12 Carlos Ochoa
12 Carlos Ochoa
12 Carlos Ochoa
Semillero LOTO
25 de enero de 2013
Parte I
Desde La Logica
Algo de Historia
A
no 1965, Lotfi A. Zadeh: Primeras ideas de teora de conjuntos difusos,
Objetivo: Encontrar en las matematicas modelos apropiados para el
estudio de problemas complejos de control que se presentan en la teora de
la informacion;
Resultado: Se supero la rigidez de la teora clasica de conjuntos y
clasificando objetos de un universo conocido que responden a una
determinada propiedad de manera que no solo la verifican o no, sino que la
pueden verificar parcialmente.
Consecuencias: Estrecha relaci
on entre la teora de los conjuntos difusos
y la logica multi-valuada.
Algo de Historia
A
no 1965, Lotfi A. Zadeh: Primeras ideas de teora de conjuntos difusos,
Objetivo: Encontrar en las matematicas modelos apropiados para el
estudio de problemas complejos de control que se presentan en la teora de
la informacion;
Resultado: Se supero la rigidez de la teora clasica de conjuntos y
clasificando objetos de un universo conocido que responden a una
determinada propiedad de manera que no solo la verifican o no, sino que la
pueden verificar parcialmente.
Consecuencias: Estrecha relaci
on entre la teora de los conjuntos difusos
y la logica multi-valuada.
Algo de Historia
A
no 1965, Lotfi A. Zadeh: Primeras ideas de teora de conjuntos difusos,
Objetivo: Encontrar en las matematicas modelos apropiados para el
estudio de problemas complejos de control que se presentan en la teora de
la informacion;
Resultado: Se supero la rigidez de la teora clasica de conjuntos y
clasificando objetos de un universo conocido que responden a una
determinada propiedad de manera que no solo la verifican o no, sino que la
pueden verificar parcialmente.
Consecuencias: Estrecha relaci
on entre la teora de los conjuntos difusos
y la logica multi-valuada.
Algo de Historia
A
no 1965, Lotfi A. Zadeh: Primeras ideas de teora de conjuntos difusos,
Objetivo: Encontrar en las matematicas modelos apropiados para el
estudio de problemas complejos de control que se presentan en la teora de
la informacion;
Resultado: Se supero la rigidez de la teora clasica de conjuntos y
clasificando objetos de un universo conocido que responden a una
determinada propiedad de manera que no solo la verifican o no, sino que la
pueden verificar parcialmente.
Consecuencias: Estrecha relaci
on entre la teora de los conjuntos difusos
y la logica multi-valuada.
Definicion
Principio de Bivalencia: Cada proposici
on tiene exactamente uno de los
dos valores de verdad: (falso) o > (verdadero) que usualmente se
codifican con 0 y 1 respectivamente.
Definicion
Principio de Composicion, el valor de verdad de cada formula bien formada
compuesta es funcion del valor de verdad de sus componentes.
Conjunto de valores de verdad: {0, 1}
Definicion
Principio de Bivalencia: Cada proposici
on tiene exactamente uno de los
dos valores de verdad: (falso) o > (verdadero) que usualmente se
codifican con 0 y 1 respectivamente.
Definicion
Principio de Composicion, el valor de verdad de cada formula bien formada
compuesta es funcion del valor de verdad de sus componentes.
Conjunto de valores de verdad: {0, 1}
Definicion
Principio de Bivalencia: Cada proposici
on tiene exactamente uno de los
dos valores de verdad: (falso) o > (verdadero) que usualmente se
codifican con 0 y 1 respectivamente.
Definicion
Principio de Composicion, el valor de verdad de cada formula bien formada
compuesta es funcion del valor de verdad de sus componentes.
Conjunto de valores de verdad: {0, 1}
(1)
(1)
(1)
Ejemplo (1.2)
De los Grados de Verdad
No hay restricciones para el conjunto W S de grados de verdad de S; es
usual tener ademas de (??) la estructura
W S [0, 1] R,
(2)
(3)
W =: { x R | 0 x 1},
(4)
Wn =: {
k
| 0 k n 1},
n1
(5)
Conjuncion
(Lukasiewicz y Godel), una conjunci
on es la operaci
on binaria
et1 (u, v ) =: mn{u, v },
(6)
Ejemplo
la tabla de verdad correspondiente para W4 es
et1 0 13 23 1
0
1
3
2
3
0
0
1
3
2
3
2
3
1
3
2
3
1
3
1
3
1
3
Conjuncion
(Lukasiewicz y Godel), una conjunci
on es la operaci
on binaria
et1 (u, v ) =: mn{u, v },
(6)
Ejemplo
la tabla de verdad correspondiente para W4 es
et1 0 13 23 1
0
1
3
2
3
0
0
1
3
2
3
2
3
1
3
2
3
1
3
1
3
1
3
(7)
Ejemplo
La tabla de verdad correspondiente para W4 es
et2 0 13 23 1
0
1
3
2
3
1
3
1
3
2
3
1
3
2
3
(7)
Ejemplo
La tabla de verdad correspondiente para W4 es
et2 0 13 23 1
0
1
3
2
3
1
3
1
3
2
3
1
3
2
3
Ejemplo
En tiempos recientes se ha considerado la conjunci
on
et3 (u, v ) =: u v ,
(8)
Definicion
Una Operacion binaria t en [0, 1] es una t-norma si
T1. t es asociativa y conmutativa,
T2. t es no creciente en cada argumento,
T3. 1 es elemento neutro para t.
Para todo x [0, 1], t(x, 0) = 0 pues t(x, 0) = t(0, x) t(0, 1) = 0.
([0, 1], t) es un monoide.
Ejemplo
En tiempos recientes se ha considerado la conjunci
on
et3 (u, v ) =: u v ,
(8)
Definicion
Una Operacion binaria t en [0, 1] es una t-norma si
T1. t es asociativa y conmutativa,
T2. t es no creciente en cada argumento,
T3. 1 es elemento neutro para t.
Para todo x [0, 1], t(x, 0) = 0 pues t(x, 0) = t(0, x) t(0, 1) = 0.
([0, 1], t) es un monoide.
Conectivos Negacion
G
odel y Lukasiewicz proponen:
1 si x = 0
non0 (x) =
0 si x 6= 0,
y non1 (x) = 1 x;
(9)
1 si x = 0
non2 (x) =
x 1 si x 6= 0
m1
(10)
Definicion
Una funcion n : [0, 1] [0, 1] es una negaci
on si es no creciente y
n(0) = 1 y n(1) = 0. Una negaci
on es etricta si es estrictamente
decreciente y continua, es fuerte si es estricta y es una involucion, es decir,
satisface n(n(x)) = x para todo x [0, 1].
As, non2 no es una negaci
on para m > 2, non0 es una negacion y non1 es
una negaci
on fuerte. Otro ejemplo de negaci
on no estricta es
1 si x < 1
non (x) =
0 si x = 1,
(11)
Definicion
Una funcion n : [0, 1] [0, 1] es una negaci
on si es no creciente y
n(0) = 1 y n(1) = 0. Una negaci
on es etricta si es estrictamente
decreciente y continua, es fuerte si es estricta y es una involucion, es decir,
satisface n(n(x)) = x para todo x [0, 1].
As, non2 no es una negaci
on para m > 2, non0 es una negacion y non1 es
una negaci
on fuerte. Otro ejemplo de negaci
on no estricta es
1 si x < 1
non (x) =
0 si x = 1,
(11)
(12)
1x
1 + x
(13)
donde > 1.
(12)
1x
1 + x
(13)
donde > 1.
Teorema
Sean t una t-norma continua y n una negaci
on estricta, para todo
x [0, 1] se tiene que t(x, n(x)) = 0 si y solo si existe un automorfismo
del intervalo [0, 1] tal que para todo x, y [0, 1] es
t(x, y ) = 1 (et2 ((x), (y )))
n(x) 1 (1 (x)).
y
(14)
Una situaci
on tpica la presentan et2 y non1 .
Teorema
Sean t una t-norma continua y n una negaci
on estricta, para todo
x [0, 1] se tiene que t(x, n(x)) = 0 si y solo si existe un automorfismo
del intervalo [0, 1] tal que para todo x, y [0, 1] es
t(x, y ) = 1 (et2 ((x), (y )))
n(x) 1 (1 (x)).
y
(14)
Una situaci
on tpica la presentan et2 y non1 .
Conectivos Disyuncion
Conectivos Disyuncion
Teorema
Si n es una negacion fuerte y s y t son dos operaciones binarias
relacionadas por
s(x, y ) = n(t(n(x), n(y ))),
x, y [0, 1],
x, y [0, 1],
(15)
Teorema
Si n es una negacion fuerte y s y t son dos operaciones binarias
relacionadas por
s(x, y ) = n(t(n(x), n(y ))),
x, y [0, 1],
x, y [0, 1],
(15)
(16)
(17)
vel3 (x, y ) = x + y x y
(18)
(16)
(17)
vel3 (x, y ) = x + y x y
(18)
(16)
(17)
vel3 (x, y ) = x + y x y
(18)
(16)
(17)
vel3 (x, y ) = x + y x y
(18)
Conectivos Implicacion
De Lukasiewicz
seq2 (x, y ) = mn{1, 1 x + y },
(19)
ahora de Godel,
1
seq1 (x, y ) =
y
si x y ,
(20)
en otro caso.
Como es de esperarse,
seq2 (x, y ) = vel2 (non1 (x), y )
= non1 (et2 (x, non1 (y ))),
(21)
(22)
Conectivos Implicacion
De Lukasiewicz
seq2 (x, y ) = mn{1, 1 x + y },
(19)
ahora de G
odel,
1
seq1 (x, y ) =
y
si x y ,
(20)
en otro caso.
Como es de esperarse,
seq2 (x, y ) = vel2 (non1 (x), y )
= non1 (et2 (x, non1 (y ))),
(21)
(22)
Conectivos Implicacion
De Lukasiewicz
seq2 (x, y ) = mn{1, 1 x + y },
(19)
ahora de G
odel,
1
seq1 (x, y ) =
y
si x y ,
(20)
en otro caso.
Como es de esperarse,
seq2 (x, y ) = vel2 (non1 (x), y )
= non1 (et2 (x, non1 (y ))),
(21)
(22)
(23)
(24)
(23)
(24)
(23)
(24)
(23)
(24)
GL-monoides
Generalizando
([0, 1], et1 , vel1 ), enriquecido con (et1 , seq1 ) . . . ;
(L, 6) un retculo infinitamente distributivo y completo, i. e. (L, 6) es
parcialmente ordenado,
W
V
Para todo A L,
A y
A estan definidos y para todo L es
_
_
A = {a | a A} y
(25)
^
^
A = {a | a A}.
(26)
GL-monoides
Generalizando
([0, 1], et1 , vel1 ), enriquecido con (et1 , seq1 ) . . . ;
(L, 6) un retculo infinitamente distributivo y completo, i. e. (L, 6) es
parcialmente ordenado,
W
V
Para todo A L,
A y
A estan definidos y para todo L es
_
_
A = {a | a A} y
(25)
^
^
A = {a | a A}.
(26)
GL-monoides
Generalizando
([0, 1], et1 , vel1 ), enriquecido con (et1 , seq1 ) . . . ;
(L, 6) un retculo infinitamente distributivo y completo, i. e. (L, 6) es
parcialmente ordenado,
W
V
Para todo A L,
A y
A estan definidos y para todo L es
_
_
A = {a | a A} y
(25)
^
^
A = {a | a A}.
(26)
GL-monoides
Generalizando
([0, 1], et1 , vel1 ), enriquecido con (et1 , seq1 ) . . . ;
(L, 6) un retculo infinitamente distributivo y completo, i. e. (L, 6) es
parcialmente ordenado,
W
V
Para todo A L,
A y
A estan definidos y para todo L es
_
_
A = {a | a A} y
(25)
^
^
A = {a | a A}.
(26)
GL-monoides
Generalizando
([0, 1], et1 , vel1 ), enriquecido con (et1 , seq1 ) . . . ;
(L, 6) un retculo infinitamente distributivo y completo, i. e. (L, 6) es
parcialmente ordenado,
W
V
Para todo A L,
A y
A estan definidos y para todo L es
_
_
A = {a | a A} y
(25)
^
^
A = {a | a A}.
(26)
Definicion
Un GLmonoide es un retculo completo enriquecido con una operacion
binaria tal que la tripleta (L, 6, ) satisface:
(1) , , L 6 implica 6 ;
(2) es conmutativa, i.e. , L, = ,
(3) ( ) = ( ) , , , L;
(4) (L, 6, ) es entero, i.e. > = , L;
(5) = , L;
W
W
(6) ( j j ) = j ( j ), L, {j : j J} L;
(7) (L, 6, ) is divisible, i.e. 6 implica la existencia de L tal
que = .
Definicion
Un GLmonoide es un retculo completo enriquecido con una operacion
binaria tal que la tripleta (L, 6, ) satisface:
(1) , , L 6 implica 6 ;
(2) es conmutativa, i.e. , L, = ,
(3) ( ) = ( ) , , , L;
(4) (L, 6, ) es entero, i.e. > = , L;
(5) = , L;
W
W
(6) ( j j ) = j ( j ), L, {j : j J} L;
(7) (L, 6, ) is divisible, i.e. 6 implica la existencia de L tal
que = .
Definicion
Un GLmonoide es un retculo completo enriquecido con una operacion
binaria tal que la tripleta (L, 6, ) satisface:
(1) , , L 6 implica 6 ;
(2) es conmutativa, i.e. , L, = ,
(3) ( ) = ( ) , , , L;
(4) (L, 6, ) es entero, i.e. > = , L;
(5) = , L;
W
W
(6) ( j j ) = j ( j ), L, {j : j J} L;
(7) (L, 6, ) is divisible, i.e. 6 implica la existencia de L tal
que = .
Definicion
Un GLmonoide es un retculo completo enriquecido con una operacion
binaria tal que la tripleta (L, 6, ) satisface:
(1) , , L 6 implica 6 ;
(2) es conmutativa, i.e. , L, = ,
(3) ( ) = ( ) , , , L;
(4) (L, 6, ) es entero, i.e. > = , L;
(5) = , L;
W
W
(6) ( j j ) = j ( j ), L, {j : j J} L;
(7) (L, 6, ) is divisible, i.e. 6 implica la existencia de L tal
que = .
Definicion
Un GLmonoide es un retculo completo enriquecido con una operacion
binaria tal que la tripleta (L, 6, ) satisface:
(1) , , L 6 implica 6 ;
(2) es conmutativa, i.e. , L, = ,
(3) ( ) = ( ) , , , L;
(4) (L, 6, ) es entero, i.e. > = , L;
(5) = , L;
W
W
(6) ( j j ) = j ( j ), L, {j : j J} L;
(7) (L, 6, ) is divisible, i.e. 6 implica la existencia de L tal
que = .
Definicion
Un GLmonoide es un retculo completo enriquecido con una operacion
binaria tal que la tripleta (L, 6, ) satisface:
(1) , , L 6 implica 6 ;
(2) es conmutativa, i.e. , L, = ,
(3) ( ) = ( ) , , , L;
(4) (L, 6, ) es entero, i.e. > = , L;
(5) = , L;
W
W
(6) ( j j ) = j ( j ), L, {j : j J} L;
(7) (L, 6, ) is divisible, i.e. 6 implica la existencia de L tal
que = .
Definicion
Un GLmonoide es un retculo completo enriquecido con una operacion
binaria tal que la tripleta (L, 6, ) satisface:
(1) , , L 6 implica 6 ;
(2) es conmutativa, i.e. , L, = ,
(3) ( ) = ( ) , , , L;
(4) (L, 6, ) es entero, i.e. > = , L;
(5) = , L;
W
W
(6) ( j j ) = j ( j ), L, {j : j J} L;
(7) (L, 6, ) is divisible, i.e. 6 implica la existencia de L tal
que = .
, , L.
(27)
{ L | 6 },
(28)
, , L.
(27)
{ L | 6 },
(28)
Otras propiedades
Teorema
Si L es un GLmonoide, entonces:
(i) 7 = > 6 ;
V
V
(ii) 7 ( i i ) = i ( 7 i );
W
V
(iii) ( i i ) 7 = i (i 7 );
V
V
(v) ( i i ) = i ( i );
(vi) ( 7 ) ( 7 ) 6 7 ;
(vii) 6 ( ) ( ).
Otras propiedades
Teorema
Si L es un GLmonoide, entonces:
(i) 7 = > 6 ;
V
V
(ii) 7 ( i i ) = i ( 7 i );
W
V
(iii) ( i i ) 7 = i (i 7 );
V
V
(v) ( i i ) = i ( i );
(vi) ( 7 ) ( 7 ) 6 7 ;
(vii) 6 ( ) ( ).
Otras propiedades
Teorema
Si L es un GLmonoide, entonces:
(i) 7 = > 6 ;
V
V
(ii) 7 ( i i ) = i ( 7 i );
W
V
(iii) ( i i ) 7 = i (i 7 );
V
V
(v) ( i i ) = i ( i );
(vi) ( 7 ) ( 7 ) 6 7 ;
(vii) 6 ( ) ( ).
Otras propiedades
Teorema
Si L es un GLmonoide, entonces:
(i) 7 = > 6 ;
V
V
(ii) 7 ( i i ) = i ( 7 i );
W
V
(iii) ( i i ) 7 = i (i 7 );
V
V
(v) ( i i ) = i ( i );
(vi) ( 7 ) ( 7 ) 6 7 ;
(vii) 6 ( ) ( ).
Otras propiedades
Teorema
Si L es un GLmonoide, entonces:
(i) 7 = > 6 ;
V
V
(ii) 7 ( i i ) = i ( 7 i );
W
V
(iii) ( i i ) 7 = i (i 7 );
V
V
(v) ( i i ) = i ( i );
(vi) ( 7 ) ( 7 ) 6 7 ;
(vii) 6 ( ) ( ).
Otras propiedades
Teorema
Si L es un GLmonoide, entonces:
(i) 7 = > 6 ;
V
V
(ii) 7 ( i i ) = i ( 7 i );
W
V
(iii) ( i i ) 7 = i (i 7 );
V
V
(v) ( i i ) = i ( i );
(vi) ( 7 ) ( 7 ) 6 7 ;
(vii) 6 ( ) ( ).
Definicion
Un algebra de Heyting es un GL-monoide del tipo (L, 6, , , ), es
decir, en un algebra de Heyting = .
Definicion
Un GL-monoide es una MV -algebra si
( 7 ) 7 =
L.
(29)
: L L que invierte el
L.
(30)
Definicion
Un algebra de Heyting es un GL-monoide del tipo (L, 6, , , ), es
decir, en un algebra de Heyting = .
Definicion
Un GL-monoide es una MV -algebra si
( 7 ) 7 =
L.
(29)
: L L que invierte el
L.
(30)
Definicion
Un algebra de Heyting es un GL-monoide del tipo (L, 6, , , ), es
decir, en un algebra de Heyting = .
Definicion
Un GL-monoide es una MV -algebra si
( 7 ) 7 =
L.
(29)
: L L que invierte el
L.
(30)
Definicion
Un algebra de Heyting es un GL-monoide del tipo (L, 6, , , ), es
decir, en un algebra de Heyting = .
Definicion
Un GL-monoide es una MV -algebra si
( 7 ) 7 =
L.
(29)
: L L que invierte el
L.
(30)
Parte II
Conjuntos Difusos
0X (x) :=
0X (x) :=
0X (x) :=
0X (x) :=
f (x)
(31)
xX
y el grado de contenencia de f en g es
S(f , g ) =
X
1
|f |
max{0, f (x) g (x)
|f |
(32)
xX
n
otese que la suma da una medida de aquellos elementos x en donde la
relacion f (x) g (x) no se satisface; tambien se tiene S(g , f ), se puede
pensar en el grado de coincidencia en [0, 1]-partes, tiene el problema de
evocar la estructura (R, +, ), esto es, [0, 1] es visto como subconjunto de
los n
umeros reales.
Parte III
Sistemas Dinamicos Difusos
Definicion
Una -algebra difusa sobre X es una subfamilia M IX que satisface:
A1. 1 M.
A2. M 1 M; donde (1 ) (x) = 1 (x) para todo
x X.
A3. Para toda sucesion {i }
i=1 de elementos en M,
W
i=1 i = sup i M.
Si M es una -algebra difusa sobre X , al par (X , M) se le denomina
Espacio Difuso Medible.
Definicion
Una transformacion T : (X , M) (Y , N) se dice Difusa Medible si, para
N, T () T M, es decir T (N) M.
En otras palabras, T es difusa medible si el diagrama
T-
X
@
@
@
R ?
conmuta.
Teorema
Sea T : (X , M) (Y , N) una transformaci
on difusa medible, y j con
j N conjuntos difusos en Y . Entonces:
T (c) = c
1 T () =T (1 )
W
W
(
)
=T (
j
i=1 T
i=1 (j ))
V
V
i=1 T (j ) =T ( i=1 (j ))
4
5
Si {j }
on creciente y lim j = , entonces
j=1 es una sucesi
lim T (j ) =T ()
Ver Demostraci
on
Teorema
Sea T : (X , M) (Y , N) una transformaci
on difusa medible, y j con
j N conjuntos difusos en Y . Entonces:
T (c) = c
1 T () =T (1 )
W
W
(
)
=T (
j
i=1 T
i=1 (j ))
V
V
i=1 T (j ) =T ( i=1 (j ))
4
5
Si {j }
on creciente y lim j = , entonces
j=1 es una sucesi
lim T (j ) =T ()
Ver Demostraci
on
Corolario
Sean (X , M), (Y , N) espacios difuso medibles, T : X Y una
transformacion difusa medible, entonces
n
o
(N)
=
()
:
N
T
T
es una -algebra difusa sobre X .
Ver demostraci
on
Corolario
Sean (X , M), (Y , N) espacios difuso medibles, T : X Y una
transformacion difusa medible, entonces
n
o
(N)
=
()
:
N
T
T
es una -algebra difusa sobre X .
Ver demostraci
on
Definicion
Sea (X , M) un espacio difuso medible, se dice que m : M I es una
medida de probabilidad difusa si:
M1. m (1) = 1, m (0) = 0;
M2. Para , M,
m ( ) + m ( ) = m () + m () ;
M3. Para cada sucesion {j }
j=1 en M tal que lim j = ,
m () = sup m (j ).
La tripleta (X , M, m) recibe el nombre de espacio de probabilidad difusa
medible.
Definicion
Sea (X , M, m) un espacio de probabilidad difusa medible, se dice que
: X X es una transformaci
on que preserva
medida
difusa si para cada
X
@
- X
@
@
R ?
Teorema
Sean (X , M, m) un espacio de probabilidad difusa medible y : X X
una transformacion difusa medible; si n : M I esta definida por
n () = m () , M,
entonces n es una medida de probabilidad difusa sobre M,
Ver Demostraci
on
Teorema
Sean (X , M, m) un espacio de probabilidad difusa medible y : X X
una transformacion difusa medible; si n : M I esta definida por
n () = m () , M,
entonces n es una medida de probabilidad difusa sobre M,
Ver Demostraci
on
Definicion
Sean 1 = (X , M, m, ), 2 = (Y , N, n, ) Sistemas Dinamicos Difusos.
Si existe : N M una funci
on biyectiva tal que, para N, se
satisface que:
m ( ()) = n ()
m ( ()) = m ()
Se dice que 1 es equivalente a 2 .
Teorema
La equivalencia entre Sistemas Dinamicos Difusos es una relacion de
equivalencia.
Ver demostraci
on
Definicion
Sean 1 = (X , M, m, ), 2 = (Y , N, n, ) Sistemas Dinamicos Difusos.
Si existe : N M una funci
on biyectiva tal que, para N, se
satisface que:
m ( ()) = n ()
m ( ()) = m ()
Se dice que 1 es equivalente a 2 .
Teorema
La equivalencia entre Sistemas Dinamicos Difusos es una relacion de
equivalencia.
Ver demostraci
on
Parte IV
Bibliografa
hle, A. Sostak,
U. Ho
Fixed-Basis Fuzzy Topologies In:
Mathematics of Fuzzy Sets: Logic, Topology and Measure Theory,
Kluwer Academic Publisher, Boston, 1999.
Peter T. Johnstone, Stone spaces, Cambridge University Press,
Cambridge, 1982.
Alexander P. Sostak,
Fuzzy functions and an extension of the
category L-Top of Chang-Goguen L-topological spaces, Proceedings
of the Ninth Prague Topological Symposium, Prague, Czech Republic,
2001.
Manuel Suarez M., Topologa Conjuntista - Una Presentacion
Buleana-Adjunta, Universidad Pedag
ogica y Tecnologica de Colombia,
Tunja, 1992
Garca Marrero y Otros, Topologa, Alhambra, Madrid, 1975
Adriana Quintero Palomino, Espectros Inverso y Directo en
Sistemas Dinamicos Difusos, Trabajo de Grado, Universidad Distrital
Francisco Jose de Caldas, Bogota, 2012
PRAMILA Srivastava, Mona Khare, Y.K. Srivastava. Fuzzy Dynamical
Systems. Inverse and Direct Spectra. Elsevier Science, Fuzzy Sets and
Systems. 2000.