAMENTOS DE SISTEMAS LINEARES PARTE 1 Prof. Iury V. de Bessa Departamento de Eletricidade Faculdade de Tecnologia Universidade Federal do Amazonas Revisão O que é um corpo (campo)? O que é um espaço
Leia maisAPROXIMAÇÃO SPLINE PARA A EXTENSÃO DE ZADEH
APROXIMAÇÃO SPLINE PARA A EXTENSÃO DE ZADEH PPG. Matemáticas - IBILCE-UNESP gigu1885@hotmail.com III WORKSHOP Introdução PRELIMINARES Como sabemos, o principio fundamental da aritmética fuzzy é o principio
Leia maisCap. 5 Estabilidade de Lyapunov
Cap. 5 Estabilidade de Lyapunov 1 Motivação Considere as equações diferenciais que modelam o oscilador harmônico sem amortecimento e sem força aplicada, dada por: M z + Kz = 0 Escolhendo-se x 1 = z e x
Leia maisUm Estudo Sobre Espaços Vetoriais Simpléticos
Um Estudo Sobre Espaços Vetoriais Simpléticos Fabiano Borges da Silva Lívia T. Minami Borges 28 de novembro de 2015 Resumo O presente artigo estuda de maneira detalhada espaços vetoriais que possuem uma
Leia maisMétodos iterativos para sistemas lineares.
Métodos iterativos para sistemas lineares. Alan Costa de Souza 7 de Setembro de 2017 Alan Costa de Souza Métodos iterativos para sistemas lineares. 7 de Setembro de 2017 1 / 46 Introdução. A ideia central
Leia maisMaterial Teórico - Módulo Progressões Aritméticas. Definição e Lei de Formação de uma PA. Primeiro Ano
Material Teórico - Módulo Progressões Aritméticas Definição e Lei de Formação de uma PA Primeiro Ano Autor: Prof. Ulisses Lima Parente Revisor: Prof. Antonio Caminha M. Neto 1 Sequências elementares e
Leia maisOs Fundamentos: Lógica de Predicados
Os Fundamentos: Lógica de Predicados Área de Teoria DCC/UFMG Introdução à Lógica Computacional 2019/01 Introdução à Lógica Computacional Os Fundamentos: Lógica de Predicados Área de Teoria DCC/UFMG - 2019/01
Leia maisConjuntos Difusos. Sistemas de Informação/Ciências da Computação UNISUL Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 7)
Conjuntos Difusos Sistemas de Informação/Ciências da Computação UNISUL Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 7) Conjuntos Difusos 2 Conjuntos Difusos Quais das seguintes pessoas são altas? Paulo:
Leia maisPré-Cálculo. Humberto José Bortolossi. Aula de junho de Departamento de Matemática Aplicada Universidade Federal Fluminense
Pré-Cálculo Humberto José Bortolossi Departamento de Matemática Aplicada Universidade Federal Fluminense Aula 12 06 de junho de 2011 Aula 12 Pré-Cálculo 1 A função afim A função afim Uma função f : R R
Leia maisO Eletromagnetismo é um ramo da física ou da engenharia elétrica onde os fenômenos elétricos e magnéticos são estudados.
1. Análise Vetorial O Eletromagnetismo é um ramo da física ou da engenharia elétrica onde os fenômenos elétricos e magnéticos são estudados. Os princípios eletromagnéticos são encontrados em diversas aplicações:
Leia maisMétodos de Pesquisa Operacional
Métodos de Pesquisa Operacional Programação Linear é a parte da Pesquisa Operacional que trata da modelagem e resolução de problemas formulados com funções lineares. Programação Linear } Métodos de Resolução
Leia maisDANIEL V. TAUSK. se A é um subconjunto de X, denotamos por A c o complementar de
O TEOREMA DE REPRESENTAÇÃO DE RIESZ PARA MEDIDAS DANIEL V. TAUSK Ao longo do texto, denotará sempre um espaço topológico fixado. Além do mais, as seguintes notações serão utilizadas: supp f denota o suporte
Leia maisEXPLICANDO PORQUE A MEDIANA PERTENCE À CLASSE MEDIANA
EXPLICANDO PORQUE A MEDIANA PERTENCE À CLASSE MEDIANA EM UM HISTOGRAMA R. C. SANTOS 1 Resumo Costuma-se dizer que a mediana é o valor que divide o conjunto em dois subconjuntos de mesmo tamanho, ou de
Leia maisSistemas Fuzzy Lógica Fuzzy e Sistemas Baseados em Regras Fuzzy
Sistemas Fuzzy Lógica Fuzzy e Sistemas Baseados em Regras Fuzzy Profa. Dra. Sarajane M. Peres e Prof. Dr. Clodoaldo A. M. Lima EACH USP http://each.uspnet.usp.br/sarajane/ } Baseado em: Dimensão Topológica
Leia maisUNIVERSIDADE FEDERAL DE VIÇOSA CENTRO DE CIÊNCIAS EXATAS E TECNOLÓGICAS DEPARTAMENTO DE MATEMÁTICA
1 UNIVERSIDADE FEDERAL DE VIÇOSA CENTRO DE CIÊNCIAS EXATAS E TECNOLÓGICAS DEPARTAMENTO DE MATEMÁTICA 1 a Lista de exercícios MAT 41 - Cálculo III - 01/II Coordenadas no espaço 1. Determinar o lugar geométrico
Leia maisProbabilidade. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Probabilidade Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Experimento aleatório Definição. Qualquer experimento cujo resultado não pode
Leia maisRevisão de Álgebra Linear
Introdução: Revisão de Álgebra Linear Antonio Elias Fabris Instituto de Matemática e Estatística Universidade de São Paulo Map 2121 Aplicações de Álgebra Linear Antonio Elias Fabris (IME-USP) Revisão de
Leia maisConvergência, séries de potência e funções analíticas
Convergência, séries de potência e funções analíticas Roberto Imbuzeiro Oliveira March 16, 2011 1 Algumas palavras sobre convergência em C Tudo o que descreveremos aqui é análogo ao que se define e prova
Leia mais13 AULA. Relações de Equivalência LIVRO. META: Introduzir o conceito de relações de equivalência e suas propriedades.
2 LIVRO Relações de Equivalência META: Introduzir o conceito de relações de equivalência e suas propriedades. OBJETIVOS: Ao fim da aula os alunos deverão ser capazes de: Identificar se uma dada relação
Leia maisAula 7 Valores Máximo e Mínimo (e Pontos de Sela)
Aula 7 Valores Máximo e Mínimo (e Pontos de Sela) MA - Cálculo II Marcos Eduardo Valle Departamento de Matemática Aplicada Instituto de Matemática, Estatística e Computação Científica Universidade Estadual
Leia maisCapítulo 6: Transformações Lineares e Matrizes
6 Livro: Introdução à Álgebra Linear Autores: Abramo Hefez Cecília de Souza Fernandez Capítulo 6: Transformações Lineares e Matrizes Sumário 1 Matriz de uma Transformação Linear....... 151 2 Operações
Leia maisModelagem Computacional. Parte 8 2
Mestrado em Modelagem e Otimização - RC/UFG Modelagem Computacional Parte 8 2 Prof. Thiago Alves de Queiroz 2/2016 2 [Cap. 10 e 11] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning,
Leia maisMétodo Simplex. Marina Andretta ICMC-USP. 19 de outubro de 2016
Método Simplex Marina Andretta ICMC-USP 19 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização linear
Leia maisMDI0001 Matemática Discreta Aula 04 Álgebra de Conjuntos
MDI0001 Matemática Discreta Aula 04 Álgebra de Conjuntos Karina Girardi Roggia karina.roggia@udesc.br Departamento de Ciência da Computação Centro de Ciências Tecnológicas Universidade do Estado de Santa
Leia maisCones e raios extremos
Cones e raios extremos Marina Andretta ICMC-USP 7 de novembro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização
Leia mais