Вы находитесь на странице: 1из 221

’ f
Jito
© 2005 Editora UNESP
Direitos de publicação reservados à:
Fundação Editora da UNESP (FEU)
Praça da Sé, 108
01001-900-São Paulo-SP
Tel.: (0x x11)32 42-7 171
Fax: (0xx11)324 2-717 2
www.editoraunesp.com.br
feu@editora.unesp.br

CIP - Brasil. Catalo gação na fonte


Sindicato Nacional dos Editores de Livros, RJ

F336p
Feitosa, Hércules de Ar aújo
Um prelúdio à lógica / Hércules de Araújo Feitosa, Leonardo

Paulovich. - São Paulo: Editora UN ES P, 2005.


Apêndice
Incluí bibliografia
ISBN 85-713 9-605- 1
1. Lógica simbólica e matemática. 2. Cál culo proposicional. 3.
Matem ática - Filosofia. 4. Co njun tos difusos. I. Paulovich, Leonardo.
II. Título.

05-2173 CDD511.3
CDU 510.6

Este livro é publicado pelo projeto Edição de Texto s de Docente s e


Pós- Gradua dos d a U N ES P - Pró-Rei toria de Pós-Gradua ção e Pesquisa
da U NE SP (PRO PP) / Fundação Editora da U NE SP (FE U)

Editora afiliada:

Aaoclarl
óndeEdllorialca mUveralt
artaa Associação Brasileira de
de América Lal
lnayel Caribe Editoras Universitárias

Scanned by CamScanner
S u má r i o

Introdução 7

1 C álculo proposicional: trata mento intuit ivo 17

2 Cálcu lo proposicional: trat amento formal 65

3 Á lgebr a dos conjunt os 91

4 Circuito s elet rônic os 109

5 Silogism os categóric os 145

6 Intro duz indo o cálculo de predicado s 163

7 Dim ensõ es da lógi ca contemporânea 185

Apêndice 191

Referências bibliográficas 223

Scanned by CamScanner
In t r o d u ç ã o

A lógica surgiu co mo ciência na Antiguidade. En tre os gregos,


diversas escolas se ocuparam e produziram trabalhos sobre lógica.

Fo i, po rém, Aristóteles quem apr ese ntou , de maneira mais elabo-


rada, os primeiros textos de lógica e explicitou alguns princípios
que, desde então, passaram a caracterizar o que é denominado
lógica aristotéli ca.
O objetivo d esta ciência foi, desde os seus primórdios, a análise
do raciocínio. Como é que os indivíduos fazem para processar
mentalmente algumas informações e obter conclusões a partir dos
elementos considerados? Isso é o que os lógicos usualmente deno-
minam o estudo das inferências. Buscase avaliar, entender e pro-
por caminhos eficazes para se raciocinar, se é que existem e são
únicos, ou pelo m enos recon hecí vei s.
E m ger al, quan do estamos pensando num a si tuação de inf erên-
cia, entendemos que existe uma coleção de dados que podemos
manipular de maneira racionalmente aceitável para, então, chegar-
mos a uma conclusão plausível, segundo os dados e o raciocínio
utilizado. Duas precauções incorrem nesta situação: saber se os
da do s são conf iávei s e se a manipulação efet uada sobre esses dad os
está de acordo com códigos geralmente entendidos como coerentes.
E sse procedimento é denominado argumento, e cabe à lógica pro cu-
rar ente nder quando um argumento é válido, aceitável, ou quando é
inválido. A lógic a pode não se ocupar da veraci dade das premissas o u

Scanned by CamScanner
Q HÉRC ULES DE ARA ÚJO FEIT OSA E LE ONA RD O PAU LOVICM

dados fornecidos na situação de inferência, mas apenas da relação


existente entre essas premissas e a conclusão do argumento. Nesse
âmbito, um argumento é válido quan do suas p remissas estão de tal
forma relaciona das com a conclusão , que, se as prem issas são ve r-
dadeiras, então necessariamente a conclusão é verdadeira. Avaliar
a veracidade das premissas de uma teoria lógica também pode ser

uma tarefa dos lógicos. Aí repousam difíceis e delicadas questões


de cunho filosófico que desafiam os filósofos da ciência. Em al-
guns momentos, faremos algumas breves reflexões sobre estes
aspectos, mas não nos deterem os neles.
Depois de Aristóteles, os estudos de lógica tradicional só con-
taram com contribuições significativas no século XIX, quando
Gotlob Frege fundou a lógica m oderna. Fr eg e era profe ssor univer-
sitário de matemática e pretend ia mostr ar, usa ndo apenas resultados
explicitamente dedutivos, que de fato a matemática é uma ciência

segura, exata, livre de contradições. Foi levado a construir uma


linguagem artificial para a dis cu ssã o d o seu pr ojeto, pois, apes ar da
íntima relação entre a lógica e a linguagem, qualquer linguagem
natural é plena de am bigüida des, o q ue imped e u ma discussão s obre
aspectos de exatidão e até me sm o so bre a unic idad e pretendida por
Frege. Dessa forma, esta lógica moderna está vinculada ao fazer
matemático, que n ão é distin to d a co nce pçã o tradicional da lóg ica,
pois quando um matemático apresenta uma demonstração de um
teorema está elaborando, a partir de dados, hipóteses, premissas, o

que deve fornecer o resultado pretendido, a tese, a conclusão.


Contudo, Frege inaugurou uma nova era para a lógica, até então
sempre preocupada com a forma, que ganhou uma linguagem ar-
tificial e extensões de análise ap ro pri ad as ao d iscu rso matemático.
O que é, ent ão, esta lógica matem ática? Ela e stud a o tipo de ra-
ciocínio desenvolvido pelos matemáticos e, para tal, devemos re-
fletir sobre os métodos empregados por eles, o que passa pelo es-
tudo dos sistemas e teorias formais, caracterizados também pelas
suas linguagens artificiais.

A natureza do trabalho m atemá tico é d istinta de t od as as outras


ciências, pois estas se apó iam e m o bserv açõe s ou, em última análise,

Scanned by CamScanner
UM PRELÚ DIO À LÓG ICA 9

têm por objetivo a obtenção de um m odelo para a realidade fí sica, ao


passo que a matemática se desenvolve, intrinsecamente, como um
modelo dedutivo, validada apenas quando apresentada na forma de
uma demonstração. Essa característica não nega o fato de o mate-
mático usar a intuição e a observação em sua atividade, porém a
form a últim a de seu trabalho é dedutiva e abstrata. .
Contudo, não se pode demonstrar todas as leis de uma teoria.
Algumas primeiras leis ou sentenças não podem ser demonstra-
das, uma vez que não existem leis anteriores a partir das quais
estas possam ser consequências. Estas leis iniciais, que são acei-
tas com o verdadeir as sem demonstr ação , são nom eadas de axio-
mas. As leis remanescentes, deduzidas a partir dos axiomas, são
denominadas teoremas. Um sistema assim desenvolvido é deno-
minado sistema axiomático ou teoria. É uma convenção, para
maior elegâ ncia do si stema, que o número d e axiomas seja o m e-
nor possível . N os primeir os siste mas axiomáticos desenvolvidos,
houve grande preocupação par a que os axiomas fossem sentenças
evidentes por el as m esmas, m as na visão moderna a escolha pode
ser bastante arbit rária, de acordo com a conveniênci a e o int eres-
se do trabalho. Buscase, assim, reduzir grande número de sen-
tenças, ou seja, toda uma teoria, a um pequeno número, ou pelo
men os um a quantidade contr olada destas lei s; os axiom as.

Qu ando , no desenvolv imento de uma teoria, surg e um c onceito


notável, no sentido de ser importante e com presença freqüente,
descrevese este conceito de maneira que caracterize exatamente
quando o conceito está presente e quando não está. Nesse caso,
entendemos que uma definição foi dada. De maneira semelhante
aos teoremas, buscase definir um conceito a partir de outros já
conhecidos e, analogamente, nessa regressão, surgirão alguns pri-
meiros conceitos sem definição, pois não podem ser obtidos de
nenhum anterior. Estes são denominados conceitos prim itivos; e os
remanescentes são denominados conceitos derivados. Os conceitos
primitivos surgem nos axiomas.
Os gregos são também os responsáveis pela introdução do
primeiro sistema axiomático, mais vigoroso, na literatura, a geo

Scanned by CamScanner
10 HÉRCULES DE ARAÚJ O FEITOSA E LEONARDO PAULOVICM

metrid euclidiana. O trabalho de Euclidcs apresenta a geometria


edificada a partir de algumas primeiras sentenças denominadas
axiomas e postu lado s, e daí ob tém tod os os demais resultado*
por meio de demonstrações. Esse trabalho teve e tem influência
marcante sobre o desenvolvimento da matemática e também de
outras ciências. Considerada a forma máxima de organização do
conhecimento matemático, até mesmo ciências com caráter não
dedutivo tentaram se desenvolver por meio dessa abordagem.
Porém, para as outras matemáticas, passou a ser um objetivo a
ser alcançado. Dotar a análise, a álgebra, a teoria dos números e
outras áreas matemáticas de uma axiomática constituiuse uma
exigência, e Frege estava preocupado com tais questões ao intro-
duzir a lógica moderna, que pa sso u a co mp or com outras áreas da
matemática o que são hoje denominados fundamentos da mate-

mática. Essa nova área é ao mesmo tempo objeto de estudo e


objeto pelo qual se estu da a matemá tica.
O estudo dos axiomas e teoremas de um sistema vistos como
expressões simbólicas, sem que lhes seja atr ibuído qualquer signi-
ficado, caracteriza o aspecto sintático do sistema axiomático, ao
passo que o estudo do significado dessas expressões (signos) ca-
racteriza seu aspecto semântico. Apesar dessa separação inicial
entre os aspectos sintáticos e semânticos, gostaríamos de verificar
em toda conseqüência semântica (forma válida) uma correspon-

dente consequência sintática (teorema) associada e viceversa. Em


geral, isso não é possível, mas estudaremos um sistema em que
essa associação ocorre perfeitamente.
Podemos agora discorrer sobre sistema form al, que caracteriza
o componente sintático de uma teoria, ou, ainda, de um sistema
axiomático.
A parte fundamental de um sistema formal é sua linguagem,
caracterizada por um conjunto de símbolos, denotado por A e
denominado alfabeto.

1 Para Euclides há uma diferença conceituai entre axioma e postulado, o que não
mais é considerado hoje em dia.

Scanned by CamScanner
UM PRE LÚDI O À LÓG ICA 11

Devido às exigências de rigor, é conveniente que, na constru-


ção das teorias formais, sejam utilizadas linguagens artificiais ou
formais.
Con hecid o o alfabeto, podem os obter o conjunto das expressões
possíveis nesta linguagem, constituído de todas as seqüências
finitas de sím bolos do alfabet o.
A seguir, deve ser evidenciado um conjunto de regras gramati-
cais q ue perm ita, po r meio de um procedimento fi nito, dito efetivo,
distinguir as expressões que têm interesse ao sistema formal, de-
nominadas expressões bem formadas, e as expressões desprovidas
de interesse. Cada vez que um símbolo do alfabeto aparece em
uma expressão é dito que houve uma ocorrência do símbolo. O
número de ocor rênc ias de símbolos em um a expressão é den om i-
nado o comprimento da expressão. Assim, na língua portuguesa, a
expr essão “ matem ática” tem comprimento dez e três ocorrências
do símbolo “a ” . A lingua gem é um objet o est ritamente formal e
gerativo, a qual fica bem determinada quando conhecidos os seus
símb olos e regras gramati cais .
Entre as expressões bem formadas de uma linguagem, desta-
camse o conjunt o das fórmul as, denotado por F , e o do s termos,
indica do por T .
A parti r das express ões bem formadas , outr o item característi-
co de um sistema formal é um co njunt o de axiomas ou po stulado s,
denotado por P, um subconj unto d e fórmulas que pode, em algu ns
casos, ser v azio.
O último constit uinte é o conjunt o JR das regras de inferên cia
(ou de dedução) s obre o c onjunto de fórmul as. E ssas regras tê m a
finalidade de possibilit ar a dedução na t eoria, ou seja, ob ter te ore -
m as a partir dos axiomas e premissas.
Podemos , entã o, def inir os t eorema s de um a teoria T da se -
guinte maneira: um teorema de um sis tema axi omátic o ou teori a T
é uma fórm ula ta l que:
(i) ess a fó rmula é um dos axi omas de T ;
(ii) se todas as hipóteses de um a regra de R sã o teo remas de T ,
então a con clus ão da regra é ainda um teorema de T .

Scanned by CamScanner
12 HÉRCU LES DE ARAÚJO FEITOSA E LEO NA RD O PAULOVO I

Analisando o trabalho do matemático, percebemos que esse


profissional, basicamente, desenvolve sistemas axiomáticos. Essa
construção elaborada pelo matemático denominada teoria ou sis-
tema axiomático consiste, basicamente, de conceitos primitivos,
conceitos derivados, a xio ma s e teoremas.
Sintetizando, um sistema form al S é uma quádrupla S = (A,
jFUT, P, R ), onde:
(i) A é um conjunto qu alqu er (frequente men te enum erável) de
símbolos, denominado o alfabeto de S. Uma seqüência finita de
símbolos é denominada um a expressão de S.
(ii) F u T é o conj unto das expressões bem forma das de S.
Existe m regras sintáticas p ara a g eração das fórmu las e dos termos
e um procedimento efetivo par a dete rmin ar se um a certa expressão
é ou não fórmula ou u m termo.
(iii) P é um subconjunto de F , denominado o conjunto dos
axiomas ou postulados de S. Também aqui podem existir proce-
dimentos efetivos para se estabe lecer se u m a fórm ula é ou n ão um
axioma. N este cas o, tratase de um a teoria axiomatizada.
(iv) R é um conjunto finito de regras, dado por relações pelo
menos binárias entre fórmulas, que são denominadas regras de
inferência. Quando R (A,, ..., B ) e R , entendemos que a
fórmula B é deduzida, pela regra R , a p artir de A^ 1 < i < n.

Uma demonstração em S é um a seqü ênc ia de fórmu las A 1( A^


..., B , de man eira qu e, pa ra ca da i, 1 £ i £ n, Aj é um axioma
ou Ai é uma conseqüência direta de algu m as da s fórmulas pr ece-
dentes medi ante alguma da s regras de inferênc ia. U m teorema de S
é a última fórmula de uma seqüência que se constitui numa de-
monstr ação. N est a seqüên cia, B é o teorem a e o procedimento é
denominad o um a demonstração de B .
Uma fór mula B é deduzida ou derivada em S de um conj unto T de

fórmulas, se existe um a seqüênc ia A ,, ..., A nde fórmulas tal que,


A.® B e , para cada 1 < i < n, Aj é um axioma, ou A i está em T, ou,
ainda, Aj é um a conseqüência direta de T através d e algu ma das regras
de inferência de S, para algumas das fórmulas precedentes. Esta se

Scanned by CamScanner
UM PRE LÚDI O À LÓGICA 13

qüência é uma dedução de B a part ir de F. O s mem bros de F são


denominados premissas ou hipóteses e B é a conclusão da dedução.
Para denotarmos que B é uma conseqüência di reta d e F , escre-
vemos r h B . Se r é finito, podemos escrever alternativamente,
A lt A^, A h HB. N o caso em que V é o conjunto vazio, indica-
m os apenas I B e dizemos que B é um teorema .
A seguir, comen tamos algumas propri edade s dos sis temas
for m ais e, po r conseguinte, das teori as ou si stemas axiomáticos.
Consistência: um sis tema for mal S é consistente se não se veri-
fica p ara q ualquer fórmula de S que ela e sua nega ção sejam te orema s.
Efetividade: um sistema é efetivo se existe um procedimento
dado, com um número finito de etapas, que permite dizer se uma
dada expressão é uma fórmula e se uma seqüência de fórmulas
constitui um a dedução no sist ema.

Decidibilidade: um sis tema é decidivel quando exis te um pro -


cedimento efetivo (algoritmo) que permite verificar se uma fór-
m ula qu alquer do sistem a é o u não um te orema.
Consistência maximal: um sistema é maximalmente consis-
tente ou completo se é possível verificar, para toda fórmula, que
esta o u su a negação se const itui em um teorema do sistema.
Adequação: uma característica relevante para um sistema
form al é a exist ência de um modelo ou semântica adequada a el e. O
sist em a admite a correção se cada teorema (component e sintát ico) é
uma fórmula válida (componente semântico) e admite a completu 
*
de se cada fórmula válida é um teorema. E adequado quando é
correto e completo.
Independência: um axioma ou uma regra é independente em
um sistema formal se a s upressão deste axi oma ou regra diminui a
capacidade dedutiva do sistema.
No Capítulo 2 temos a oportunidade de estudar essas proprie-
dad es relati vas a um sist ema for mal de particul ar interes se p ara a
lógica, a lógica pro posicional cláss ica.
E qu al a rel ação da lógic a com a computa ção?
E pleno o uso da lógica em computação. Para respondermos à
questão anterior, talvez possam os começar pelo com ponente físico

Scanned by CamScanner
14 HÉRCULES DE ARAÚJO FEITOSA E LEONARDO PAULOVICH

do computador, ou hardware. Como c bastante conhecido, as má-


quinas dc processar são constituídas de chips, dispositivos ele-
trônicos que tendem a ser cada vez menores e mais velozes. Esses
dispositivos são arquitetados por meio de uma álgebra interna
denominada álgebra de Boole, que coincide com a álgebra das pro-
posições lógicas. De ssa forma, entende r um pouco sobre essa álge-

bra pode auxiliar no entendimento do funcionamento do hardware


e da arquit etura do processado r.
Também com relação aos softwares ou programas computacio-
nais, os conceitos lógico s têm sum a importância. As linguagens de
máquina são edifleadas por meio de estruturas similares aos siste-
mas lógicos. A linguagem Prolog é quase uma extensão de siste-
mas lógicos subjacentes. Os programas de computação obedecem
a leis muito parecidas com as leis lógicas e devem manter uma
estrutura de coerência e consistência tal qual nos sistemas lógicos.

São, basicamente, sistemas formais, assim como um autômato é


um sistema formal. Além de toda essa preponderância, uma gran-
de variedade de lógicas n ão clássic as tem sido utilizada na constru-
ção de sistemas especialistas, ou expert system. Muitos avanços em
inteligência artificial estão calcados sobre avanços lógicos. Certa-
mente, podemo s afirm ar que a ló gica é hoje tão importante para a
ciência da computação como foi e tem sido o cálculo integral e di-
ferencial para a física. Finalmente, o ambiente básico para a dis-
cussão de questões relativas aos fundamentos da computação bem

como a possibilidade da obtenção de uma máquina capaz de tomar


decisões de modo semelhan te ao s se res hum anos pa ssa pela lógica.
Estudar as propriedades dos sistemas formais pode lançar al-
guma luz sobre as p ossib ilida des elenc adas acima. Com o foi men-
cionado, para certo conjunto de axiomas, é desejável a existência
de um procedimento efetivo, ou seja, um procedimento mecânico
ou algorítmico para testa r se u m a fó rm ula d ad a é ou não um axio-
ma. Isso caracteriza a efetividade do sistema e tem íntima relação
com os avanços computacionais. Outra importante propriedade

para os sistemas é a dec idibilidade , qu e b us ca a obtenção de a lgum


procedimento algorítmico ou mecânico para decidir se uma fór

Scanned by CamScanner
UM PRE LÚDIO À LÓG ICA 15

mula qualquer do sistema é ou não um teorema. Gõdel mostrou


em 1931 que, para a maioria dos sistemas axiomáticos, os quais
caracterizam as teorias matemáticas mais relevantes, existem sen-
tenças verdadeiras que não podem ser demonstradas ou obtidas
dentro do sistema proposto. Assim, não existe um procedimento

mecânico, implementado por uma máquina, que seja capaz de


verificar para uma fórmula qualquer se ela, ou sua negação, é um
teorema do sistema. Isso caracteriza a indecidibilidade do sistema
e, sendo autômatos, de fato, sistemas formais, muitos pensadores
contemporâneos não crêem na construção de uma máquina capaz
de tomadas de decisões similares às dos seres humanos, pelo me-
nos com o hardware existente hoje. O que nos agu arda no futuro?
Por isso, Um prelúdio à lógica busca ser um texto de introdução
ao m undo da lógica; que possibi lite um pri meiro c ontato com siste -
mas booleanos e permita o en tendimento de algumas questões a sso -
ciad as de cunho matemático, computacional e filos ófico.
Neste texto int rodutóri o, iniciamos apresentando o cálculo p ro-
posicional clássico. E um sistem a lógico a ristotélico, pois contem pla
os princípios de Aristóteles, e tem notável valor didático, pois é
bastante simples, serve como boa introdução à lógica, trata de
questões conceituais importantes, possibilita o estudo de muitas
propriedades dos sistemas formais e caracteriza um sistema boole

ano ba stante natural.


No Capítulo 1, desenvolvemos o cálculo proposicional a partir
de uma linguagem natural, procurando respeitar os princípios de
Aristóteles para a lógica, culminando no estudo da validade de
infer ência s lógic as. N o Capítulo 2, retomamos ao cál culo pro po si-
cional, mas agora com uma vestimenta formal. Introduzimos o
sistema formal X do cálculo proposicional, o qual mostramos
adequarse inteiramente aos desenvolvimentos do capítulo ante-
rior, e estudamos algumas de suas propriedades. No Capítulo 3,
apresentamos a álgebra dos conjuntos, que caracteriza outro sis-
tema booleano. Essa álgebra tem uma interação e importância
muito grand e para a lógic a e para a computação. E feita um a ab or -
dagem intuitiva com foco nas operações entre conjuntos e suas

Scanned by CamScanner
16 HÉ RC UL ES DE ARAÚJO FEI TOSA E LEON ARD PAULOVIC
O »\

propriedades. No capítulo seguinte, mais um sistema booleano é


investi gado. T ra ta se do e stud o do s circuitos eletr ônicos , tam bém
conhecido na literatura como lógica digital. Destacamos a estru-
tura algébrica subjacen te a todo s ess es sistemas, a álge bra de B oo
le, e então usamos os mapas de Karnaugh como ferramenta para
simplificar expressões boolenas. Em seguida, no Capítulo 5, re-

tomamos no tempo para estudar os silogismos aristotélicos, uma


parte requ intada d a lógica de A ristóteles, caracteri zada po r duali-
dade s entre dois n ovo s entes lógicos, os quantificadores uni versal e
existencial. Destacamos nestes escritos, advindos da Antiguidade,
elemen tos que, e m bora n ão ten ham sido ap resentad os por m eio de
sistemas formais modernos, contemplavam o rigor e detinham
algum caráter de gen eralidade não a bo rda do pelo cálcu lo proposi
cional. No resgate desses aspectos lógicos que atravessaram os
tempos, tentamos familiarizarnos com algumas relações existen-
tes entre os quantificadores existencial e universal. No capítulo
seguinte, nu m a breve introdu ção a o cálculo d e predica dos d e pri-
meira ordem, mostramos como podemos caminhar com a lógica,
envolvendo em um único siste m a form al tod as as conc epç ões lógi-
cas tratad as neste trabalh o e a ade qua ção desse sis tema à ma temá-
tica contemp orânea. Finalm ente, no C ap ítulo 7, dis cor remos bre-
vemente sob re a am plidã o d e poss ibilid ad es d e inve stiga çõe s lógi-
cas no no sso temp o. N u m apên dice, introdu zim os alg umas noções
básicas dos sistemas fuzzy,2 ou lógica fuzz y, que têm muitas apli-
cações tecnológicas, particularmente na computação, e por isso
m esmo têm atraí do o int eres se de nossos al unos.

D E D IC A M O S este trabal ho a L u , Dani, T eus e Leo e, tam-


bém, a Nice, Cris, Nane, Fer e Fabi, razão maior de tudo o que
fazemos e vivemos.
H O M EN A G EA M O S as m entor as di ret as da d isseminação do
conhecimento que ora com partilham os: Eu rides A lves de Ol iveira,
Lourdes de la Rosa On uchic e ítala M aria Loffredo D ’Otaviano.

2 Es sa expressão do inglês tem sido traduzida por di fuso.

Scanned by CamScanner
1
C á l c u l o p r o p o s ic io n a l :
TRATAMENTO INTUITIVO

O cálculo proposicional clássico (CPC) talvez seja o mais sim-


ples e intuitivo sistema l ógico. N este capí tulo, estud am os o C P C a
parti r de uma li nguagem natur al  no ca so, o portugu ês  e con si-
deramos os princípios lógicos aristotélicos. Introduzimos e inter-
pretamos importantes operações lógicas que nos possibilitam a
construção de meios apropriados para a análise de argumentos e
inferências lógicas.
Iniciamos refletindo, mediante alguns exemplos, sobre o que é
um argumento. Coloquialmente, podemos imaginar que se trata
de uma discussão ou disputa, mas para a lógica tratase de algo
m ais bem defi nido.
U m argumento é uma col eção de informações em que um a d e-
las, chamada conclusão, é obtida a partir das outras, denominadas
premissas .
Vejam os os seguintes exemp los:

(a) T od os os animais são mortai s. pre m issa


A lguns pássaros são ani mais. pr em issa
Logo , alguns p ássaros são m ortais. conclusão

(b) Se o cã o é mam ífero, então m am a. pr em issa

O cão é mam ífero. pre m issa


Port anto, o cão m am a. conclusão

Scanned by CamScanner
18 HÉRCULES DE ARAÚJO FEITOSA E LEO NAR DO PAULOVICH

Esses dois exemplos podem ser sintetizados nas seguintes


formas:

(a) T od oB é A
Algum C é B
Logo, algum C é A.

(b) Se A, então B
Vale A
Portanto, vale B.

Naturalmente, reconhecemos que os raciocínios presentes


nesses dois exemplos são apropriados. Uma das atribuições cen-
trais da lógica é possibilitar meios para reconhecermos quando
um argumento é ou não apropriado. Nesse caminho, estamos
ocupados com a validade do s argum entos. Verem os que a a nálise
dos argumentos depende apenas da relação estabelecida entre as
premissas e a concl usão . U m argumento é válido quando as pre-
missas estão de tal mod o relacionad as com a conclusão que, se as
premissas são verdadeiras, então a conclusão tem de ser verda-
deira. A validade é uma propriedade estabelecida pela forma do
argumento.
Neste capítulo justificam os somente o m odo do argumento do
exemplo (b); o argumento do exemplo (a) será justificado no

quinto cap ítulo, em um context o lógico am pliado.

Proposições e conectivos

Como temos destacado, a lógica ocupase principalmente do


estudo da validade de argumentos, ou seja, meios que nos permi-
tem a obtenção de conclusões verdadeiras a partir de dados tam-
bém verdadeiros. Neste caminho a linguagem desempenha um
papel funda mental, po is é por meio dela que e xpres sam os a s idéias
contida s em nossos raciocínios .
Usamos a nossa língua natural, o português, como ponto de
partida para nosso trabalho. O primeiro conceito a ser tratado é o

Scanned by CamScanner
UM PRELÚDIO À LÓGIC A 19

de proposição.Não pretendemos dar uma definição de proposição,


mas apenas destacar algumas carac terísticas essenciais. Uma p ro -
posição deve ser uma sentença declarativa, para a qual tenha sen-
tido atribuir um valor de verdade,a saber, falso ou verda deiro. Por
questão de simplicidade, o valor falso é indicado por "0" e o valor
verdadeiro por * T \ Se não é possível atribuir um valor de verdade
a uma dada sentença, então esta não é proposição.

Exemplos:
(a) O número 25 é um qu adrado perf eit o. (1)
(b) Todos os cavalos são brancos. (0)

Contra-exemplos:
(c) A bicicleta do m enino. >
(d) Qu e horas são? nr\
(e) Saia!
(f) 52.

Além disso, para as proposições contemplamos os princípios


aristotélicos:

(i) Princípio da identidade: toda proposição é idêntica a si


mesma.
(ii) Princíp io d a não contrad ição: uma proposi ção não pode
ser verdadei ra e falsa ao m esmo tempo.
(iii) Princ ípio do terceiro exclu ído: toda proposiç ão é verd a-
deira ou falsa, não havendo outra possibilidade.

A lógica pro posic ional (ou cálcul o propo sicional) dese n vo lvid a
nest e ensa io é c onhec ida como lógica proposicional clássica , o rig i-
nada das contribuições dos estóicos, dos megáricos e de outras
escolas gregas, realçada no importante trabalho que Aristóteles
deu à lógi ca, e vinda até te m po s recentes .
Denominamos proposição simples ou atômica aquela que não
contém outra proposição como parte integrante de si mesma e
proposição composta ou molecular aquela que não é simples.

Scanned by CamScanner
20 HÉRCULES DE ARAÚJO FEITOSA E LEONA RDO RAUIO VICH

Exemplos de prop osições simp les:


(a) A Terra é azul.
(b) sen a + cosJ a = 1 .
(c) Carlos c careca.

Outro conceito linguístico relevante c o de concctivo,Conecti

vos são expressões usadas para, a partir de proposições conhecidas,


gerar novas proposições.
Os conectivos seguintes, indicados com as suas respectivas
funções, são os mais importantes para a lógica:

Conectivo Função Símbolo


não negação —1
e conjunção A

ou disjunção V

s e ..., então... condicional 4. >

se, e somente s e ,... bicondicional

Em geral, utilizamos letras latinas maiusculas A, B, C, ...


para indicar uma proposição arbitrária. Quando nomearmos uma
proposição, como, por exemplo, ‘32 = 9', pela letra A, escrevere-
mos A = 3 2= 9.
As proposições compostas são form adas a partir de proposições
simples pela introdução de conectivos e são indicadas da seguinte
forma:

Notação Significado
.A não A
Aa B A eB
A vB AouB
A»B Se A, então B
A<>B A se , e somente se,B

Exemplos de proposições com postas:


(a) O rei está abobado e o ministro assoberbado.
(b) a é par se, e somente se, a é par.
(c) O número 7 é par ou é ímpar.

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 21

Como queremos contemplar o rigor, fornecemos para esses co


nectivos lógicos interpretações preestabelecidas e precisas, tal que
a interpretação das proposições compostas, determinadas a partir
destes, seja unicamente determinada. Dessa forma evitamos al-
gumas ambigüidades próprias da linguagem natural.

Operações lógicas e tabelas de verdade


Nesta seção, introduzimos uma interpretação única e precisa
para os conectivos lógicos comentados na seção anterior. A partir
desta interpretação básica, a interpretação é estendida para uma
proposição composta qualquer. Essa interpretação é dada por
meio de tabelas que mostram todas as possibilidades de valores
lógicos assumidos pelas proposições estudadas, denominadas ta -
belas de verdade.

Negação

A negação de uma proposição A é a proposição “ não A ” , ind i-


cada por —A , que é falsa quando A é verdadeira e verdade ira
quando A é falsa..
A tabela de verdade da negação é dada por:
A —iA
0 1
1 0

Exemplos:
(a) Quando A = 9 * 5, temos  A = 9 = 5.
(b) Para B = 7 < 3, temos -t B = 7 > 3.
(c) ParaC = 3 |l l, temos —iC = 3 | l l .

Ob serva ção: Neste e xemplo usamos a rela ção de d ivisibilida


de em Z, que afirma a | b (a divide b) se, e somente se, existe q e Z
tal que b = a.q.

Scanned by CamScanner
2 2 HÉRCULES DE ARAÚJO FEI TOSA E LE ON AR DO PAULOVICH

A tabela de verdade da negação determina a seguinte função de


verdade:
U {0,1} >{0,1}
m = i
f.( i) = o.

Conjunção
A conjunção de duas proposições A e B é a proposição com-
posta “A e B ” , denotada por A a B , cujo valor lógico é verdadeiro
se, e somente se, A e B são verdadeiras.
A tabela de verdade da con junção é a seguinte:
A B Aa B
0 0 0
0 1 0
1 0 0
1 1 1

Exemplos:
(a) Se A ^ 2 > 0 ( l) e B = 2* : 1 (1), então Aa B =2>0 e 2^ 1
(D-
(b) Se A = 2.3 = 6 (1) e B = 52= 10 (0), então A a B = 2. 3 = 6 a 52
= 1 0 (0 ).

(c) Se A = 2 |5(0 ), B = 4 2= 8(0 ), então A a B = 2 15 a 42= 8 (0).


Temos a seguinte funçã o de verdade d a conjunção:
fA: {0,1 }  > {0 ,1 }
fA(l , 1 )= 1
fA( l,0 ) = fA( 0 ,1) = fA(0, 0) = 0.

Disjunção

A disjunção de duas proposições A e B é a proposição composta


“A ou B ", indicada por A v B , cujo valor lógico é falso apenas
quando A e B são falsas.

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 23

A tabela de verdade da disjunção é:


A B AvB
0 0 0
0 1 1
1 0 1
1 1 1
Exemplos:
(a) Se A = 5 > 0 ( 1) e B = 2* = 42(1), então A v B s 5 > 0 ou 24=
42(1).
(b) Se B = 10 é número primo (0) e C = 10 é número composto
(1), então B v C = 10 é número primo ou é número composto (1).
(c) $ e C = = 4 |ll (0 )e D = V 9 = 3 (0), então C v D = 4 111 ou
^ 9 =3(0).

A tabela da disjunção determina a seguintefunção de verdade:


fv: R l } >{ 0, 1}
fv(0,0 ) = 0
fv(1.0) = fv(0,l )=fv(l, l)=l.
A disjunção neste caso é chamada de inclusiva, pois é verdadeira
quando apenas uma das proposições é verdadeira ou ambas são
verdadeiras. Existem casos em que a disjunção é exclusiva, no senti-
do de que as proposições não podem ser ambas verdadeiras conco
mitantemente, como:
Paulo nasceu em Bauru ou Paulo nasceu em Porto Alegre.

Disjunção Exclusiva
A disjunção exclusiva,indicada pelo símbolo v >apresenta a se-
guinte tabela de verdade:
A B AvB
0 0 0
0 1 1
1 0 1
1 1 0

Scanned by CamScanner
24 HÉR CU LE S DE ARAÚJO FEITOSA E LEO NAR DO PAU LOVI CM

Exemplos:

( a) SeA = 2 > 0 ( l ) e B = 2 < 0 (0), e ntão Ay.B = 2> 0 y .2 < 0


(D
(b) Se A = 2.3 = 6 (1) e B = 52= 25 (1 ), ent ão A y .B = 2. 3 = 6 y
52= 25 (0) .
(c) Se A = 2 15 (0 ) e B = 42 = 8 (0 ), ent ão A y B = 2 15 y 42= 8

( 0 ).

A tabela da disjunção exclus iva de term ina a seguinte função de


verdade:
fy*. { 0 ,1 } —» { 0 ,1 }
fy(l ,l)= fy(0 , 0) = 0
fy(l(0 )=fy(0 ,l) = l.
A disj unção exclusiva tam bém po de ser definida em fun ção dos
conectivos a , v e —i da segu inte m aneira :

Av B = ( A v B ) a —{ A a B ),

o que, em determinadas situaçõe s, é m ais conveni ente.

Condicional

A condicional de dua s prop osições A e B é a pr opo sição com-


pos ta “ se A , então B ” , indica da p or A —>B, cu jo val or lógico é
fal so se , e soment e se, A é verdade ira e B é fal sa.

A tabel a de verdade da condicional é:


A B A —»B
0 0 1
0 1 1
1 0 0
1 1 1
*
E usual, ao tomarm os con tato c om a tabela de verdade do conec
tivo condicional, certo desconforto relativo às duas primeiras linhas,
pois não parecem ser tão in tuitiv as com o to das a s outras definições.
Gostaríamos apenas de destacar que é natural essa nãoaceitação e

Scanned by CamScanner
UM PRELÚDIO À LÓGIC A 2 5

que, com um pouco de maturidade, perceberemos não haver alter-


nativa que preserve diversos aspectos computacionais desta tabela; e
mais, que isto é uma definição; portanto, esta tabela é assim e não da
forma que possivelmente gostaríamosque fosse.

Exemplos:
(a) Dado s A = 33= 27 (1) e B = 2 g Z (0), temos A —>B = se 33=
27, então 2 £ Z (0).
(b) Dados A s 3 110 (0) e B = je = 3 (0), temos A —>B = 3 110 —>
* = 3(1).
(c) Dados Ç = G alois era u m algebrista (1) e C = Dante escre-
veu A divina comédia(1), temos B—>C = Se Galois era um alge-
brista, então Dante escreveu A divina comédia(1).

A tabela da condicional determinaa seguinte/unçõo de verdade:


U {0,1}>{0,1}
U 1,0) = 0
L>(1,1 ) = L>(0,1 ) = f_ (0 ,0) = 1.

Bicondicional
A bicondicionalde duas proposições A e B é a proposição com-
posta “A se, e somente se,B ”, indicada por A<->B, cujo valor lógico
é verdadeiro apenas quando A e B têm o mesmo valor lógico.

A tabela de verdade da bicondicional é:


A B A<>B
0 0 1
0 1 0
1 0 0
1 1 1
Observação: como é usual em textos lógicos e matemáticos,
abreviamos a expressão "se, e somente se" por “see".

Exemplos:
(a) Dados A = 2 + 3 = 5 (1) e B = 7.3 = 21 (1), temos Ae>B s 2
+ 3 = 5see7.3 = 21 (1).

Scanned by CamScanner
26 HÉRCULES DE ARAÚJO FEITOSA E LEO NA RDO PAULOVICH

(b) Dados A = 42 = 16 (1) e B = 343 é um número primo (0),


temos A<»B = 42= 16 see 343 é um número primo (0) .
(c) Quando A s 4 < 3 (0 ) e B = 4.5 < 3.5 (0), segu e que A<~>Bs
4<3 see4.5 < 3.5 (1).

A tabela de verdade d a bicondi cional determ ina a seguinte/un

ção de verdade:
f„: {0,1} {0,1}
f„ (l, l) = f „( 0, 0) = l
fM (l,0) = f„ (0 ,l) = 0.

Exercícios:
1. Determinar o valor lógico "0 " ou “ 1" de cada uma das se-
guintes proposições:
(a) O Rio de Janeir o é a capit al federal d o Brasil. O
(b) To do heptágono regular tem seis lad os. ^
(c) 22/7 é um número racional.
(d) (5+3 )2= 52+ 32. C
(e) As diagonai s de todo p aralelogramo são iguais.
(f) 3i + 4 < 5i + 1.

2. Dadas as proposiçõe s: A = Paulo trabalha e B = Paulo estu-


da, escrever em linguagem corrente as seguintes proposições com-
postas:
(a) -A (f) A X B )
(b) A a B (g) (—A)<>B
(c) Af>B (h) i(—A )v i (B )
(d) Av (iB) (i) (A a ( - tB))->B
(e) (-A ) a ( - iB) G) (A vB )>B .

3. Determinar o valor lógico de c ad a um a da s seguintes pro-


posições:
(a) Se 3 + 2 = 6, então 4 + 4 = 9 C‘

(d) sen TZ= 0 e cos 7t = 0

Scanned by CamScanner
UM PRE LÚD IO À LÓGICA 27

(e) Se |—1 1 = 0 , então sen 30° = V 2


(f) tg 71 = 1 se, e somente se, sen TC= 0
(g) 53= 225 ou 71 é racional
(h) >/2.>/8 = 4 se, e somente se, 4 2 = 0
(i) É fals o que 3 + 2 = 5 ou =1
(j) |“ 51 < 0 ou 13 não é primo
(l) Se 7t > 4 , então 3 > V5
(m) 2 < 0 see 7t2e R.

Construção de tabelas de verdade


Nest a seção, verificamos como construi r tabelas de verd ade p ara
propo sições composta s quai squer . C om isso, obtemos tod as a s p os-
sibilidades de valores lógicos para c ada pro posição co nsiderada.
Uma. form a proposicional é uma expressão que envolve apenas
proposições atômicas e conect ivos, seguindo a s segu intes regras:
(i) toda proposição atômica é uma form a proposicional;
(ii) se A e B são formas proposicionai s, entã o (—A ), (A a B ) ,
(A vB ), (A —»B), (A h B ) são formas proposi cionais .
Para deno tarmos as proposiç ões atômicas que ocorrem em um a
forma pr oposi cional A , u sam os as letr as lat inas minú sculas p, q e
r, ou então, p t, p2, .... p n. Se p 1( p2, .... p nocorrem em A , ind icam os
isto por A(p„ p 2, p j .

Exemplo:

A = (( pM ” ip2)) ” *(p 2AP3)) é um a form a proposic ional.


Conhec idas as inter pret açõe s dad as para os conect ivos , p od e-
mos construir a tabela de verdade de uma forma proposicional
qualquer , da seguinte mane ira:

Exemplos:

(a) Se A s ((( pv q) —H^p) )—HqAp)) , então:

Scanned by CamScanner
28 HÉRCULE S DE ARAÚ JO FEI TOSA E LEONA RDO P AUL OV IC H

Ia solução:
p q 1 Pv q ~>p q AP (pvq)*,p A
0 0 0 í 0 1 0
0 í í í 0 1 0
1 0 í 0 0 0 1
1 1 í 0 í 0 1

N est a so lução, ob tem os a interpret ação da forma p roposicional


passo a passo, como na solução de uma expressão numérica, res-
peitando os parênteses indicados. A próxima solução é um pouco
m ais econôm ica, po is escrev em os a fo rma proposiciona l uma ú nica
vez e indicam os, co m o s núm eros abaixo, a s ações ef etuadas.

2a solu ção :

«p q) 1 “ >P) —» (q A p)
v
0 0 0 | í 1 0 0 0 0

0 1 1 í 1 0 í 0 0
1 1 0 0 0 1 0 0 1

1 1 0 0 1 1 1 1

( 1) (2 ) d) (31 (1) ( 1) (2 ) ( 1)

(b) B = ((p v (ir) )K q A(—ir))):


(P V (*)) > (q A (*))
0 1 1 0 0 0 1

0 0 1 0 0 0
0
0 1 i 1 1 í 1 1

0 0 0 1 1 0 0

1 1 1 0 0 0 1

1 1 0 0 0 0 0

1 1 1 1 1 1 1

1 1 0 0 1 0 0

(1) (2 ) ( 1) (3 ) ( 1) (2 ) ( 1)

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 2 9

(c) C = (((p»q)A(q»r))»(p»r)):
((p —) q) A (q —> r)) —» (p —» r)
0 1 0 1 0 í 0 1 0 1 0
0 1 0 1 0 í 1 1 0 1 1
0 1 í 0 í 0 0 1 0 1 0
01 01 0í 01 0í 1
1 01 11 01 01 01
1 0 0 0 0 1 1 1 1 1 1
1 1 í 0 í 0 0 1 1 0 0
1 1 í 1 í 1 1 1 1 1 1
(1) (2) d) (3) d) (2) (1) (1) (2) (1)

Quantidade de linhas de uma tabela de verdade


Como cada proposição atômica assume apenas um dos valores
lógicos "O" ou “ 1” , numa forma proposicional com n proposições
atômicas existem tantas possibilidades quantos são os arranjos
com repetição de dois elementos em n, o que computa T linhas.
Como já foi possível perceber, para algumas formas proposi
cionais o número de parênteses é muito grande. Por isso, fazemos
aqui uma convenção que freqüentemente nos permite reduzir
bastante o número desses parênteses. Fica estabelecida a seguinte
hierarquia para a precedência de conectivos, quando não determi-
nados pelos parênteses:

(Io) i (2°) ae v (3°) —> (4°) <».


Exemplos:
(a) Em vez de ({(p)v(i(q)))A(((<p))v(r))A(q))) escrevemos
~{p v^q)A (( —>pvr)Aq).
(b) Em vez de ( (p ) K —(q )) )—K(n(p))A(q)) escre vem os
(p —>—»cl)—K— •

Exercício:
4. Construir as tabelas de verdade das seguintes formas propo
sicionais:

Scanned by CamScanner
3 0 HÉRCULES DE ARAÚJO FEITOSA E LEONARDO PAULOVICH

(a) ípv iq) (g) pv(qAr)


(b) (p<r*iq)<-><q->p) (h) (q vp )^ > (q —>ip)
(c) qo(TqAp) (i) -T(pv-iq)A(-»pvr)
(d) (p<>—iq)—>(—ipAq) (i) (pA—ir) —> —iq
(e) ((pvq)A—iP)—>(q—>p) (l ) ~»(pAq) <>—i(pv—ir)
(£) (rA(pv—<j))Ai(irv(pAq)) (m) (pv—ir) — q.

Valor l ógico de uma forma proposicional

Nestes próximos exercícios, no lugar de construirmos toda a


tabela da forma proposicional, concentramos a atenção em apenas
algumas linhas de particular interesse, ou seja, em apenas algumas
atribuições de valores
para as componentes atômicas da forma pro-
posicional.
(a) Sabendo que os valores lógicos (atribuição de valor) das
proposições p e q são, respectivamente, “ 1” e "0 ” , determinar o
valor lógico, denotado poru(A), da forma proposicional A =
^pvq)f>(ipATq).
v(A) = v(<p vq)<»(1pA—iq)) = v M p vq)) <> v(.pAiq)) =
—iv(pvq) v(>p)A'u(iq)) = >(v(p)vi;(q)) <> ii>(p)Aru(q)) =
- t(1 vO) (Oa I) = 0 0 = 1.

(b) Sendo p = “n = 3” e q = “sen n /2 = 0", determinar o valor


lógico deB s (p—*q)—»{p >(pAq)).
v(B) = v((p—>q) > (p>pAq)) = ((0—>0) > (0> 0 a 0))
= (1»1) = 1.

(c) Sendov(p) = 1, u(q) = 0 e v(r) = 0, determinar o valor lógico de:


G —(qf>(r—> —ip)) v ((—iq—»p)<»r)
v(C) = (0<*(0>0) )v((l_>i ) ^ 0) = ( 0< > l)v( loO ) = (OvO) = 0.

(d) Sabendose que u(r) = 1, determinar o valor lógico de D s


(p>hqvr)).

t^D) ~ ,/(p^ W  ^ q )V l ) ::::v(p )4i = 1.


js

Scanned by CamScanner
UM PRELÚDIO À LÓG ICA 31

Exercidos:
5. Sabendo que v(p) = v(r) = 1 e v(q) = v(s) = 0, determinar o
valor lógico das seguintes formas proposicionais:
(a) (pAq) (rAns) (e) (p<>q) > (s>r)

(b) (—ip4q) —» (s—»r) (f) (pA q)vs4 (p<>s)


(c) (qAr)AS  > (p<»s) (g) (p>  q ) <> ((pvr)A s)
(d) (pAq)A(rAs) -> (pvs) (h) (-ipvs)v(-iSAr).

6. Se t»(q) = 1, determinar o valor lógico da seguinte for ma pre -


posicional:
E = (pq )>( q> . p).

7. Sabendo que as proposições "x = 0" e “x = y” são verdadei-


ras e que a proposição “y = z” é falsa, determina r o valor lógico da

forma preposicional:
B = x^0vx3*y— >y *z .

8. Sabend o que as propos ições “x = 0” e “x = y” são verdadei-


ras e que as pr oposições "y = z” e “y = t” são fal sas, deter minar o
valor lógiço de cada uma d|as seguintes form as pro posicion ais:
(a) (x = 0 a x = y) - »y* z
(b) (x * 0 v y = t) —» y = z
(c) (x * y v y * z) y = t
(d) (x * 0 v x * y) —> y * z
(e) x = 0 (x * y v y * t)

Tautologias, contradições e contingências


Quando construímos a tabela de verdade de uma forma prepo-
sicional qualquer, três distintas alternativas podem ocorrer. Em
geral, a coluna final é constituída de 0’s e l ’s, mas pode acontecer
de a resultante final conter apenas Cfs ou apenas l ’s. D e particular

importância para a lógica é a forma preposicional A , que, para


todas a atribuições de valores às suas componentes atômicas, as-
sume sempre o valor final ve rdadeiro " 1

Scanned by CamScanner
32 HÉRCULES DE ARAÚJO FEITOSA E LEONARDO PAULOVICH

Uma tautologia é uma forma proposicional que assume valor


lógico verdadeiro UY * para qu alquer atribuição de val ores das pro-
posições atôm icas que n ela o correm.

Exemplo:
(a) As —(pA—ip) é um a tau tolog ia ou form a tau tológica:

1 p pAip i(pAip)
«p
1 0 0 1
0 0 1
1

Buscamos um sistema dedutivo no qual a dedução é tal que, se


as premissas são verdadeiras, então a conclusão também é verda-
deira. A lógica, porém, gostaria de ir um pouco além: partir de

sentenças entendidas como verdadeiras e usar regras que geram,


com base nessas sentenças verdadeiras, apenas sentenças verda-
deiras. As tautologias são as proposições que se apresentam para
este quesito, pois, com a interpretação que temos usado, estas são
sempre verdadeiras.
Uma contradição é uma forma proposicional q ue tom a valor ló-
gico falso “0" para qualquer atribuição de valores das variáveis
proposicionais que nela ocorrem.

Exemplo:
B = (—ipA(pAiq)) é uma contradição:

ip A (p A >q)
0 0 1 0 0
0 . 0 1 1 í
1 0 0 0 0
1 0 0 0 í

Uma contingência é uma forma proposicional que não é uma


tautologi a nem um a contradição.

Exemplo:

Os exemplos (a ) e (b) das p áginas 278 são d e form as proposi


cionais contingentes.

Scanned by CamScanner
UM PRELÚDIO À LÓGIC A 3 3

Exercício:
9. Classifique cada uma 5 formas proposicionais seguintes
como tautologia, contradição contingência:
(a) p —> (—«P— >q) (e) (—ipvq)  > (p»q)
(b) p>(qKq>p)) (f) ((p ^q )^q )>p
(c) (pvq ) > (p> q) (g) (  <pv—q) (p—>q)
(d) p > ((pvq)v r) (h) (pAq) —»(p qvr)

Equivalência e implicação lógicas


Nos textos matemáticos, usualmente dizemos que uma se nten-
ça é equivalente à outra ou implica outra, Essas relações entre
sentenças são utilizadas intuitiva e corretamente, mas pretende-
mos agora explicitálas a partir das construções lógicas que temos
encaminhado.
Um a forma proposicional A é logicamente equivalentea uma
forma proposicional B quando os seus valores de verdade coinci-
dem em cada linha das colunas finais das respectivas tabelas de
verdade.
Ness e caso, dizemos que as tabelas de verdade de A e B são
coincidentes. Com isso, a forma proposicional A é equivalente à
forma proposicional B se, e somente se, A<»B é uma tautologia,
ou seja, se, e somente se, qualquer atribuição que faz uma verda-
deira fizer a outra também verdadeira. Indicamos que A é equ iva-
lente a B da seguinte maneira: A <=> B.

Prop riedade s da equi val ênci a lógica

P, Propriedade reflexiva
A<=> A
P2Propriedade simétrica
Se A <=> B, então B <=> A
P3Propriedade transitiva
Se A <= >B eB <= >C , então A <=> C

Scanned by CamScanner
34 HÉRCULES DE ARAÚJO FEITO SA E LEONA RDO PA ULOVICH

P4 Se A e B são ambas tautológicas ou contraditórias, então


temos que A t=> B.

As propriedades acima nos mostram que a equivalência ló-


gica é uma relação de equivalência sobre a classe de todas as
proposições.

Exercícios:
10. Verificar a validade das quatro propriedades da equivalên-
cia lógica.
11. V erificar a validade das seguin tes equivalências :
(a) —i—ip <=> p (dupla negação) (e) (p >q)A (q »p) <=> (p<>q)
(b) —ip —» p <=> p (0 P<>q <=> (PAq)v (~ipA—q)
(c) p —» (pAq) <=> p q (g) P ~ * l <=> <5 ip
(d) p q <=> ~<Pv q (h) p X q > r) <=> q >(p > r).
'í 1 í ^
Uma forma proposicional A implica logicamente uma forma
proposicional B, se B é verda deira “ 1" toda vez que A é verda-
deira “ 1".
Assim, uma forma proposici onal A implica um a forma propo-
sicional B se, e somente se, A —»B é uma tautologia. Denotamos
que A implica B por A = * B.

Propriedades da implicação lógica


Pj Propriedade reflexiva:

A=> A
P2Propriedade antisimétrica:
S e A = > B e B = > A , então A< =>B
P3Propriedade transitiva:
Se A = ^ B eB = »C , então A =» C

Com as propriedades acima, a relação de implicação lógica de-


termina uma relação de ordem sob re a c lasse de tod as a s proposições.
Apesar da íntima relação existente entre <=> e «» ou entre =» e

devemos observar s ua s diferen ças. O s sím bo los <» e —» são

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 35

conectivos (símbolos operatórios) que têm a função de representar


expressões linguísticas, ao passo que os símbolos <=> e =* são me
talinguísticos (comparação), ou seja, são usados para denotar rela-
ções entre sentenças. No capítulo seguinte, quando trabalharmos
com linguagens formais, essa distinção ficará mais clara.

Exercícios:
12. Verificar a validade das propriedades da implicação lógica.
13. Testar a validade das seguintes implicações:
(a) (p—»q)A(q—>r) = * (p>r) (d) (ipAq) => .p
(b) pA—»p=> q(e) p => (q—>qAp)
(c) (pOq)Ap => q (f) p—Hq~>r) =» (pAq)>r.
 o \ ' \

Pro posiçõ es asso ciadas a uma condi ci onal


Os raciocínios condicionais são freqüentemente empregados
em nosso cotidiano e também no fazer matemático. Entender as
relações existentes entre sentenças condicionais pode nos ajudar a
evitar alguns equívocos comuns.
Dada a condicional A—»B, as seguintes formas preposicionais
são associadas a ela:
(i) a recíproca éB —»A;

(ii) a contrária é —
A —>—B ;
(iii) a recíproca da contrária ou contrapositiva é —
iB—»—A .

Verificando as respectivas tabelas de verdade, temos:


A B A>B B>A A », B —iB A
0 0 1 1 1 1
0 1 1 0 0 1
1 0 0 1 1 0
1 1 1 1 1 1

Scanned by CamScanner
3 6 HÉRCULES DE ARAÚJO FEITOSA E LEONARDO PAULOVICH

donde concluímosque A—»B c JB—> A sào equivalentes, assim


como —iA—>tB e B—>A também o são, mas isso não vale para os
demais pares.

Exemplos:
(a) Considerando a seguinte proposição:
A —»B: Se T é um triângulo equilátero, então T é isósceles (1),
agora,
B —>A: Se T é um triângulo isósceles,então T é equilátero (0).
-t A - ^ t B: Se T não é equilátero, então T não é isósceles (0).
—B —>—A : Se T não é isósceles, então T não é equilátero (1).
(b) Demonstrar que no conjunto Z, se x é ímpar, então x é
ímpar.
Pela recíproca da contrária, basta demonstrar que se x é par,
entãox2épar. Sejaxp ar, entãox = 2n, tal que n e Z , daí:
x2= (2n)2= 4n2= 2(2.n2), logo x2é par.
(c) Do cálculo sabemos que, se uma função é derivável, então é
contínua. Mas não é verdade que, se a função é contínua, então é
derivável.

Exercícios:
14. Dada a proposição "Se João é professor, então não deve ser
rico”, determinar, literalmente, suas associadas.
15. Encontrar a recíproca da contrária da proposição: "Se x é
menor que zero, então não é positivo” .
16. Determinar:
(a) a contrapositiva de A —>—>B;
(b) a contrária de iA —»B;
(c) a recíproca deA —>— lB;

(d) a recíproca da contrária de iA —»iB .

Substituição nas formas pro posi cion ais


Nesta seção, introduzimos algumas demonstrações no texto lógi-

co. Vamos obter algumas propriedades gerais sobre o cálculo propo


sicional e manipular a substituição em formas proposicionais.

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 37

Sejam B,, ..., B n formas proposicionais quaisquer e A uma


forma proposicional na qual ocorrem as proposições atômicas p,,
.... pn, ou seja, vale A(p,, pn). A substituiçãode cada ocorrência
da variável p, (1 < i < n) por B, gera uma nova forma proposicional
indicada por A ( p /B lf p2/ B 2....p„/B n).

Proposição 1.1: Seja A(p, .....pn) uma forma proposicional na


qual as proposições atômicas p1( pnocorrem. Se A é uma tau
tologia, então a forma proposicional C = A íp /B ,, p2/B 2,..., pn/B n)
também é uma tautologia.
Demonstração:Seja A uma tautologia. Para cada atribuiçãode
valores conferida às proposições atômicas de C, as formas B p Bn
tomam os valores deverdade xp..., de modo que x^ é 1 ou 0. Se são
atribuídos os valores xlf .... x^ a B 1( .... Bn, respectivamente, então o

valor de verdade de C coincide com o valor de A para a valoração


que atribui o valor xtpara p,.....o valor xnpara pn. Todavia, como A
é uma tautologia, então assume sempre o valor “ 1”. Portanto, C
assume apenaso valor “1” , ou seja, C é também uma tautologia. ■

Pr op osi çã o 1.2: Sejam A e B formas proposicionais quais-


quer. Então, são logicamente equivalentes às seguintes formas
proposicionais:
(i) -{A a B) e (- iA v ^B )
(ii) i(AvB) e (—iAa - iB).
Demonstração:Primeiro, verificamos que —i(pAq)<>
(—ipv—iq) e
—i(pvq)<>(—>pA—»q) são tautologias e, então, o resultado segue pela
Proposição 1.1. ■
Essas duas leis são conhecidas como leis de De Morgan. O
exercício seguinte caracteriza outras propriedades algébricas das
operações lógicas a e v.

Exercício:

17. Sendo A, B e C formas proposicionais quaisquer, verificar


que os seguintes pares são logicamente equivalentes:

Scanned by CamScanner
38 HÉRCULES DE ARAÚJO FEITOSA E LEONARDO PAULOV1CH

(0 A a (B a C) e (A a B ) a C associatividade
(ii) Av(B vC ) e (Av B)vC associatividade
(iii) A a B e B a A comutatividade
(iv) A vB eB vA comutatividade
(v) A vA eA idempotência
(vi) A a A e A idempotência
(vii) A v (A a B) e A absorção
(viii) A a (A v B) e A absorção
(ix) Aa (B v C) = (A a B ) v (A a C) distributividade
(x) A v (B a C) = (A v B ) a (A v C) distributividade

Pro posição 1.3: Consideremos as formas proposicionais A e


B logicamente equivalentes e C uma forma proposicional em que
A ocorre. Se D é uma forma proposicional obtida a partir de C

pela substituição de todas as ocorrências de A em C pela forma


proposicional B, então C e D são equivalentes.
*
Demonstração:Sejam A e B logicamente equivalentes. Dese-
jamos demonstrar que C<»D é uma tautologia. Atribuindo valo-
res de verdade a todas as proposições atômicas envolvidas, temos
que D difere de C somente onde A difere de B. Mas, como A e B
são equivalentes, então assumem sempre o mesmo valor de verda-
de. Desta forma, i»(C«»D) = 1, para toda valoração v, ou seja,
C<*D é uma tautologia. Portanto, C <=> D . ■

Uma forma proposicional que envolve apenas os conectivos —i,


a , v é denominada umaforma proposicional restrita.

Pro posi ção 1.4: Seja A uma forma proposicional restr ita. Se
A * é obtida a partir de A pela permutação de a por v, de v por a e
de cada proposição atômica por sua negação, então A * é logica-
mente equivalente a —A .

Demonstração:Demonstração por indução sobre o número de

conectivos que ocorrem em A .


(Base) n = 0:

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 39

se nenhum conectivo ocorre em A, então A é uma proposição


atômica. Daí, A * é  A e, portanto, o enunciado é verdadeiro.
(Hipótese de indução) se B tem menos conectivos que A, então
B * é equivalente a —B .
Se A é do tipo —iB, como B tem menos conectivos que A, então
B * <=> nB, donde segue que —B * <=> i(B ), ou seja, A * <=>—A.
Se A é do tipo B a C , como B e C têm menos conectivos que A,
então B * <=> —B e C * <=> —iC. A partir daí, A* <=> (B *v C *) e, pela
aplicação da Proposição 1.3 duas vezes, A * <=> ( B v —iC). Pela
Proposição 1.2, (B v i C ) O —( B a C ) e, pela transitividade da
equivalência, temos que A * <=> - i(B a C), seja, A * <=> —A.
ou

Se A é do tipo B v C , o tratamento é análogo e deve ser comple-


tado. ■

Corolário 1.5: Se pp p2 .......pnsão proposições atômicas, en-


tão:
((^P i M->P2)v  v( p J) <=>K P A P A ApJ).
Demonstração: Este corolário é um caso especial da Proposição
1.4, em que A é a forma proposicional A = (p,Ap2A ... Apn). ■
A seguir, para sermos um pouco mais sintéticos, denotamos a
expressão (pjA p / v ... Apn) por A |Lt p e a expressão (ptvp 2v .. .v p j
P°r V "=1 Pi.

Como (—«Pi)a (—ip2)A ...a ( p n) <=>  { p v p2v ... v pn), temos


que:
A Ui (—|Pi) <=> V JLj p,).

Proposição 1.6: (Leis de De Morgan generalizadas)Dadas as


formas proposicionais A vA ^t em os :

(ü) V ”=1 (A j) <=>- t( A "=1 Ai)


Demonstração:
ção 1.1. ■ Segue pelas considerações acima e pela Proposi-

Scanned by CamScanner
40 HÉRCULES DE ARAÚJO F EITOSA E LEO NA RD O PAULOVI CH

Exercícios:

18. Completar a demonstração de 1.4.


19. Demonstrar que para quaisquer formas proposicionais A
BeC:^ .
(a) A^ (B >C ) e (A a B )- *C são equivalentes
(b) A>(B ^C ) e (A > B )K A > C ) são e quivalentes
(c) A > B e A v B são equivalentes
(d) A e - t(- A ) são equivalentes
(e) (A aAB )
implica ,
(f) A implica A v B
(g) A a (A->B) implica B
(h) - B a (A->B) implica iA
(i) (A v B ) a - iB implica A.
20. Demonstrar que a forma proposicional n(Av—B ) —KB—»C)
é logicamente equivalente a cada uma das seguintes:
(a) —t(B —>A)—>(— iBvC)
(b) (—iA a B ) > -{ B a —iC)
(c) —1(—iBvC)—>(B—>A)
(d) B >(AvC).

Formas normais

Dada uma forma proposicional qualquer, existe uma quanti-

dade enorme de formas proposicionais equivalentes àquela dada,


ou seja, todas as formas que apresentam a mesma tabela de verda-
de. A forma normal colocase como a escolha de uma entre estas
muitas formas proposicionais equivalente s. Essa s form as normais
são formas proposicionais restritas tratadas com mais detalhes.
Isso pode ter duas aplicações: a primeira é encontrar uma forma
proposicional para certa tabela de verdade dada; a segunda está
associada com a unicidade possível p ara certa form a norm al, o que

é importante para questões relacionadas com demonstrações au-


tomáticas, ou seja, aquelas que podem ser computadas por um
algoritmo, pois este possi bilita dizer com o fazêlo.

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 41

P rop osição 1.7: Toda função de verdade coincide com a fun-


ção de verdade de uma forma proposicional na qual os únicos co
nectivos que ocorrem estão entre —i, a e v, ou seja, é uma forma
proposicional restrita.
Demonstração: Seja f uma função de verdade nária. Uma for-
ma proposicional A será construída a partir das proposições atô-
micas p j , p nque correspondem a esta função.
Se para toda atribuição de valores a função de verdade f toma
sempre valor “0” , então tratase de uma contradição e a seguinte
forma proposicional a representa:
A.= (P]A iPj) a p2a ... a p„.

Se para cada atribuição de valores a função de verdade f toma o


valor “ 1” em pelo menos uma combinação devalores de verdade,
então f pode ser representada por uma tabela de verdade contendo
2“ linhas, tal que cada linha representa uma particular atribuição
de valores de verdade às proposições atômicas plt .... pn, seguida
pelo correspondente valor de verdade de f. Para 1 < i < 2n, seja G a
conjunção de B 1'a B 2a ... ABn', em que IV é pjt se na iésima linha a
proposição Pj tem valor “ 1” , e Bj' é —ipj, se na iésima linha a pro-
posição Pj tem o valor "0” .
Pela construção anterior, para a késima atribuição de valores,
Q tem valor “ 1” e C t, para i * k, tem valor “ 0” .
Seja D a disjunção de todos os C |f para os quais a função f tem
valor de verdade “ 1” . Neste caso chamamos cada C;de disjuntiuo.
Desta maneira, se f tem valor “ 1" para a késima linha, então C ké
um disjuntivo de D com valor "1” , logo, D também tem o valor
“ 1” para esta atribuição. Se f tem o valor “ O” para a késima linha,
então Q não é um disjuntivo de D e todos os disjuntivos de D
tomam valor “0” para esta atribuição e, então, também D toma o
valor “0” . Portanto, a forma proposicional D tem a função de
verdade coincidente com f. ■

Scanned by CamScanner
^2 HÉRCULES DE ARAÚJO FEITOSA E LEONARDO PAULOVICH

Exemplo:
W
p. P2 p3 f(p,» P2>Pj)
0 0 0 0
0 0 1 1
0 1 0 0
0 . 1 1 0
1 0 0 1
1 0 1 1
1 1 0 0
1 1 1 0

Pela Proposição 1.7, a forma proposicional D = C 2vCvC6


admite a função de verdade coincidente com adada acima. Assim:
a
C2= (—>p
C5=(pj t —ip2Ap3) "
Aip2A~ip3)
Q=(PlA^P2AP3Ê)
D s (' !P1A |P2AP3) y (p,A^P2A 1p3) V (p,A,p2Ap3).

Exercício:
21. Construir a tabela de verdade desta forma proposicional D
e confirmar0 resultado.

Corolário 1.8: Toda forma proposicional que não é uma con-


tradição é logicamente equivalente a uma forma proposicional
restrita do tipo, v j j (a "=1Bg), em que cada B (J é uma proposição '
atômica ou a negação de uma proposição atômica.
Demonstração:Duas formas proposicionais são logicamente
equivalentes se têm a mesma função de verdade. Dada uma forma
proposicional A, determinamos a sua função de verdade e, daí,
pela Proposição 1.7, construímos a forma proposicional no tipo
acima indicado. ■
A forma proposicional obtida no corolário anterior é denomi
nadaforma normal disjuntiva(FND).

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 43

Corolário 1.9: Toda forma proposicional que não é uma tau


tologia é logicamente equivalente a uma forma proposicional da
forma a XB), em que cada Btj é uma proposição atômica ou
(v ”m
a negação de uma proposição atômica.
Demonstração:Se A não é uma tautologia, então — A não é uma
contradição e, pelo Corolário 1.8, é equivalente a v ^ (a "=1 B).
Desta maneira, a fórmula A é logicamente equivalente a
(a "=1B ;í)). Pelas leis de De Morgan, A é equivalente a
a ™,(v"=1 B ;j). Finalmente, substituindose todas expressões do
tipo —1(—ipj) por pi( obtemos o resultado proposto. ■
A forma proposicional do corolário acima é denominadaforma
normal conjuntiva(FNC).

Exemplo:

(a) Encontrar uma forma normal conjuntiva que seja logica-


mente equivalente à proposição A = (—ipVq)— »r.
O primeiro passo é estabelecer a tabela de verdade de sua
negação.

p
0
q
0 0
—1
1
((>p
í
V
1
q)
0
—»•
0
r0) 1

0 0 1 0 í 1 0 1 1
0 í 0 1 1 1 1 0 0
0 í 1 0 í 1 1 1 . 1
1 0 0 0 0 0 0 1 0
1 0 1 0 0 0 0 1 1
1 í 0 1 0 1 1 0 0
1 í 1 0 1 1 1 1

Assim, a forma normal disjuntiv a associada a  A é:


(—ipA—
iqA—ir) v (—ipAqA—
út) v (pAqAir).

Mas, a forma proposicional A é equivalente à negação desta,


donde segue pelas leis de De Morg an que:
A <^> —1((—»pA—>qA—ff) v (ipAqAür) v (pAqAir)) <=>

<=> (pvqvjOa (pvqvr) a (.pviqyr),


e esta última se encontra numa F N C .

Scanned by CamScanner
44 HÉRCULES DE ARAÚJO FEITOÇa c c
OSA E LEONARDO PAULOV ICH

Exercícios:

22. Dualizar o procedimento da demonstração da Proposição


1.7 e obter outro caminho para a construção deuma forma normal
conjuntiva.

23. (p»q)
(a) Encontrar uma FN C e uma FN D equivalentes a:
v (rAip)
(b) (p<Kj)
(c) (—rTAq) v (p>q)

Conjun tos completos de conectivos

Nesta seção, observamos que, embora tenhamos introduzido


cinco conectivos com respectivas interpretações razoavelmente
intuitivas, de fato não precisamos de todos eles, pois com apenas
alguns podemos obter os demais. Também outros conectivos po-
dem ser propostos, com certa generalidade, mas com quase ne-
nhuma intuição.
Um conjunto de conectivos céompleto,se é tal que toda função
de verdade possa ser representada por uma forma proposicional
contendo somente conectivos deste conjunto.
Essa é uma das características entendidas como fundamentais
por Frege ao introduzir o sistema lógico que seria básico para toda
a matemática, acompletude funcional da verdade, ou seja, conheci-
dos os valores de verdade de funções básicas, todas as demais de-

veríam ser obtidas


Observando a partir
a seção "Fodaquelas.
rmas normais", vemo s que o conjunto
{ a , v, i) é um conjunto completo de conectivos.

Pro posiçã o 1.10: Os conjun tos de conecti vos {i, a }, {—i, v } e


{), >} são completos.

Demonstração:Pela afirmação acima, sabemos que o conjunto


(a , v, —i} é completo. Assim, basta verificarmos que para quais-
quer formas proposicionais A e B vale:

A a ÍJ O ■( A v iB), donde verificamos que o conectivo a não


é essencial e, portanto, o conjunto (v, —i} é completo;

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 45

AvB <=> —i(- iA a - tB ), donde temos o “completamento” de


A } ‘.
A a B <=> —{ A —»iB) e A v B <=> (—A > B ). Dessa maneira,
também o conjunto {—i, —>} é completo. ■

Com isso, dada uma forma preposicional qualquer, ela pode


ser transformada em uma forma preposicional equivalente con-
tendo apenas os conectivos a , v e —i e, então, em outra contendo
apenas —ie um entre os três conectivos a , v o u —>.

Exemplo:
(a) (ipvq ) —>r <=> i(ipvq) v r xi ' n
(ipvq) —> r <=> {i(pAiq) a *) A
(—ipvq) —> r <=> (p—Kl) —> r

Os demais pares dos conectivos avaliados não determinam


conjuntos completos de conectivos. Os dois conectivos binários
introduzidos a seguir têm uma característica peculiar: cada um
deles determina um conjunto unitário e completo de conectivos.
São conhecidos como conectivos de Sheffer.

Conectivos de Sheffer

Ne gação conjunta: a negação conjuntadas pro posições A e B

é a proposição " A l B " (não A e não B ), cujo valor lógico é dado


pela seguinte tabela de verdade:
A B A iB
0 0 1
0 1 0
1 0 0
1 1 0

Negação disjunta: a negação disjunta de duas proposi ções A e

B é a proposição “ A T B M(não A ou não B ), cujo valor lógico é


dado pela seguinte tabela de verdade:

Scanned by CamScanner
46 HÉRCULK * AR AÚJ 0 « 1 0 S A E LE ON AR DO PAULOVtCH

A B A ÍB
o 1 0 1
0 í l
r i 0 1
i 1 0

Proposição 1.11: Os conjuntos unitários {4'} e {^} s^° con


juntos completos de conectivos.
Demonstração:—
A<=>ATA
A v B<^(ATA)T(BTB)
A a B o (ATB)T(ATB)
—A <=> (A>lA)
A v B <=> (AfJBjJ^AiB)
A a B <=$(AJAjiíB^B). ■

Exemplo:
(a) Encontrar uma forma proposicional que envolva apenas o
conectivo ! e seja equivalente à A—>B.
A—)B <=> —A v B <=> —{A a —iB) <=> —1(A a (B>ÍB))
<=>,[(A ÍA )l( (B ÍB )i(B ÍB )) ]
o [(AU)I((BÍB) nL(BÍB))]>1[(AM) nL((BIB)Í(BÍB))].

Com
mero de esse exemplo,é vemos
conectivos, que,oapesar
assustador da diminuição
crescimento do nú-
do comprimento
dessas formas proposicionais, sobre as quais perdemos completa-
mente qualquer intuição.

Exercícios:

24. Encontrar formas proposicionais que contenham apenas os


símbolos i ea , e que sejam equivalentes às seguintes:
(a) (A—>B)v (D a A)
(b) (AvB)  » (A»B )
(c) (A<»D)

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 47

25. Encontrar formas proposicionaís que contenham apenas os


símbolos —ie v, e que sejam equivalentes a:
(a) (A»B )> (AvC )
(b) (A<>D)
(c) (A<>  B ) > (C vD )
26. Encontrar formas proposicionaís que contenham apenas os
conectivos —» e —i, e que sejam equivalentes a:
(a) A «» (B vC )
(b) (A<>B)v (—»Aa C)
(c) (0 > D )
27. Verificar que { a , v } não é um conjunto completo de co-
nectivos.
28. Mostrar que não existe outro conectivo binário além de i e
T que determine um conjunto unitário e completo de conectivos.

Os resultados desta seção caracterizam uma álgebra das formas


proposicionaís que pode ser definida apenas para os operadores
a e v. Voltaremos a discutir essa estrutura algébr ica ao longo deste
trabalho, mas agora avaliaremos as inferências proposicionaís, ou
melhor, discutiremos quando e como é apropriado extrair uma
conclusão de uma coleção de informações dadas.

Sobre a validade de argumentos


Agora estamos prontos para a discussão sobre a vali dade de ar-
gumentos. Usamos os resultados construídos até aqui como fer-
ramentas para a análise do s procedimentos de dedução.
Um argumento éuma seqüência de formas proposicionaís A lP
..., A n+1, com n e N, tal que a conjunção das n primeiras f or-
mas implica a última, ou seja:
A ja A ^ ... a A j j A n+1.
Neste caso, as formas proposicionaís A;, 1 < i < n, são as pre-

missas e A »„é a conclusão. Um argumento é inválido ou falacioso


se, nessas condições, nã o houver a implicação, o u seja:
A ]a A 2a ... a \ ü> \ +1

Scanned by CamScanner
48 HÉRCULES DE ARAÚ JO FEITOSA E LEONAR DO PAU LOVI CH

Em geral, os argumentos válidos são denotados por qualquer


um a da s seguint es mane iras:
(*0 A,, Aj, ••• »A^, ^n+i
(b) A l( A 2, ... A„+t
(c) A,
A2

A,
An+i
Ne ste nosso texto, vamos denotá-los de acordo co m o item (b ).

Exemplos:
(a) Testa r a validade do argumento A —»—iB, —A , A v B I----iB.
Para tanto, devemos verificar se a proposição ((A->- hB ) a (- A ) a

(Av B)) - » (- B ) é uma tautologia:


((A ->B) A - A ) A (A V B) —» —iB
0 1 1 1 1 0 0 0 0 1 1

0 1 0 1 1 1 0 1 1 0 0

1 1 1 0 0 0 1 1 0 1 1

1 0 0 0 0 0 t 1 1 1 0

Já que não obti vemos um a tautologia, então o argumento nã o é


válido.
X A --ti.

(b) Faze r o mes mo p ara A —>B, A v B , - B j- B :
<(A->B) A (A v B » A (—'B) B
1 0 0 0 1 1 0
1 1 1 0 0 1 1
0 0 1 0 1 1 0
1 1 1 0 0 1 t

Porta nto, este argumento é válido.

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 49

Exercício:
29. Mediante o uso de tabelas de verdade, testar a validade dos
seguintes argumentos:
(a) B—» —iA, —i(iA) I B Aí (d) —iE—»—iA,1(—
—iA v B) —
i .B 5»
(b) A*,B. AvB h A«>nB 5 (e) <AvB), B>E, Av(A»B) HBvE N
(c) C—>(DvE), D>iC l— ,C jú (f) B>,E, Av -,E i- Bv,E. 5

Regras de inferência
Embora seja um procedimento simples, não podemos abusar
da construção de tabelas de verdade. Basta tomarmos um a quanti-
dade um pouco maior de formas proposicionais básicas para per-
cebermos que os tamanhos dessas tabelas ficam intratáveis. Como
as situações de inferência em geral são constituídas por uma quan-

tidade muitolocal
um alcance grande
parade sentenças, esse
a investigação procedimento
da validade tem apenas
dos argumentos.
A seguir, usamos alguns argumentos válidos simples, os quais já
determinamos como válidos no texto, e a partir deles obtemos um
dispositivo mais poderoso para a análise pretendida.
Esses argumentos básicos são denominados regras de inferên-
cia. As formas proposicionais acima do traço são as premissas e as
abaixo do traço são as conclusões. T em os regras unária s, binária s e
temárias, para uma, duas ou tr ês premissas, respectivamente. U ti -

lizaremos as seguintes regras de inferência ou dedução:


(DN) Dupla negação —>(—A.) ou A
A —1(—iA)
(C) Conjunção A,B
Aa B

(S) S implificaçã o Aa B

(D) Disjunção A
AvB

Scanned by CamScanner
50 HÉRCULES DE ARAÚJO FEITOSA E LEONARDOPAULOVICH

(SD) Silogismo disjuntivo AvB, iA


B

(MP) Modusponens A»B,A


B

(MT) Modus tolens A»B, .B


—iA

(SH) Silogismo hipotético A> B, B > C


A>C

(BIC ) Regra s do bicond icional A —>B, B —»A ou ______A<->B


A ^B (A —>B) a (B—>A)

(DC ) Dilema constr utivo A—>B, C » D , A v C


B vD

(D D ) Dilema destrutivo A —>B, C —>D, —iBv—iD


AviC

Além dessas regras, serão utilizadas as propriedades comutati


va, associativa, distributiva, idempotente, De Morgan, a equiva-
lência A > B = A vB , alguma outra já verificada.
ou

Uma vez que estas regras são válidas (verificar caso haja dúvi-
da), elas levam proposições verdadeiras em proposições verdadei-
ras. Assim, se nossas premissas são sentenças verdadeiras, as con-
clusões são sempre verdadeiras.
Todas essas regras são logicamente importantes, mas, como
veremos no capítulo seguinte, para o desenvolvimento deste tra-
balho é particularmente importante a regra Modus ponens. A pro-
posição abaixo mostra a sua validade.

Proposição 1.12: Se A e A —>B são tautologias, então B tam-


bém é uma tautologia.

Demonstração:Supondo que B não é uma tautologia, existe


uma atribuição de valores lógicos que atribui valor “0” para B.

Scanned by CamScanner
UM PREL ÚDI O À LÓGICA 51

De sde qu e A é uma tautologia, tom ará sempre va lor lógico .“ 1” e,


então, para esta particular atribuição, A —»B terá de assum ir o
valor “ 0” . M as isso contra diz o fato de A —>B ser tautologia. ■

Exercícios:
30. Da r os nomes das regra s usadas em cada um dos argumen -
tos seguintes:
(a M EvD ) >A, <EvD ) H A W
(b) A K D vG ), - t(D v G ) k - A A'
(c) (A a —lB ) v (B a —E ), —(A a —B ) i—B a —E i^
(d) B> F h (B>F)vi D D

(e) (C»E)v(D vA ), <D vA ) H C >E 5 D


(f) C —>—iD,  iD  > G h C —>G s «
(g) E —»—«(A vB ), — >(AvB) i— E A' t '
(h) D a (C v —iD ) l—C v —iD v
(i) —E —»—iD, —i(—
iD) \~ E ; ,v\ X)
(j) - i(C a D ), E>C h -.(C a D ) a ( E —>C) C"
(l) G a —E i— E i
(m) (C a D ) v —iG, G l—C a D • P *
(n) C —K D > G ), C h D —>G
(o) (—iC—> iD )vG , *i(—G —>—iD) h G >

31. Com pletar cada um dos seguintes argumentos válidos:


(a) ( E a A) -> ^B (d) > D )vG

■ríB)

(b) CHD»G) (e) C-KD a G)


V o\
C —>D

C a - iD

Scanned by CamScanner
5 2 HÉRCULES DE ARAÚJOFEITOSA E LEONARDOPAJLOVICH

Técnicas dedutivas

Como procedimentos de dedução, podemos seguir pelo menos


três caminhos alternativos. O primeiro considera as informações
dadas e, usando as regras de inferência, obtemos a conclusão, O
segundo considera a conclusão do tipo condicional, em que o seu
antecedente é tomado como uma nova premissa e, então, obtemos
o consequente como conclusão. Finalmente, no caminho indireto,
negamos a conclusão e obtemos uma contradição. Assim, deve
valer a conclusão considerada.
A esses procedimentos de deduçãochamamos técnicas dedutivas.

Dedução direta: uma forma proposicional B é deduzida dire-


tamente de algumas formas proposicionais dadas, se é possível for-
mar uma seqüência deproposições A,, A2, ..., Ande maneira que:

(ii) para qualquer valor de i, 1 < i < n, Aj é uma das premissas


ou constitui a conclusão de algum argumento válido formado a
partir de proposições que a precedam na seqüência.
Neste caso, escrevemos A „ A * A,,., h A„ = B e dizemos que
a forma proposicional B é dedutivelou derivável a partir do con-
junto {At, A2, ..., AnJ de premissas ou hipóteses. Denotamos os
conjuntos de formas proposicionais por letras gregas maiusculas.
Assim, se A = {Ap A2, An]}, a seqüência formada é denomi-
nada umadedução deB a partir de A. Vamos indicar as premissas
por p. apenas.

Exemplos:
(a) Deduzir ,D a partir de C, - tB->^D.
l.C
P
2
P
3. - tB— J )
P
4. iB
5. -D MP em 1 e 2
MP em 3 e 4

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 53

(b) Deduzir E v —iD quando conhecidas as premissas


C —>—iB, —iC—>E.
I .D a B P-
2. C -» -B P>
3. -iC -> E P-
4 .B Sem 1
B) DN em 4
6. —iC M T em 2 e 5
7. E MP em 3 e 6
8. E v- iD D em 7
(c) D erivar “ x = 0” das premissas :
1. x^O —>x = y P-
2 .x = y —>x = z P-
3. X5*Z P-
4.x*y M T em 2 e 3
5.-<(x*0) M T em 1 e 4
6. x = 0 DN em 5
(d) Deduzir A das pre m issa s:
1. —A —»B P-
2. B —> - D P-
3. D v E P-
4.-E P*
5. D SD em 3 e 4
6. -< -iD ) DN em 5

7.iB M 6em
Te2
8. —1(“-A) M T em 1 e 7
9. A DN em 8

Exercício:
32. Verificar a validad e dos seguint es argumentos:
(a) A-»D, A a B, (D a E ) —>—iC, B —^ E j— iC
(b) 3x + y = 11 o 3 x = 9
(3x = 9'- »3 x + y = 11) >y = 2
y *2 v x + y = 5
x+y= 5

Scanned by CamScanner
54 HÉRCULES DE ARAÚJO FEITOSAE LEONARDO PAULOVICH

(c) (A->B) a E , A, C -> -tí, C vD h- D


(d) A-£>, -,C->-J3, A a B h CaD
(e) C->E , ^ E , Cv D I- D
(0 (CvG)-»A, B-K-A a -£ ), B 1-
(g) (A->B) v (E a D), - B h- A->E

(h) D a B, C -^-B, -£ -> E h Ev- iD

Dedução de conclusão condicional: se desejamos obter


A->B, dadas as premissas A „ .... A n, tomamos, a princípio, a
conjunção dessas premissas como D e comprovamos a validade do
seguinte argumento D h A-> B, ou seja, D => A ->B . Se isso
ocorre, então v(D—>(A—>B)) = 1 see n(—iDv(—A v B )) = 1 see
■u((-iDv-iA)vB) = 1 see u(— i(D a A ) v B ) = 1 see d ((D a A)->B) -

1. Portanto,D a A => B.
Com isso, para que seja verificada avalidade de um argumento
na forma condicional, isto é, cuja conclusão tem a forma A —>B,
basta introduzir A como uma nova premissa provisória, denotada
por pp. e, então, obter B.

Exemplos:

(a) Derivar E — A, dadas as premissas:


1. A—>B -> A p.
d '"C *i
2.
3. EE—>—
B A p_
pp.
4.-B MP em 2 e 3
_ 5._rnA M T em 1 e 4
6. E->- t A DC de 3 a 5
(b) Deduzir E — D, dadas as premissas:
1. B-^^E
P-
2. “-i(D a - B )
P*
3. E
pp.

4- -*n E ) DN em 3
5. -t B
M T em 1 e 4
6.

De Morgan em 2

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 55

7. -iD vB DN em 6
8.-JD SD em 5 e 7
9.E-»-D DC de 3 a 8
(c) Obter C —»D, dadas as premissas:
1. (CvE) - » A P-
2. E —>(— A a —iB) P-
3. E v D P-
C 4. pp.
5. C v E D em 4
A6. 5MP
eem
1
7. E —> - t(A v B) De M organ em 2
8. A vB Dem 6
9. - i(- t(A v B)) DN em 8
10. - £ M T em 7 e 9
11. D. _ SD em3 e 10
12.C - » D DCde 4
11
a

D ed uç ão de con clusão bicon dicional: A dedução de um ar-


gumento cuja conclusão está na forma bicondicional C<-»D é se-
melhante à dedução condicional, com a distinção de qu e é feita em
duas partes distintas, ou seja, num primeiro momento deduz-se
C —>D e, em seguida, D —>C. Assim concluímos pela validade do
argumento.

Exemplo:
(a) Derivar C h D quando conhecidas as premissas:
l . F —»C P-
2.D->F P-
3. C -> G P-
4. D v- iG P-
5a. C PP-
6a. G MP em 3 e 5a
7a. D SD em 4 e 6a
8a. C—)D D Cd e 5a a 7a

Scanned by CamScanner
ÉR CU IES DE ARAÚJO FEI TOS AE LEON ARDO PAUL OVI CH

5b. D pp.
6b. F M P cm 2 e 5 b
7b. C M P cm 1 c 6b
8b. D »C C D dc 5b a 7b

9, ( C —»D ) a ( D —»C) C em 8a e 8b
10. C<>D B IC em 9.

Exercício:
33. Testar a validade dos argumentos seguintes por derivação
condicional:
(a) (C v G ) —» A , B —>(—
iA a —lE) I B—»—iG

(b) E > B , -hC, - ,D -> - iB h (C v —D )  * E


(c) D —>E, D v A , A —»B, E —»C i— B —>C
(d) A H B vE ), —E I  A —»B
(e) (B v G )—»C, ( C a D ) —
>—iE, D H B —>—E

Dedução indireta: Um método freqüentemente usado na


demonstração da validade de um argumento é denominado dedu-
ção indireta ou redução a um absurdo, que consiste em admitir a
negação da conclusão como uma nova premissa e, então, deduzir
uma contradição. A idéia intuitiva desse raciocínio é que admiti-
mos que as teorias com as quais tratamos são livres de contradi-
ções, ou seja, nelas não pode ocorrer A a —A = 0 e, mais, uma das

proposições, A ou  A , deve ser verdadeira .


Consideremos os argumentos:

A p A^i ... , A^ I B (1) e:


A ,, A ^ .. ., A n, —iB 1 0 (2),

onde 0 é uma contradiç ão qualqu er como, por exemp lo, D a —


»D.

Segundo a dedução condicional, verificamos que, se (2) é um


argumento v álido, então o argum ento seguin te tam bém é válido:

Ap A j, ..., A^I— iB —>0 (3).

Scanned by CamScanner
UM PRELÚDIO À LÓG ICA 57

Mas, como:
—iB—»0 <=>  i—iBv_L <=
> B v 0 <=> B,
segue que o argumento (1) é válido se, e somente se, o argumento
(2) é válido.
Em resumo, para a verificação da validade de um argumento
pela redução a um absurdo, introduzimos a negação da conclusão
como uma nova premissa e obtemos uma contradição.

Exemplos:
(a) Deduzir E, dadas as premissas:
1. A ^ E P
2. E > B P
3. —(A a B ) P
4. —E pp.
5. B MP em 2 e 4
6. —A v —iB De Morgan em 3
7. —i—iB DN em 5
8. —A SD em 6 e 7
9 .E MP em 1 e 8
10. E a —E C em 4 e 9
11.E D l de 4 a 10

(b) Derivar  A :
I . - tB v D P
2. A —^—D P
3 .B P
4. —1(—
A) pp.
5. A DN em 4
6. —iD MP em 2 e 5
7. —B SD em 1 e 6
8. B a —B C em 3 e 7
9.A D l de 4 a 8

Dedu ção indireta da for m a condicional: Para a demonstra-


ção da validade de um argumento que tenha a conclusão do tipo

Scanned by CamScanner
58 HÉRCU LES DE ARAÚJO FEITOS A E LEONARD O PAULOVICH

C —>D, segundo a dedução indireta, tomamos —( C —>D) como


uma nova premissa provisória, onde obtemos —{ —iCvD) e, daí,
(C a —iD). Portanto, na prática, acrescentamos o antecedente C e a
negação do conseqüente — iD como novas premissas e deduzimos
uma contradição.

Exemplos:
(a) Deduzir E - > - B dadas as premissas abaixo:
1. —E v —iD P-
2.B-»D P-
3.E pp.
4. —i—B pp.
5. —i—iE DN em 3
6 -D SD em 1 e 5

7. iB M T em
C em 4 e27e 6
8. —Ba —i—B
9. E -> -B Dl de 3 a 8

Derivar A—>B das premissas abaixo:


l.(A->B)vE P-
2. (DvC) —> —iE P-
3. D v (C a F) P-
4. A pp.
5.-B pp.

6. (Dv C) a (D v F) Distributividade em 3
7. DvC Sem 6

8.E MP
7em
e2
9.
A->B SDem8e1
10.B MP em 4 e 9
11. Ba —B C em 5 e 10
12 A->B D l de 4 a 11

Exercícios:
34. Testar os argumentos seguintes pela dedução indireta:
(a) -JEv-iD, (CvD)-*E, Dv-iD, -,C l- -i(CvD)
(b) C-»-iD, G-»-,C, DvG h -C

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 59

(c) DvE, D —»-A , E -> F i— A v F


(d) E —■>—B , (A —>B)a G, A, E v D f—D
(e) (D vG) —>C, B —>(—iC a —iE), B l— iG

35. Testar os argumentos seguintes pela dedução indireta do


condicional:
(a) (A—>B)vE, (D v C )—> —E , D v (C a F ) 1—A —>B
(b) A-KBvE),-£i-A->B
(c) (A-»B) v (E a D), - iB I—A —>D
(d) C -» D , D —^—E , (C -> -J E )- »B \~ A -^ A a B )
(e) —iCv— tD , B—>D h G—>— iB.

36. Nas deduções abaixo, completar as passagens:


(a) l.A -» B p.
2. —E —>— tB p.
3. —i(—A v —iD) p.
4. A a D
5. A
6. B
7. E
8. D
9. E a D

(b) 1. —i(D a G ) — ^~iC p.


2. C—K - iD a E ) p.
3. C pp.
4 . - iD a E
5. —iD
6. D a G
7. D
8. D a -J D
9. -»C
(c) 1.C -K D -4G ) p.
2. (Ga F)->B p.
3.A -^ D a F ) p.
4. — A v —iC) p.

Scanned by CamScanner
60 HÉRCULES DE ARAÚJO FEITOS A E LEONARD O PAULOVICH

5. A a C
6. A
7. D a F
8. C

9. D>G
10. D
11. G
12. F
13. Ga F
14. B
1. (Aa - tB)v (B a - iE) P
2. A *D P
3. iDvC P
4. —iC P
5. —.D
6. ~A
7. A vB
8. —i(Aa — iB)
9. B a - iE
10. B

Falácias

As ciências dedutivas estão sempre preocupadas com argu-


mentos válidos, porém no discurso cotidiano argumentos falacio-
sos são usados em muitas situações, seja por engano, seja por pre
meditação. Argumentos inválidos, como temos sustentado, po-
dem ocorrer por falhas no processo dedutivo ou por equívocos na
escolha das premissas.
No diaadia, além de argumentos dedutivos, também argu-
mentos indutivos são usados, com freqüência, para justificação de
idéias. Os argumentos indutivossão aqueles similares aos da esta-
tística, em que, tomando como referência uma amostra, obtemos
uma conclusão sobre o todo. A grande diferença está no seguinte:

Scanned by CamScanner
UM PRE LÚDI O À LÓG ICA 61

num argumento dedutivo, se as pre miss as são verd adeiras, então a


conclusãotem que ser verdadeira, ao passo que nos argumentos
indutivos, se as premissas são verdadeiras, provavelmente a conclu-
são será verdadeira.Como exemplo, temos o argumento: "Como o
Sol tem nascido todos os dias, provavelmente ele nascerá amanhã".
Verificamos alguns tipos comuns de argumentos falaciosos
tanto de srcem dedutiva, como de srcem indutiva.

A falácia da relevância é um primeiro tipo usual de raciocínio


equivocado. Tal falácia é caracterizada pelo fato de as premissas
não terem relação alguma com a conclus ão. Pode ser u tiliz ada p ara
desviar a atenção sobre a questão central do problema. E muito
comum em questões tratadas na justiça.

Exemplos:
(a) Antônio viu os homens cometerem o crime. A ntônio é ap e-
nas um pobre coitado. De vez em quando Antônio toma umas
“biritas". Logo, o testemunho de Antônio não tem valor algum .
(b) O galã nos incita a comprar um carro novo da m arca T eruê.
Portanto, devemos comprálo.
(c) Muitos políticos são safados. Mas há também professores
safados, alunos safados, agricultores safados. Existem também

políticos decentes. Logo, não é uma questão relevante a corrupção


no meio político.

A falácia do raciocínio circular écaracterizada por assumir


aquilo que se deseja comprovar. Muitos equívocos científicos
decorrem deste tipo de raciocínio inválido.

Exemplos:
*
(a) E claro que estas cenas de sexo são imorais, pois são o fensi-
vas aos telespectadores.
(b) Certamente aquela declaração é verdadeira. Ele não afir-
mou aquilo?

Scanned by CamScanner
62 HÉRCULES DEARAÚJOFEITO SAFl Fri
rei i USAELEOMA
N AR
DD
P,OPA
ULO
VICH
>

A falácia semântica é caracterizada por termos vagos, não pre-


cisos ou dúbios presentes nas sentenças e que interferem no en-
tendimento do argumento.

Exemplos:
(a) É besteira se preocupar com meras palavras. "Apartheid ' é
apenas uma palavra. Portanto, você não tem que se preocupar com
"apartheid".
(b) O governo se mobiliza. Haverá mais dinheiro para as peque-
nas empresas. Os recursos advindos das novas taxas serão disponi-
bilizados para empréstimos a pequenos e médios empresários.
A falácia indutiva é caracterizada pela baixa ou inexpressiva pro-
babilidade de ocorrência da conclusão.

Exemplos:
(a) Em agosto de 1993 minha casa foi invadida, em agosto do
ano passado quebrei o braço e neste ano bati o carro. De fato,
agosto é um mês de azar.
(b) Tenho tentado jogar na cobra por quinze dias e não acertei.
Tenho certeza de que logo vai dar,e na cabeça.
A falácia formal é caracterizada pelo uso inadequado de alguma
regra de inferência ou pela obtenção de alguma regra equivocada.

Exemplos:
(a) Se alguém sabe o endereço eletrônico do Frank, João Mar-
cos sabe. Ninguém aqui sabe o endereço do Frank. Portanto, o
João Marcos não sabe.
(b) Se o Pedro ganhou no jogo uma grande soma em dinheiro,
ele está rico. Mas o Pedro está rico. Então ele ganhou no jogo.
A falácia das premissas falsas, como o próprio nome diz, é ca-
racterizada pela assunção de premissas falsas ou insustentáveis.
(a) Ou você está do lado do povo ou você está contra o povo.
Você não está do nosso lado. Logo, você está contra o povo.

Scanned by CamScanner
UM PRELÚDIO A LÓGICA 63

(b) Toda a ciência está revestida de razão. E a razão que nos dá


certeza de que o caminho escolhido é correto. Você não pode
questionar este projeto.

Exercício:

37. Analisar e discutir cada um dos argumentos falaciosos aci-


ma mencionados.

Scanned by CamScanner
2
C á l c u l o p r o p o s ic io n a l
TRATAMENTO FORMAL

No presente capítulo, continuamos a tratar do cálculo proposi-


cional clássico (CPG). Construiremos agora o sistema formal X,
que é o correspondente formal do cálculo proposicional do capí-
tulo anterior, e verificaremos que todo o desenvolvimento intuiti-
vo daquele capítulo conformase completamente ao desenvolvi-
mento formal deste. Este, porém, não é o único sistema formal
correspondente ao cálculo do capítulo anterior. Grande quantida-
de deles é apresentada na literatura, com variações da linguagem,
do conjunto de axiomas e, principalmente, do conjunto de regras
de inferências ou dedução.

Si st ema for m al X do cálc ul o proposici onal

Nesta seção, introduzimos formalmente o sistema X = (Alf,


For , A x, MP) . O sistema formal X do cálculo proposicional clás -
sico (CPC) consiste nos seguintes itens:
1. alfabetoA lf de símbolos (enumerável):
'i )> (» Pl» P2> 3P»
2. conjunto For de fórmulas dado pela seguinte definição in-
dutiva:
(i) para cada i e N *, (pt) é uma fórmula de X , denominada fór-
mula atômica.Cada p; é uma variável proposicional de X. O con-
junto de todas as fórmulas atômicas é denotado por For^ .

Scanned by CamScanner
66 HÉRCULES DE ARAÚJO FEITOSA E LEONARDO PA ULOVICH

(ii) se A e B são fórmulas, então (—A ) e (A ^ B) são fórmulas;


(ui) o conjunto de todas as fórmulas é gerado apenas por (i) e (ii).

3. axiomas: os axiomas A x de X são especificados por meio de


um dos três seguintes esquemas:

Axj (AKB >A))


A x 2(( A-KB -»C)) - » (( A->B)-» (A-» C)))
A x 3((—iB—> —A ) —» ((—iB—>A)—>B))

Nota: para cada um destes esquemas de axiomasexiste uma


quantidade infinita de instâncias, quando A, B e C são fórmulas
quaisquer de X.
4. regra de inferência
: a única regra de inferência de X é a Mo
dus Ponens(MP), que diz: se A e B são fórmulas de X , então B é

uma conseqüência direta de A e A —>B.


O sistema formal X ora proposto procura refletir o desenvol-
vimento intuitivo do cálculo proposicional; assim, as fórmulas de
X devem assemelharse com as formas proposicionais do capítulo
anterior. Os símbolos A . v e H não aparecem no alfabeto de X.
Assim, as expressões em que estes símbolos ocorrem não são fór-
mulas de X. Considerando que {—i, —>} é um conjunto completo
de conectivos, os demais símbolos são introduzidos por definição
da seguinte maneira:
(A a B) =df (—
i(A—>—iB))
(AvB) = df ((A )—>B)
(A<h >B) = ã (A-> B) a ( B - tA )

Nota: o símbolo = df significa que o termo da esquerda está sen-


do definido pelo termo da direita.

As fórmulas nas quais ocorrem esses conectivos são abreviações


de fórmulas de X. As convenções para eliminação de parênteses,
aplicadas no tratamento intuitivo, também são pertinentes aqui. O
rigor com os parênteses é necessário apenas para alguns desenvolvi-
mentos formais; assim, sempre que possível, esse rigor será omitido.

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 67

Uma demonstraçãoem X é uma seqüência d e fórm ulas A 1# ....


Aj,, tal que, para 1 < k < n, A ké um axioma de X ou A ké obtida de
dois membros anteriores da seqüência pelo uso da regra de infe-
rência MP, ou seja, A ké obtida de A i( Aj com i, j < k, tais que A ; é
B e Aj é (B—>Ak), ou o contrário, permutando A ; e Aj. Assim, A ké
uma conseqüência direta de A ; e Aj. Neste caso , a seqüên cia A ,,
A,, é uma demonstraçãode A ne A né um teorema de X .
Os axiomas de X também são teoremas de X . Neste caso, as
suas demonstrações são seqüências de um único membro. S e A „
.... A^é uma demonstração em X , então, para k < n, temos que A 1(
.... Aké também uma demonstração em X e, portanto, A k é um
teorema de X .
A proposição a seguir é um exemplo de demonstração.

Pro posiç ão 2.1: Seja A uma fó rmula de X . Então (A —>A) é


um teorema de X , ou, em outra notação, l * (A —»A).
Demonstração:
1. (AK(A»A)»A))K(AKA>A))KA>A)) instância do Ax^
2. (A—»((A»A)—»A)) instânci a do Ax,
3. (AHA>A))HA>A) M P em 1 e 2
4. (A—»(A—»A)) instância do A xl
5. (A—>A) M P em 3 e 4 ■

Seja Á um conjunto de fórmulas de X . Uma seqüência A 1( ...,


A^ de fórmulas é uma deduçãoa partir de À se, para cada 1 < i < n,
vale uma das seguintes condições:
(i) A, é um axioma de X
(ii) Ai é um membro de A
: (iii) Aj é obtida a partir de dois membros prévios da seqüência
por aplicação da regra de inferência MP

Dizemos
de A queconseqüência
ou é uma o último membro daX .seqüência,
de A em A^, é deduzido
Se A é o último membro
de uma dedução a partir de A, então escrevemos A A. Dora

Scanned by CamScanner
68 HERC
ULESDEARAÚJOFEI
TOSAELEO
NARD
OPA
ULO
VICH
vante, a menos que necessário, não vamos indicar o símbolo X de
A h x A, pois estamos tratando do sistema X.
Quando À é o conjunto vazio  0 A é um teorema de X, e
escrevemos 0 h A, ou simplesmente I A, ou seja, um teorema de
X é uma dedução a partir do conjunto vazio.
É importante percebermos que o símbolo ” não pertence ao
alfabeto de X e, dessa forma, qualquer expressão em que apareça
não é uma fórmula de X, mas apenas uma sentença sobre X, que
afirma que A é um teorema de X.

Exemplo:
(a) Estabelecer em X uma dedução para A, B^(A>C) h
(B>C), onde A, B e C são fórmulas de X.
A 1. P
2. B —>(A—>C) P
3. A—>(B—>A) Ax,
4. (B>A) MP em 1 e 3
5. (B—>(A—>C))—»((B—>A)—>(B—»C)) Ax2
6. ((B>A)>(B>C)) MP em 2 e 5
7. (B—>C) MP em 4 e 6
0 resultado acima certamente não faz parte de X; fazse neces
sário, então, para o que segue, fazermos uma distinção entre os
dois níveis em que se encontram os procedimentos dedutivos, ou
seja, se ocorre dentro do sistema formal, ou fora do mesmo, mas
falando sobre o sistema. A palavra “teorema” indica fórmulas
obtidas por procedimentos internos, ao passo que a palavra “meta
teorema” é referida a procedimentos externos, versando sobre
resultados do sistema formal. Teoremas são fórmulas de um tipo
bastante restrito, ao passo que os metateoremas, que são os trata-
dos normalmente, são escritos na linguagem matemática ordiná-
ria. Também os símbolos usados para denotar fórmulas, as letras
latinas iniciais maiusculas, não pertencem ao alfabeto de X, por-
tanto fazem parte da “metateoria”. Na abordagem intuitiva, temos
que está na linguagem, e ^ está na “metalingua gem” .

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 69

Seguem mais alguns exemplos:


(b) A ->B , B -» C H A —>C (SH)
l.(A-aB) P-
2. (B-> C) P-
3. (B —>C)—>(A—>(B—>C)) Ax,

4. (A-X
5. (A -K B->C
B —>C))))-K(A-> B)-K A ->C )) M
A xP2 em 2 e 3
6. (A^ B)-K A ->C ) M P em 4 e 5
7. (A-»C) MP em 1 e 6

(c) i—(—i—A ) —>A


1. (—A —>—i— A )—>((—iA—>—A )—>A) Ax 3
2. —A —^— A Proposição 2.1
3. (—A —>—i—A )—>A (a) em 1 e 2
4. —i—A — —lA—^—i — A) Ax,
5. (—i—A )—»A SH em 3 e 4

(d) A —>(B->C) 1- B —>(A—>C) (Permuta de Prem issas)


1. A —»(B -»C ) P-
2. (A -KB -^) M (A ->B)- K A ->C)) Axj
3. (A-> B)-K A -»C) M P em 1 e 2
4. B ->(A -»B) Ax,
5 .B —KA ->C) SH em 3 e 4

Exercício:

1. Demonstrar:
(a) H (—tB —>—A ) —> (A.—>B)
(b) I— B —>(B —»A)
(c) H (—A —>A) —> A
(d) l—A —>((A—>B)—>(A—>B))

Como os exemplos e exercícios anteriores nos mostram, não é


uma ação fácil a demonstração dos primeiros teoremas de £
usando apenas os axiomas e a regra do sistema - M P. M esm o
usando esses primeiros teoremas e as primeiras regras deduzidas
nos exemplos (b) e (d), a dedução continua sendo difícil. O teo-

Scanned by CamScanner
70 HÉRCULES DE ARAÚJO FEITOSA E LEONARDO PAULOVICH

rema seguinte servirá como um dispositivo para nos auxiliar nas


próximas deduções. Em seguida, continuamos a buscar ferra-
mentas mais eficazes.

Teorema 2.2: (Teorema da Dedução


) Seja Au{A, B} um

conjunto de fórmulas de£ . Se Ab*{A} h B, então A b A —>B.


Demonstração:Demonstração por indução sobre o número de
fórmulas que ocorrem na dedução de B a partir de Au{ A }.
(Base) A sequência que determina a dedução de B tem exata-
mente um membro. Assim, esse membro deve ser o próprio B e,
portanto, B é um axioma ou pertence a A u{ A } :
Caso 1: B é um axioma de £
1. AbB axioma de £
2. AI B>(A >B ) Axj
3. A b A —>B MP em 1 e 2
Portanto, A b A —>B.

Ca so2: B e A
1. A b B membro de A
2. A b B KA >B ) Ax,
3. A b (A —>B) MP em 1 e 2
Portanto, Ab (A—>B).

Caso 3: B = A

1. A bA bA Proposição 2.1
2. A b A —>B substituição em 1
Portanto, A b A —>B.

(Hipótese de Indução) A dedução de B a partir de Av j {A} é


uma seqüência com nmembros, n > 1, e o resultado vale para toda
fórmula que pode ser deduzida a partir de A u {A } por uma se-
qüência com menos que n membros:
Existem, agora, quatro casos a ser considerados:

Caso 1: B é um axioma deX .


Exatamente como na base, obtémse A b A —>B.

Scanned by CamScanner
UM PRE LÚDI O À LÓGICA 71

Caso 2 : B € A
M ais um a vez, A I- A —>B, como na base.

Caso 3 : B = A
Idem.

Cas o 4: B é obtida de duas fórmulas prévi as na dedução por


MP.
Esta s duas fórmulas devem te r as formas C e C —>B e, desta
forma, cada uma de las pode ser deduzida de A u {A } por um a
sequência com menos que n membros. Pela hipótese de indução,
temos:
|A t j{ A } h C = í A P A —>C e
Au {A } h C -> B => A h A —>( C- »B) . Da í:
' ■(
1. ri

C
\

k. A b A —»C \r» dedução A I- A -» C


k+1.

k+m. A h A -»( C -»B ) dedução A f- A -» (C -» B ).


k+m+1. AI—(A—>(C—>B))—>((A—>C)—>(A—>B)) Ax2
k+m+2. AI- ((A-> C)-> (A-» B)) MP em k+m e k +m +1
k+m+3. A I- (A -»B ) MP em k e k+m +2
Portanto, A I- A —»B ■

A seg uir, algumas vezes denota remos A u {A } I- B por A, A I-


B e, em geral, A u {A u ..., A J H B por A, A ,, ..., A nh- B .

Pro posição 2.3: S eja Au {A , B } um c onj unto d e fór mulas de


X . Se A A —>B, então A u {A } H B .

Demonstração:
1. A u {A } h- A —»B A çA u{A } e p .
2. A u {A } l—A A e A u{ A}
3. A u{A } K B M P em 1 e 2 ■

Scanned by CamScanner
i

12 . HÉRCULES DE ARAÚJO FEITOSA E LEON ARDO PAULOVICH

Co ro lár io 2.4: Dadas as fó rmulas A, B e C, temos:


(i) A -»B , B-> C h A -»C (SH)
(ii) A -K B -> C ), B h- A —>C
(iii) h —B -» (B -» A )
(iv) H (—iA—>A)—>A.

Demonstração:
(1) 1. A —>B P-
2. B -» C P-
3. A pp.

4. B MP em 1 e 3
5. C MP em 2 e 4
Assim A —>B, B —>C, A h C e , pelo TD, A —»B, B —>C \~ A—>C.

(ii) 1• A—>(B—>C) P-

2. B P-
3. A pp.

4. B->C MP em 1 e 3
5. C MP em 2 e 4
Assim, A—>(B—»C), B, A 1- C e, pelo TD , A —>(B—>C), B h A->C

(iii) 1. —J3—>(—A —>— JB) Ax,


2. (—A —)—JB)—>(B—>A) exercício 1 (a)
3. —J3—>(B—>A) (SH) em 1 e 2

A—
(iv) 2.1.—) »A

iA—>(—i—i(—iA—>A)—>—iA) P-Ax,
3. (-i-i(-.A-»A)->-iA) (A-»-i(-A-»A)) exercício 1 (a)
4. —iA—>(A—>— 1(—
iA—>A)) SH em 2 e 3
5. (—iA—>(A—>—
1(—iA—>A)))—>((—iA—>A)—>(—
A —>—i(—A —>A))) Ax2
6. (—A —>A)—>(—A—>— (—A —>A))
1 MP em 4 e 5
7. — iA—>—i(—A —>A) MP em 1 e 6
8. (-A-»-i(-A->A)) —>((-A—»A)—>A) exercício 1 (a)
9. (-A —>A)—>A MP em 7 e 8
10. A MP em 1 e 9
Portanto (-A -A ) h A=>h ( -A- »A)- »A ■

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 73

Exercício:
2. Mostrar que valem os resultados seguintes para quaisquer
fórmulas A, B e C de X.
(a) I— i—iB —>B (g) hA -»(-iB —»-i(A—»B))
(b) h- B -»-,i B f (h) H ( A-> B)-> ((-A-> B)-> B)
(c) I— iA—»( A —>B) (i) —i—iA l—A
(d) f- (-iB->-iA) —> (A—>B) (j) A—>B, —i(B—>C)—>—iA l—A —>C
(e) f- ( A —>B) —> (-<B—>-.A) (l) H -.(A-»B)-»(B-»A)
(f) t-A ->((A -»B )-*B) (m) —iC l—C —>B

Teorema da completude
Como vimos, nem sempre é fácil proceder à dedução; para o
cálculo proposicional, porém, uma ferramenta muito prática será
estabelecida nesta seção.
No tratamento intuitivo da lógica proposicional, um conceito
foi destacado, o de tautologia. Além disso, o tratamento formal
tem sido proposto de forma que capture aquelas noções intuitivas.
Seria então razoável esperar que as formas proposicionais tautoló-
gicas correspondam aos teoremas de X . O objetivo desta seção é
mostrar que uma fórmula de X é um teorema se, e somente se, for
uma tautologia.
Uma valoração restrita é uma função v do conjunto For^ das
fórmulas atômicas em { 0,1 }, ou seja, v : Fo rAl —» {0 ,1 }.
Coloca-se então a questão de estender v a uma função definida
no conjunto de todas as fórmulas, For, ou seja, v : F o r —> {0, 1}.
Essa extensão é dada por indução, do seguinte modo:
Uma valoração v para X é uma função com domínio em For e
contradomínio em {0 ,1 }, tal que para quaisquer fórmulas A, B e
For:
(i) v | ForA
l 1coincide com v
(ii) v(-iA) = 0 see v( A) = 1
(iii) f(A~4B) = 0 see t>(A) = 1 e t>(B) = 0.

1 Valonzação
restrita às fórm
ulas atôm
icas.

Scanned by CamScanner
4 HÉRCULES DE ARAÚ JO F EITOSA E LEONA RDO PAULOV ICH

U m a atribuiçã o de valores de verdade aos sím bolo s p,, p2, ... de


X prod uz uma valoraç ão, pois cada fórmula de X reflete uma for-
ma proposicional que toma um dos dois valores de verdade: falso
“0” ou verdadeiro "1", e sob tal atribuição (i) e (ii) são trivialmente
satisfeitas. U m a valoração restrita atri bui valores à seqüência i nfi-
nita de variáveis proposicionais, mas, como cada fórmula é finita,
pode conter no máximo um número finito de tais variáveis. Dessa
maneira, para cada fórmula de X, uma valoração dá a mesma in-
formação que uma atribuição de valores numa tabela de verdade,
pois as únicas possibilidades estão ali contempladas.
Um a fórmu la A de X é válida (tautologia ) se, p ara toda valora-
ção v, temos que u(A ) = 1. D enotam os que A é uma fórmul a váli-
da por 1= A.

Exercício:
3. Mostrar que todos os axiomas de X são fórm ulas válidas ou
tautológicas.

Teorema 2.5: (Teorema da Correção) Cada teorema de X é


uma fórmula válida.

Demonstração: Seja A um teorema de X . A demons traç ão é por


indução sobr e o compri mento da dem onstração de A em X.
(Base) n = 1:
Neste caso, existe somente uma fórmula na demonstração de
A. Logo, esta fórmula é A, a qual tem que ser um axioma . Contu-
do, pelo exercício 3, todo axioma é uma tautologia e, então, A é
uma tautologia também.

(Hipótese de indução) tod o teorema que tenha comprimento d e


demonstração meno r que o de A é uma tautologia:
Como A é um teorema, tem u ma demonstração. Se A é um
axioma, então é uma tautologia. Cas o contrário, A segue de duas
fórmulas anteriores da seqüência de demonstração por MP. Essas
duas fórmulas devem ter as fo rma s B e B —>A. N o entanto , como
B e B —»A são teor emas de X com comprimento de demonstração

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 75

menor que o de A, por hipótese de indução, ambas são tautologias.


Daí, pela Proposição 1.12, temos que A é uma tautologia. ■

L em a 2.6: Sejam A uma fórmula e p, ......pkas variáveis pro


posicionais que ocorrem em A. Dada uma valoração v às variáveis
p;, 1 < i < k, consideremos:
P * = P1,seu(pi) = l
P * = —‘Pi, se v(Pi) = 0
Agora, seja A * = A, quando A toma valor 1 segundo a valora-
ção u, e A * = —A , quando A toma valor 0 para a valoração v. A s-
sim, temos:
p * ,. .. , P * I A *.

Demonstração: Demonstração por indução sobre o número de


conectivos que ocorrem em A.
(Base) n = 0:
Neste caso, A = p. Como valem p ! p e —ip I----ip, então o re-
sultado está satisfeito.

(Hipótese de indução) o lema vale para k < n:


• se A é do tipo - tB , então B tem menos conectivos que A, assim:

(a) se u(B) = 1, então v( A) = 0 e, daí, B * = B e A * = A :


Pela hipótese de indução aplicada a B , temos que p,*, , pk*
lB,
l.p,*,... ,p*lB HI aplicada a B
2. p ,* ,... , pk* 1— i- iB Exercício 2.(b) e MP com 1
3.p ... . P t* 1— A A = —B
4. p,*, , p * b A* A*=A

(b)se u(B) = 0, então u(A) = 1. Assim, B * = —B c A * = A:


l. p ,V .. ,p*hB* HI aplicada a B
2. p ,* ,... ,Pk*H^B B * =  «B
3 .p t* ... ,p k# l A A=  B
4 Pl* .... , p * b A * A *=A .

Scanned by CamScanner
76 HÉRCULES DE ARAÚJO FEITOSA E LEONARDO PAULOVICH

• se A é do tipo B —>C, como B e C têm menos conectivos queA,


entãop,* ......pk*h B *e p * .......pk* h C *.
(a) se *u(B) = 0, então u(A) = 1. Assim, B * =  iB e A * = A:
1. P j*,..., pk* I— iB HI aplicada a B e B * = —iB
2. p * . ..., p * h B >(B >C ) Corolário 2.4 (iii)
3. p * ......p * H B>C MP em 1e 2
4. Pl* ...
A = B—>C
5. p * ......ft* I A *
A*= A
(b) se u(B) = 1e v(C) = 1, entãov(A) = 1. Assim, C * = C e A *
= A:
j p# p *|_c HI aplicada a C e C * s C
2. p * ,..., P * h C»( B>C) Ax,
3. p * ......P* hB_>C
MP em 1e 2
A = B>C e A s A *
4. p,*...... Pi* •" A*
(c) se u(B) = 1 e i>(C) = 0, então v(A) = 0. Assim, B * = B, C *
=iCeA*siA:
1.p * .....Pk*h B HI aplicada a B e B * = B
2. p(*.....pk* l— iC HI aplicada a C e C * >C
2

3. p ,* ,..., Pk* •" B>(i C>i(B >C)) Exercício 2.(g)


4. p,*,.....pk* I »(B>C) MP duasvezes
5. p » , ,R* H A* A = B»C e A * = —iA ■

Teorema 2.7: (Teorema da Completude de Kalmar ) Seja A


uma fórmula de£ . Se A é uma tautologia, então é um teorema, ou
seja, A.
Demonstração:Sejam A uma tautologia e pj ......pkas variáveis
proposicionais que ocorrem em A. Pelo lema anterior, para qual-
quer valoração às variáveis p ,,.... pk, temos p ,* ,.... p k* h A *. Mas,
como A * s A, segue que p * , ..., pk* l A.
• quando x^pj = 0, temos p ,* ,... , pkl*, —ipk A. Pelo Teorema
da Dedução (TD ), segue p ..., pk. * h ^ ►A .
• quando vfa) = 1, então p *, ...,p k. * h p ^ A

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 7 7

Assim:
1.p * ......Pk.i* ^Pk“ >A p.
2. p,* ......Pu*~iPk>A p.
3. p,* ......pkl* I (Pk^A)—>((—.pk—>A)—>A) exercício 2.(h)

4. p ,* ,..., p,^ * I A MP duas vezes


Dessa maneira, pudemos eliminar a variável proposicional pk.
De maneira análoga, após k procedimentos semelhantes a este,
podemos eliminar pkl, ...., p, e, portanto, obtemos: lA. ■

O Teorema da Completude tem este nome por nos fornecer o


caminho inverso ao do Teorema da Correção e dizer que o con-
junto das fórmulas válidas é completo, porque não pode ser acres-
cido por outras fórmulas válidas. Esse teorema é fundamental para
o cálculo proposicional, pois, com ele, para sabermos se uma fór-
mula é ou não um teorema, não precisamos mais apresentar uma
demonstração, mas apenas construir sua tabela de verdade. Sem-
pre buscamos, nas teorias formais em geral, um Teorema da
Completude. Essa demonstração de Kalmar2 do Teorem a da
Completude tem importância destacada para fins computacionais;
por ser um procedimento construtivo, ele nos diz exatamente
como obtermos uma demonstração para uma fórmula válida. Na
matemática é comum encontrarmos resultados que nos afirmam a
existência de certo objeto, mas não sabemos o que é, nem como
obter esse objeto. A isso chamamos de demonstração existencial, e
está de acordo com os princípios das lógicas clássicas, mas pode ter
algum efeito limitante para a computação, pois computacional
mente trabalhamos com algoritmos, ou seja, com procedimentos
que nos permitem obter ou identificar o objeto pretendido. O
resultado seguinte apenas une os dois anteriores.
Corolário 2.8: ( Teorema da Adequação)Se A é uma fórmula
de X, então A é um teorema see A é uma tautologia. ■

2 Laszlo Kalmar(19051976),
importan
te matem
ático hún
garo,investigador da
lógica matem
ática.

Scanned by CamScanner
78 HÉRCULES DE ARAÚJO FEITOSA E LEONAR DO PAU LOVIC H

Consistência, modelos e decidibilidade


N est a seção, estudaremos algum as propriedad es de um si stema
formal. Neste caso, nossa atenção estará voltada para o cálculo
proposicional clássico X .

Uma extensão de X é um sistema formal obtido pela alteração


ou acréscimo no conjunto dos axiomas e das regras, tal que todos
os teoremas de X sejam ainda teoremas do novo sistem a. Em geral,
um a extensão deve conter novos teoremas.
Outros sistemas formais podem estender X mesmo não tendo
axiomas ou regras em comum com X . A literatura sobre esse as-
sunto apresenta inúmeros exemplos. Quando estendemos X , no-
vos teoremas podem ser obtidos; contudo, não gostaríamos de
obter como teoremas A e —A .
Um conjunto T de fórmulas é consistente se, para nenhuma
fórmula A de X , ocorre que A e —A sejam de du zid as a partir d e T,
ou seja, não temo s T h A e T l ----A . Caso contr ári o, T é inconsis-
tente. Analogamente, dizemos que um sistema formal S é consis-
tente se não ocorre h j B e h ; —iB, qual quer que sej a B em S

Proposição 2.9: O cálculo proposicional clássico X é consis-


tente.

Demonstração: Suponhamos que X não seja consistente, isto é,


que exi sta uma fórmu la.A tal que h x A e \~x —A . Pelo Teorem a
da Correçã o, A e —A são tautolog ias e, portan to, pa ra tod a valora
çao v, v{A) = u (A ) = l , o que é u ma c ont ra di çã o. D essa m aneira,
X é consistente. ■

Pr op osiçã o 2. 10: Se ja !M um a extensão de X . Então 9A. écon-


sistente s ee e xis te uma fórmula qu e não é um teorema de M

Demonstração:
(=>) Se M é cons istente , entã o para algu m a fórm ula A de íM,
ou A não é te orema o u —A não é teorema.

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 79

(<=) Se 94 não é consistente, então para algu ma fórm ula B vale


e I—íw—lB- Agora, seja C uma fórmul a qualquer de 94. Pelo
Corolário 2.4.(iii), 1 * B —»(B—»C), e uma vez que 94 é uma ex-
tensão de X , então 1 ^ —iB—>(B—>C). Por duas aplicações de MP,
temos que F ^ C , ou seja, toda fórmula é teorema de 94. ■

Assim, se 94 é uma extensão inconsistente de X , então toda


fórmula de 94 é um teorema de 94. Esses tipos de sistemas, tam-
bém chamados triviais, não fornecem informações relevantes, e é
desejável garantir a sua consistência. Além disso, um sistema for-
mal 94, que estende X , é consistente se, e somente se, existe pelo
menos uma fórmula que não seja teorema de 94, donde obtemos
grande número de fórmulas que não são teoremas, a negação de
cada teorema.

Pro posiçã o 2.11: Sejam uma extensão consistente de X e A


uma fórmula de X que não é94 um teorema de 94. Se 9 íé uma ex-
tensão de 94 obtida pela inclus ão de —A como um ax ioma adicio -
nal, então 9 í é consistente.

Demonstração: Considere mos A uma fórmula de X que não é


um teorema de 94 e 9 f como no enun ciado. Suponhamos que W
não é consistente. Assim, para alguma fórmula B, temos ljvB e
F-^v—iB e, daí, l^ A . M as 9 Í difere de 94 somente por ter  A
como um axioma adicional, logo, se ljy A, então —A A . Pelo
T D , F ^—A —>A. E como vale F% (—A —»A )—>A, por MP, segue
que I- íhíA , o que é uma contradição. ■
Um a extensão 94 de X é completa se, para cada fórmula A , te-
mos que exatament e A ou —A é um teorema de 94.

Como comentado na introdução, um sistema formal, além da


dimensão sintática, deve ter uma dimensão semântica. E nessa
dimensão que vamos interpretar as fórmulas e outros componen-
tes sintáticos de maneira que dê vida a esses entes estritamente
simbólicos. Neste caso, dizemos que encontramos um modelo
para a correspondente sintaxe. A s valorações booleanas, ou seja, as

Scanned by CamScanner
80 HÉRCULES DE ARAÚJO FEITOSA E LEONARDO PAULOVICH

funções v. F o r —> {0, 1}, caracter izam a modc laçào mais intuitiva
do cálculo proposicional clássico, pois interpretamos cada fórmula
dizend o se é verdadeira o u falsa; c os teorem as sào aquelas fórmu-
las que sào verdadeiras ou válidas para toda valoração. No cálculo
X , se p é uma vari ável proposicionai, então nem p nem tampouco
—ip são te oremas, pois alg uma valoração atrib ui va lor “0" para p e
outra at ribui o val or "1 ” .
É importante destacarmos que essas valorações não são os úni-
cos modelos para o cálculo X . Agora vam os s istem atizar o conceito
de m odelos dados p elas valora ções.
Sejam v uma val oração e A uma fórmula de X . A valoraçã o v é
um modelo para A ou v satisfaz A, quando v(A) = 1. Quando v
satisfaz A, indicamos por v f= A. Uma valoração v é um modelo
para um conjunto F de fórmulas quando v(B) = 1, para toda fór-
mula B e T, o que denotamos por v 1= T.
A fórmula B é conseqüência semântica da fórmula A quando
todo modelo de A é também modelo de B e escrevemos {A } *= B.
A fórmul a B é conseqüência semântica de F q uan do todo modelo de
Té também modelo de B , o que é denota do por T B .

Pro po sição 2.1 2: Se F I A, então F 1= A.


Demonstração: Se F = 0 , o resultado segue pelo Teorema 2 .5.
Se T ^ 0 , sejam C p ... , C n os mem bros de T que o correm
numa de dução de A a partir de F. Assim , { C p ... , C n} f A e, por
sucessivas aplicações do T D , tem os I C t —> ... —> C n—> A. Com
isso, toda valoração que faz i^Q) = 1, para 1 < i < n, também faz
v(A ) = 1. Logo , ( C p ... , C n} t= A . Mas, como {C , C n} ç F ,
.......

segue que T (= A. ■

Cor ol ár io 2.13: Se T t em modelo, então é consist ente.


Demonstração: Suponhamos que T tenha um modelo v, mas
não seja consistente. En tão T h A e T l A , para algu ma fórmula
----

A. Pela Pro posição 2.12, temos q ue F 1= A e F t=  A , donde segue


que existe alguma valoração v, tal que v t= A e v —A , ou seja,
v(A) = t>(—A ) = l , o que é uma contra dição. ■

Scanned by CamScanner
UM PRELÚDIOÀ LÓGICA 81

O nosso objetivo seguinte é demonstrar a recíproca do Corolá-


rio 2.13.

L em a2 .14: F h A see I \ j { —lA.} é inconsistente.

Demonstração: (=>) Se T H A, então T u {  A } I A. Além

disso, r u { —A } I— A e , portanto, T u {—A } é inconsistente.


(<=) Seja I \ j {  A } inconsistente. Assim, par a alguma fórmula
B, ru {—A } h B e ru {—A } I ----B. Pelo TD, segue que T 1
—A —>B e T --- I A —)—B . Como (—A —)—B ) —> ((—A —dB)—^A) é
uma instância do Ax3, por duas aplicações de MP, temos T I A. ■

Le m a 2.15: T I--- A see T \j { A) é inconsistente. ■

Um conjunto de fórmulas T é completoou consistente maximal


se F é consistente e para toda fórmula A, se A £ T, então I \ j { A } é
inconsistente.

Pro posi ção 2.16: S e T é consistente maximal, então, para toda


fórmula A de X, ou A e Vo u  A e T.

Demonstração: Sendo T consistente, não pode ocorrer que B e


T e —B e r . Agora, suponham os que para alguma fórmula A, A £
T e  A £ r . Pela maximalidade de T, temos que T u {A } e
T u {—A } são inconsistentes e, pelos Lemas 2 .1 4 e 2 .1 5 ,r i ----A e
T h A. Portanto, T é inconsistente, o que contraria a hipótese. ■

Cor olário 2.17: Se F é consistente maximal e T A, então A


<=r.

Demonstração:Suponhamos que A g T. Um a vez que T é con-


sistente maximal, então r \ j{ A } é inconsistente. Pelo Lem a 2.15,
temos que V I— A , o que nega a consistência de T. ■

Te orem a 2.18: (Teorema de Lindembaum)Seja V um conjunto

consistente de fórmulas de X.TEntão T pode ser estendido a um


conjunto consistente maximal *.

Scanned by CamScanner
82 HÉRCULES DE ARAÚJO FEITOSA E LEONARDO PAULOVICH

Demonstração: Uma vez que


o conjunto de fórmulas de X é
enumerável, se
jaA ,, A „ .... A , , ... uma enumer ação , index ada por
ordinais,
das fórmulas do conjunto Te consideremos:
A» = r ,

4x +l = J A aU {Aa }, se A «u {A a} éconsi ste nte


A« , se A aU {A a} é inconsis tente
A \= Up<x Ap , se X é um ordinal limite
Tomando £ = U a 4 *, verificamos que £ é con sistente maximal.
(Ia passo ) Verificar que £ é consistente.
Suponhamos que £ seja inconsistente, is to é, £ l A e £ I— iA,
para alguma fórmula A. Sejam C „ ... , C n as fórmulas de £ que
ocorrem nas dedu ções de A e  A , a partir d e £. Assim, para al-
gum ordinal a, {C „ ..., C J ç A* e, po rtanto, 4 * I A e 4x l— A,
ou seja, A« é inconsistente. Mas isso contradiz a sua definição.

Logo, £ é consistente.
(2° passo) Verifica r que £ é maximal.
Suponhamos que exista um conjunto consistente de fórmulas
Aa que contenha propriamente £, isto é, £ c A«. P ara Ap e 4 *  !
temos que A «u {A p} é consistente, pois caso contrári o 4 * seria
inconsistente. Des sa forma, Ap € 4x+1 e, então, Ap € X, o que é
uma contradição. Portanto, £ éma xima l. ■

T eo re m a 2.19: S e T é consistente, ent ão T tem mod elo.

Demonstração: Pelo teorema anterior, todo conjunto T consis-


tente pode ser estendido a um conjun to P * consisten te maximal.
Assim, v erificamos que P * tem mod elo, e como T c P , então T
também tem modelo.
Definim os a seguinte val oração v para X :
Para cada var iável proposicional p, v (p) = 1 see p e P*.
Demonstramos en tão que para toda fórm ula A , v(A) = 1 see A
e r * ou seja, ué um mod elo para P *.
Demonstração por indução sob re o núme ro de conect ivos:
(Base) para n = 0, A é um a variável prop osicional e pela defini
ção de v , segue que u(A) = 1 see A e P *.

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 83

(Hipótese de indução) o resultado é válido para toda fórmula


com menos conectivos q ue A .
Se A é do tipo —JB, como B tem m enos conectivos qu e A , então
v(B) = 1 see B e Y *. Assim, v( A) = 1 see t>(B) = 0 s ee B « r * see
^Be P* see A e r *.

Se A é do tipo B —>C, como B e C têm menos conectivo s qu e A ,


então v(B) = 1 see B e V * e v(C) = 1 see C e F *. Desta maneira:
(=>) v(A ) = 1 see v(B > C ) = 1 see v(B ) = 0 ou o;(C) = 1.

(Ia caso) v(B) = 0 see B í P see —iB G P * see T * I----B . Pelo


Corolário 2.4.(iii), vale I----B>(B»C). Daí, por MP, segue que
F* b B>C see B >C g F*, ou seja, A e P .

(2a caso) v(C) = 1 see C g T * see P* I C. Mas, como \~


C K B >C ), po r MP, te mos P * I B  > C e, daí, que B  » C G T *t
ou seja, A g T *.

Concluindo, se u(A) = 1, então A G P *.


(<=) Se v(A) = 0, então i>(B) = 1 e v(C) = 0. Assi m, B e P e
>C G r * . Desta maneira, P * I B , T * \- nC e, pelo exercício 2.(g),
h B ^ ( iC —> t(B —»C)). Por duas aplicaçõe s de MP , segue que T *
I— (B »C ) e, daí, (B *C ) £ T *, ou seja, A g P . ■

Corolário 2.20: (Teorema da Completude Forte


) Se T 1= A,

então T h A.
Demonstração:Se T 1= A, então todo modelo deT é modelo de
A, ou seja, não existe modelo de R j { —A } . Pelo Teorema 2.19,
I \ j (—A ) é inconsistente e, pelo Lem a 2.14, TI  A. ■

O próximo corolário é um resultado já conhecido, o Teorema


da Completude, que foi demonstrado segundo Kalmar numa
abordagem construtiva; mas nesta seção ele será visto de uma for-
ma não construtiva. Observemos que o Teorema de Lindembaum
não nos diz como construir P*, apenas afirma que existe um pro-
cesso infinito que nosleva até ele.

Scanned by CamScanner
4 HÉRCULES DE ARAÚJO FEITOSA E LEONARDO PAULOVICH

Corolário 2.21: Se A, então f A.

Demonstração : Basta tomarmos T = 0 , no Corolário 2.20 ■

Proposição 2.22: Se F t= A, então existe um subconjunto fi-


nito r oç r , de maneira que T01= A.
Demonstração:Se F A, pelo Corolário 2.20, T l A. Daí, seja
r 0um subconjunto finito de F, constituído pelos membros de T
que ocorrem numa dedução de A a partir de r , isto é, F 0f A . Pela
Proposição2.12, r ot= A. ■

Proposição 2.23: Se todo subconjunto finito de T tem modelo,


então T tem modelo.
Demonstração: Se F não tem modelo, entãoT é inconsistente.
Portanto, para alguma fórmula A, T I A e TI----A . Seja r oo sub-
conjunto finito deF determinado pelas formuleis que comparecem
nas deduções de A e  A a partir de P Logo, T0H A e também r oh
A , ou seja, r oé inconsistente e, portanto, ronão tem modelo. ■

Teorema 2.24: (Teorema da Compacidade) O conjunto de


fórmulas T tem modelo see todo subconjunto finito deF tem mo-
delo. ■

O Teorema da Compacidade recebe este nome em razão de sua


semelhança com o teorema da compacidade topológica. Com um
pouco de recursos topológicos é possível demonstrar que esta não é
mera semelhança, mas que de fato há íntima relação entre esses
dois teoremas, mas isso foge das pretensões deste trabalho.
Um sistema formal S é decidívelse para uma fórmul a A qual-
quer deS podemos determinar se A é um teorema de S ou se A
não é um teorema deS-

Proposição 2.25: O sistema £ é decidível, ou seja, existe um


método efetivo para decidirmos se uma fórmula A qualquer é ou
não um teorema de£ .

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 85

Demonstração : Seja A uma fórmula de X. Consideramos esta


fórmula como uma forma proposicional e, então, construímos a
respectiva tabela de verdade. Dessa maneira, A é um teorema see
A é uma tautologia e, portanto, a tabela nos fornece uma resposta
à questão. ■

Exercícios:
4. Sejam S um sistema formal , A uma fórmul a de S e Tum a
extensão de S obtida pela inclusão de A como um novo axioma.
Mostrar que o conjunto dos teoremas de T é distinto do conjunto
dos teoremas de S see A não é um teorema de S-
5. Seja Quma extensão completa e consistente de S- Se A é
uma fórmula de S , mostrar que uma extensã o de Q obtida pe lo
acréscimo de A como um novo axioma é consistente see A é um

teorema de Q.
6. Mo strar que , se A é uma contradição de X , então A não
pode ser teorema de qualq uer extensão consistente de X.

Efetividade e independência
Nesta seção, estudaremos mais duas propriedades dos siste-
mas formais relativas ao cálculo X. Primeiro, verificaremos como
podemos determina r se certa expressão de X é ou não uma fó r-
mula. A seguir, mostramos a independência dos esquemas de
axiomas de X .

A efetividade
A efetividade nos permite decidir se uma expressão qualquer é ou
não uma fórmula. Todos os elementos necessários para sabermos se
estamos trabalhando com uma fórmula ou com outra expressão são

fornecidos pela definição indutiva de fórmula, que oferece também o


conceito de complexidade de uma fórmula, utilizado diversas vezes
para demonstrações indutivas ao longo deste trabalho.

Scanned by CamScanner
8 6 HÉRCULES DE ARAÚJO FEITOSA E LEONARDO PAULOVICH

O grau de complexidadede uma fórmula A é definido induti


vamente como o número natural | | A | | , dado por:
(i) ||(P ,)| |=0
( ii) | | ( A )| | = | |A | |+ l
(iii) 11(Aa B)11 = 11( AvB) 11 = ||(A>B)|| = || A || +
l|B||+l.
Mostraremos que cada fórmula de £ tem, exatamente, uma
maneira de ser lida.
A idéia por trás da unicidade da leitura de uma fórmula é que, se
iniciamos à esquerda de uma fórmula e procedemos de modo que se
subtraia 1 para todo parêntese à esquerda, e adicionamos 1 para cada
parêntese à direita,obtemos no final da fórmula exatamente a soma 0.
Mais precisamente, para qualquer concatenação ar ..Onde sím-
bolos da linguagem de£ , definimos uma função g com imagem emZ
da seguinte maneira:
g(p.) = o , g(i) = g(A) = g(v) = g(>) = 0, g( () = 1 e g( )) = +1 e
g (a ,...aJ = g(a 1)+.. .+g(a„ ),

então mostramos que, para toda fórmula A, temos g(A) = 0. Uma


parte inicialde uma fórmula A é qualquer concatenação ed símbolos
que se iniciaa partir da esquerda de A e que não contenha, pelo me-
nos, o último parêntese à direita.

Teorema 2.26: ( Teorema da Leitura Única)Existe exatamente


uma maneira de ler uma fórmula.
Demonstração:Uma vez que A é uma fórmula, tem uma ma-
neira de ser lida. Vamos estabelecer que essa maneira é única, ini-
ciando por mostrar que para toda fórmula A, g(A) = 0.A de-
monstração é por indução sobre a complexidade das fórmulas.
(Base) Se A não tem conectivos, então A = (p;), e o resultado
segue imediatamente.
(Hipótese de Indução) O resultado vale para toda fórmula com
complexidade menor que a de A.

Scanned by CamScanner
UM PRE LÚD IO À LÓGICA 87

• seA é do tipo (- tB ), então B tem c omplexidade menor que a de


A e, portanto, g(B) = 0. Daí, g (A) = 0.
• se A é do tipo (B a C ), então B e C têm complexi dade meno r
que ade A e, então, g(B) = g(C ) = 0. Daí, g(A) = 0.
• se A é do tipo (B v C ) ou ( B —>C), o resultado segue de maneira
análoga.
Assim, para toda fórmula A , g( A ) = 0 e a part ir da definição de
parte inicial, podem os obser var que, para tod a parte inicial O de A ,
g(0) < 0.
Embora devéssemos proceder à verificação a seguir pa ra div er-
sos casos, bas ta considerarmo s o caso apresentad o.
Suponhamos que para alguma fórmula A possa mo s lêla c omo,
por exemplo, (B a C ) e (DvE). Desta forma, B a C ) coincide com
D v E ) e, portanto, B é uma pa rte inicial de D ou D é uma parte
inicial de B , ou seja, g(B) < 0 ou g(D ) < 0. Contudo, porque B e
D são fórmulas, temos que g(B ) = g(D ) = 0, o que é um absurdo.
Logo, B coincide com D . Segue então que a C ) coincide com vE).
Isso, porém, é um contrasenso. ■

Com isto, além de sabermos se uma expressão é ou não uma


fórmula, cada fórmula da nossa linguagem tem uma leitura única,
o que a distingue de qualquer outra fórmula d a linguagem do c ál-
culo proposicional.

A indepe ndênci a

Para demonstrarmos a independência de um dos esquemas de


axiomas com relação aos outros dois, procedemos como na geo-
metria para a verificação da independência do quin to postul ado de
Euclides com relação aos demais. Apresentamos um modelo em
que os outros dois são válidos, ma s o axioma esquema testa do não
é válido. Quanto à regra de infer ência, d esde que temos uma ún i-
ca, a Modus Ponens,não podem os suprim ila do sistema.
Mostraremos a independência do esquema de axiomas Ax2.
Introduzimos uma valoração num conjunto com três valores de
verdade (0, V2, 1}, mas tal que apenas o valor 1 corresponda a pro

Scanned by CamScanner
88 HÉRCULES DE ARAÚJO FEITOSA E LEONARDO PAULOVICH

posições verdadeiras. O valor de verdade XA pode ser entendido


como parcialmente verdadeiro, como valor indeterminado ou
qualquer outra interpretação conveniente. De qualquer maneira,
agora, a sua interpretação não é relevante. As tabelas de verdade
dos conectivos —ie —» são dadas abaixo:
v: F o r- » {0, Vz, 1}
A —iA A—> 0 Vi 1
0 'Á 0 1 1 1
Vi 1 Vi 1 0 1
1 Vi 1 Vi 0 1

A partir destas tabelas, vemos que se v(A) = 1 e -u(A—


>B) = 1,
então v(B) = 1. Portanto, aModus Ponensleva proposições válidas
em proposições válidas. Agora, verificamos que os esquemas Ax, e
Ax 3
também
destes são válidos.
esquemas Vamosque,
considerando construir
em vezas de
tabelas
dois, de verdade
temos três
valores de verdade.

- -(A -» (B —) A))
0 1 0 1 0
0 1 Vi 1 0
0 1 1 1 0
Vi r 1 0 1 Vi
Vi 1 Vi 1 Vi
Vi 1 i 0 Vi
1 1 r o 1 1
1
1 1 Vi 1 1
1 1 1 1

Scanned by CamScanner
UM PRE LÚD IO À LÓGICA 89

Com isso, verificamos que esses dois esquemas são válidos.


Porém, o esquema Ax2não é válido, pois para v(A) = 1, v (B) = 1 e
t>(C) = Vetemos:
v((A-XB->C) )-H( A-»B )-KÀ-> C))) =
= (l->0) -> (1—
>0) =Vz -» % = 0.

Assim, verificamos a independência de Ax2em £ e, portanto,


este não pode ser suprimido sem que ao menos um outro axioma
seja posto em seu lugar e o mesmo alcance dedutivo de £ seja
mantido.

Exercício:

7. Demonstrar a independência dos esquemas Ax, e Ax3.

Scanned by CamScanner
3
Á lgebra d o s conjuntos

Neste capítulo, estudaremos um importante sistema para a ló-


gica e para a computação, qu e adm ite pro pried ades semelh antes às
das proposições estudadas no cálculo proposicional, conhecido
como a teoria dos conjuntos. Neste trabalho, os conjuntos serão
estudados a partir de um p onto de vi sta intuitivo e não axiomá tico,
como é usual nos fundamentos d a matemática. Essa abor dage m é,
algumas vezes, denominada teoria ingênua dos conjuntos; no en-
tanto, mesmo não se tratando de conceitos muito sofisticados,
veremos que não sã o tão ingên uos.

Noção de conjunt
o
Como em qualquer tópico, o ponto de partida da teoria dos
conjuntos é dado pe los conceitos primitivos , que são c onceit os não
definidos. Assim, não apresentamos definições para os conceitos
de conjunto, elemento e relação de pertinência, a qual relaciona
um elemento com um conjunto.
A idéia intuitiva de conjunto é a de coleção, classe de objetos,
etc. Os indivíduos de um conjunto são os seus elementos ou
membros.
Os conjunto s são, em ger al, denotados por letras latinas m aiu s-

culas A, B, C, ... e os elementos de um conjunto são geralmente


representados por letras latinas minú sculas a, b,c , ... Usamos cha -
ves para indicar os elementos do conjunto c onsiderad o.

Scanned by CamScanner
92 HÉRCULES DE ARAÚJO FEITOSA E LEONARDO PAULOVICH

Quando conhecidos os elementos de um conjunto, a maneira


usual de representálo é a segui nte:
A = {a, b, c}.
A partir deste ca pít ulo, precisamos de dois novo s símbo los
matemáticos, os quantificadores universal (V) e existencial (3),
que nos permite m falar sobre todos os e leme ntos de dad a col eção
ou de apenas alguns destes elementos, respe ctivam ente .

Exemplos:
(a) (3x)(x + 2 = 4), que lemos: existe um eleme nto x tal que x +
2 = 4.
(b) (Vx) (x2  4 = (x + 2).(x  2)), que lemos: pa ra todo x , x  4
= (x + 2).(x2).

Relação de pertinência
Para indicarmos que um elementoa pertencea um conjunto A
utilizamos o símbolo e e escrevemosa e A (lêse: a pertence a A);
para dizer que um elementob não pertenceao conjunto A, utiliza-
mos o símbolo £ e escrevemosb<£ A (lêse: b não pertence a A).

Exemplo:
(a) Dado o conjunto A = {1, 2, 3} , pod emos escrever:
1 e A, 2 e A, 3 e A, 4 € A, 5 e A , ...

Se mudarmos a ordem dos elementos num conjunto, continu-


amos tendo o mesmo conjunto, ou seja, {1, 2, 3}, (1, 3, 2} e {3,2,
1} representamo mesmo conjunto.

Determinação de um conjunto

Podemos determinar um conju nto de du as mane iras: pela lista-


gem de seus elementos ou mediante uma propriedade comum de
seus elementos.
(i) pela listagem (ou tabulação ) de seu s eleme ntos:

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 93

Exemplos:

(a) A = {a,b, c , d, e}
(b) B = {1,0,1,2,3}
(c) Z = {... 3, 2 ,1 ,0 ,1 ,2 , 3,...}

(ii) por meio de uma propriedade comum de seus elementos:

Exemplos:
(a) A = {xe N / x > 4 }
(b) B = {x e Z / 4 < x < 6}
(c) C = {xe R/ x<10}

Tipos de conjuntos
Alguns conjuntos são típicos da teoria dos conjuntos. Desta-
camos:

(i) Conju nto vazi o: o conjunto vazio é aquele que não possui
elementos. Denotamos o conjunto vazio por { } ou, simplesmente,
pelo símbolo70 . m

Exemplos:
(a) A = {x e R / x2+ 1 = 0}
(b) D = (x e N / 4 < x < 5}

(ii) Co njun to u nitá rio: um conjunto é unitário quando possui

apenas um elemento.
Exemplos:
(a) A = {8 }
(b) B = (x / x é satélite natural da Te rra }

(iii) Conju nto s finit os e infinitos: um conjunto é finito se tem


uma quantidade de elementos igual a algum número natural. Um
conjunto éinfinito se não é finito.

Exemplos:

(a) A = { x e N / x é número primo e x < 10 0} é finito


(b) E = N é infinito

Scanned by CamScanner
94 HÉRCULES DE ARAÚJO FEITOSA E LEO NAR DO PAULOVICH

(iv) Co njun to un iverso : denominamo s conjunto universoao


conjunto de todos os elementos que estão sob verificação, Deno-
tamos o conjunto universo por U.

Exercícios:
1. Dar os elementos dos seg uintes con juntos:
(a) A = {x / x é letra da palavra conjun tos'} \ /
(b) C = {x / x é nome de estado brasileiro que inicia com a letra
Vi
2. Descrever os seguintes conjuntos por meio de uma proprie-
dade característica de seus elementos:
(a) A = {0, 2, 4, 6,...}
(b) B = {0,1,2,3, 4, 5, 6, 7, 8,9}
(c) C = {0 ,l, 4 ,9,1 6, 25, 36, ...}
(d) D = {1 , 1 ,2 , 2, 3, 3, 6,6 }
3. Descrever por meio da listagem do s seus elementos os con-
juntos: 
(a) conjunto dos múltiplos inteiros de 3 entre 1 0 e 10
(b) conjunto dos divisores inteiros de 42
(c) conjunto dos m últiplos inteiros de 0
4. Verificar quais dos conjuntos abaixo são vazios, unitários,
finitos ou infinitos: \fi
(a) A = { x e Q / x < 9/4 e x > 6/5 } ‘
(b) B = (x € Z / x2= 3} j, •
(c) D = { x 6 Z / x é divisível por 0 }v ,
(d) C = {x € R / x.O = 2} v <^to'
(e) E = {x € Z / 0.x = 0} 9
(f ) F = { x e Z / x é d ivisor de 0} /.• " . 
(g) G = {xe R / x = 9/ 4ex = 6/ 5} v
(h) H = {x e N / 2x+l = 7} ,

Relações entre conjuntos


Existem duas importantes relações envolvendo os conjuntos: a
relação de inclusão e a relação de iguald ade.

Scanned by CamScanner
UM PREL ÚDI O À LÓGICA 95

Relação de inclusão
Um conj unto A é subconjunto de um conj unto B quando todos
os elementos que pertencem a A também pertencem a B. Indica-
mos isso por:

A ç B « (V x )(x g A —» x g B)
A exp ressão A ç B tem o si gni ficad o de “A est á cont ido em B ”
ou “A é part e de B ” , ou ainda "B contém A ” . Podem os escr ever
també m B 3 A, que si gnif ica “B contém A ” .
Para todo conjunto A, são seus subconjuntos o próprio con-
junto A e o conjunto vazio. E sses dois su bco njunto s são denom i-
nados subconjuntos triviais.
O conjun to A é um subconjunto próprio de B se A ç B e ex iste
um elemento de B q ue não pertenc e a A . N este caso, indicam os a
inclusão p or A c B .

Exemplos:
(a) Dados os con junto s A = {1 ,0, 1} e B = {3,  2, 1, 0,1, 2},
como todos os ele mentos de A tam bém são elementos de B, po de-
mos escrever:
A c B o u B d A.

(b) Se A = {2, 3} e B = {x G R / x2 5x + 6 = 0}, e ntão A c B e

BçA. '

Relação de igualdade de conjuntos


Dois co njun tos A e B são iguais se têm exata mente os mesm os
elementos. A igualdade de conjuntos é denotada por A = B. Assim :
o*
V

A= B <=> (Vx)((xg A —> x g B ) a (x g B —»x g A))


<=>(Vx)(xg A nxeB) .
,; . c.
A sen tença (Vx )(x G A <>x g B) tamb ém é conhecida como o
princípio da extensio nalidade d os conjun tos.

Scanned by CamScanner
96 HÉRC ULES DE ARAÚJO FEITOSA E LEO NARD O PAULOVIC H

Dess a maneira, podem os tam bém defin ir a igualdade de COn


juntos d a seguinte maneira:
A = B <=> A £ B a Bç A
e a inclusão própria por:
A c B ^ A c B a A^B

Exemplo:
(a) Da dos os conjuntos A = {0, 1, 2} e B = {x e N / x < 2}, po_
demos verificar que A e B possuem os mesmos elementos. Log0
devemos in dicar que A = B.

Exercícios:
5. Determinar se é verdadeira ou falsa em cada uma das se-
guintes sentenças:
(a) {0,1 } e {0 ,1,2 , 3} (b) {a} e {a, b) (c) 0 € {0}
(d) 0 e 0 V (e){a)ç0 (f)ae{a,{a}}
(g) {a} C {a, {a }} J (h) 0 C {0 , {a }} (i) 0 € {0 , {a}}

6. Verificar qua is da s igu aldade s ab aixo são verdadeiras:


(a) {a, a, a, b, b} = {b, a }
(b) {x e R / x2 = 4} = {x e R / x3  4x = 0 a x * 0}
(c) {x e Z / 2 x + 7 = 11 } = {2}
(d) {x e N / x < 0 a x = 0} = 0

7. Dados os conjuntos A = {1, 2, 3, 4} e B = {2 , 4}, escrever


com a simbologia da teoria dos conjuntos as sentenças abaixo e
determinar quais são verdadeiras e qua is são fa lsas:
(a) 3 é elemento de A (b) B é parte de A
(c) 4 pertence a B (d) 1 não está em B
(e) B é igual a A (f) B não é subconjunto de A

8. Provar que, par a todo conjunto A, 0 c A.

9. Mo strar que exist e um único conjunto vazi o.

Scanned by CamScanner
UM PRELÚDI O À LÓGICA 97

Conjunto das partes de um conjunto


Dado um conjunto A, o conjunto das partes de A é o conjunto
^A ), cujos elementos são todos os subconjuntos de A.

Exemplos:
(a) Dado A = {1, 2, 3} , temos:
<RA) = {0, {1}, {2}, {3}, {1,2}, {1, 3}, {2, 3}, {1, 2, 3}}
(b) Se D = {a , (}}, então:
^D ) = {0, {a},{p},{a,p}}

Núme ro de elementos do conjun to


das partes de um conjunto

Ao olharmos atentamente a relação existente entre o número de


elementos de certo conjunto e o número de elementos do conjunto
de suas partes, notamos certa semelhança com a relação existente
entre o número de variáveis atômicas de uma forma proposicional
e o número de linhas da correspondente tabela de verdade. Mais
do que semelhança, veremos que as duas relações coincidem.

Pro pos ição 3.1: Seja A um con junto com n elementos. D e-


notamos isso por \A | = n. O número de el ementos de (P(A) é
igual a 2".
Demonstração: Sabem os que cada subconjunt o de um conjunt o
A é uma combinação dos n elementos de A, tomad os p a p, onde p
é o número de elementos do subconjunto. D essa forma, o número
de subconjuntos de Í (A ) é igual à quantidade d e todas as combi-
nações que podemos formar co m os n elementos de A.
Agora, considerando o desenvolvimento do número binomial
(a + b)ne tomando a = b = 1, temos:

1 O conjuntodaspartesé ocasionalmente
amch
ado de conjunto
otência.
p

Scanned by CamScanner
9 8 HÉRCULES DE ARAÚJO FEITOSA E LEON ARDO PAULOVICH

f n> V \
(i + i)"= i° r. + i\ r \ fn> + i 2. r 2. + 1M°. n
v0 y í 2 n
i j ^ y ;
ou seja:
|V V V
+ fnl + +... +
0 i , 2 n
V/ i j ^ J ^ y

Dessa maneira, vemos que a soma de todas as combinações que


podemos formar com os n elementos de A é igual a T e, portanto,
o número de elementos de Í(A ) é igual a 2n. ■
Se A = 0 , então í( A ) = { 0 } . Assim, |A | = 0 e |<RA)| = 1,
conferindo 2o= 1.

Exercício:

10. Construir o conjunto das partes de B = {a, b, c, d}.

Operações com conjuntos


Agora, veremos como compor com os conjuntos de forma que
obtenhamos novos conjuntos. Estas são as operações sobre con-
juntos. Pelo menos quatro importantes operações serão tratadas: a
união, a intersecção, a complementação e a diferença entre con-
juntos.

União de conjuntos

A união de dois conjuntos A e B é o conjunto AuB (lêse: A


união B), cujos elem entos pertencem a A ou a B. Assim :
Au B = {xe U /xe AvxeB}.

Devemos
verso notarU.que
de discurso Issoestabelecemos
é importante sempre qual é ocertos
para evitarmos nosso pro-
uni-
blemas que esta abordagem intuitiva po de cau sar.

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 9 9

Exemplo:
(a) Dados os conjuntos A = {1, 0, 1} e B = {1, 2, 3}, então a
união de A e B é o conjunto:

A uB = {1,0, 1,2, 3}.

(b ) Se A = Z e B é o conjunto dos inteiros pares, isto é, B = {x e


Z /x = 2. q A qe Z }, então AuB = Z .

Diagramas: podemos representar essas operações sobre con-


juntos através de alguns diagramas que nos ajudam a ver o resul-
tado da operação indicada sobre os conjuntos envolvidos. Esses
são conhecidos como diagramas de Venn e o resultado da operação
está indicado na região sombreada do diagrama:

(i) A e B têm uma parte em comum:

(ii)SeAçB:

Scanned by CamScanner
100 HÉRCULES DE ARAÚJO FEITOS A E LEO NA RD O PAU LO VICH

(iii) Se A e B não têm parte em com um:

Propriedades da união
As propriedades da união de conjuntos podem ser demonstra-
das por meio de propriedades lógicas. Como exemplos, demons-
tramos as propriedades U 3e U8abaixo.
Considerando A, B e C conjuntos quaisquer de um universo
U, valem as seguintes propriedades par a a u niã o de co nju nt os:
U,: AuA = A
U2: (AuB)uC = A u(B uC )
U 3: Au B = B uA

Demonstração:x6 A u B o x e A v x e B o x e B v x e A o
x 6 Bu A.
Como x 6 A uB se, e soment e se, x e B u A , então os doi s
conjuntos têm exatamente os mesmos elementos e, portanto, são
iguais.
U,: A u 0 = A
U s: AuU = U
U6: A ç AuB e B c A uB
U 7: A ç B o A u B = B
Se Xc U,AçX eB q X , e ntão A uB ç X .

Demonstração: Devemos mostrar qu e se x 6 A u B , en tão x 6 X .


Sqa x 6 AuB. En tão x 6 A o u x 6 B. Se x 6 A, co mo A ç X , e n
tào x e X. S e x e B, c omo B ç X , ent ão x 6 X . E m qual quer c aso,
x ç X. Lo go, AuB çX .
UM PRELÚDIO À LÓG ICA 1 01

Exercício:

11. Verificar que valem as outras propriedades da união de


conjuntos.

Intersecção de conjuntos

A intersecçãode dois conjuntos A e B é o conjunto AnB (lêse:


A intersecção B ou simplesmente A inter B), cujos elementos per-
tencem a A e B, simultaneamente. Indicamos a intersecção por:
A nB = {x e U /x e A a x e B} .

Exemplos:
(a) Dados os conjuntos A = {—1, 0, 1, 2, 3} e B = {2, 3, 4, 5},
temos que A nB = {2, 3}.
(b) Se A = Z e B = {x e R / x2=  4 }, então A nB = 0 .

Diagram as: os diagramas de Venn para a intersecção que está


representada pela região sombreada são os seguintes:
(i) A e B têm apenas uma parte em comum:

Scanned by CamScanner
102 HÉRCULES DE ARAÚJO FEITOSA E LEONARDO PAULOVICH

Pro pried ade s da int ers ecç ão de conjuntos

Sejam A, B e C conjuntos quaisquer do universo U. Valem as


seguin tes propriedades para a interse cção de conjuntos:

It: A n A = A

D a m esma maneir a que observamos para a união, aqu i também


toda s as propriedades pode m ser dem on strad as atrav és de recursos
da lógica. Por exemplo, para demon strarmos que A n A = A, pro-
cedemos da seguinte maneir a:

x g A n A «x eA A x eA o x e A.

I2: (A n B )n C = A n (B n C)
I3: A n B = B n A
I4: A n 0 = 0

I5: A n U = A
I6: A n B çA e A n B cB

Demonstração: Se x e A nB , então x e A e x e B e, d aí, x e A.


Portanto, A n B ç A.
I7: A çB <=> A n B = A
I8: Seja X c U t al que X ç A e X ç B . En tão X Q AnB.

Exercícios:
12. Verificar que valem as outras propriedades da intersecção
de conjuntos.
13. Dado s os conj unto s A = {1, 2, 3}, B = { 3, 4} e C = { 1 , 2,
4}, d eterminar o conjunto X ta l qu e X u B = A u C e X n B = 0 .
14. Det ermin ar o con junto X tal que {a, b,c , d } u X = {a, b, c,
d, e}, { c, d} u X = { a , c , d, e} e {b, c,d} n X = {c} .
15. Mo strar que: Au B = 0 = > A = 0 a B =0 .

Dois conjuntos A e B são disjuntos ou mutuamente exclusivos


quando A nB = 0 .

Scanned by CamScanner
UM PRE LÚD IO À LÓGICA 103

Diferença de dois conjuntos


Dados dois conjuntos A e B, a diferença entre A e B é o con-
junto A B (lêse: A men os B) form ad o pelos elementos qu e per-
tencem a A m as não pertencem a B. A ssim :
AB={xe U / x e A a x í B} .

Exemplos:
(a) Dado s os conjunt os A = {2, 1, 0 , 1 , 2 } eB = { 0 , 1 , 2, 3}, a
diferença entre A e B é o conjunto A B = { 2, 1}.
(b) Se A = R e B = Q, então A B é o co njunto RQ dos núme-
ros irracionai s.

O bser vaçã o: A seguir, i nd icamo s U B = {x e U / x í


B} por B \

D ia gr am as : A diferença A B pode s er repr esen tad a por me io


dos diagramas de Venn como abaixo, onde a região sombreada
representa as diferenças:
(i) A e B têm um a parte em comum:

i
\

(ii) Se A ç B, en tão A B = 0 e B A est á repr esentada no dia-


gram a pela regi ão sombreada:

Scanned by CamScanner
104 HÉRCULES DE ARAÚJO F EITOS A E LEONA RDO PAUL OVI CH

(iii) Se A e B não têm parte em comum, então A~B = A:

Propriedades da diferença de conjuntos


Sejam A e B conjuntos quaisqu er do univer so U:
Dl : A -B = A nB>

Demonstração: x e A -B O x e A a x é B « xe Aa x e B’ <=>
x e Ar \B’

D 2: A -B = 0 <=> A ç B
D 3: A -B = B -A <=>A = B

Exercício:
16. Verificar qu e va lem a s o utras prop rieda des da diferença de
conjuntos.
17. Considerando o diagrama de Venn abaixo, sombrear os
conjuntos indicados. Faz er um d iagram a para cada i tem:
(a) A n(B uC ) (b) (A nB )u(A nC ) (c) Au(BnC )
(d) (A uB )n(A uC ) (e) A n B n C (f) ((BuC)-A)-B'
(g) (B-A yn íBuC y (h) (A -B)'n(C-B )’

Scanned by Cam Scanner


UM PRELÚDIO À LÓGICA 105

Complementação de conjuntos

Dados dois conjuntos A e B de m aneira que B ç A , o comple-


mentarde B com relação a A é o conjunto C 3 formado pelos ele-
mentos de A que não pertencem a B. Ou seja:

Cg ={ xe U /x € Aa x í B}
De acordo com a definição de complementar, podemos obser-
var que C g = A B . Além disso, o compl ementar de um conjun to
A em relação ao universo U é representado por Acou A ’.

Diagrama: o diagrama de Venn para a complementação é o


seguinte:
(i) Se B q A, então C g é dado por:

. (ii) Para um conjunto A, o seu com plem enta r Ac ou A * é da do


por:

Propri edades da com plementação

Q:0 ' =U
C2: U ' = 0

Scanned by CamScanner
1 0 6 HÉRCULES DE ARAÚJO FEITOSA E LEONARDO PAULOVICH

C3: Leis de De Morgan:


(AuB)’ = A’nB ’
(AnB)’ = A’u B ’
Demonstração:x e (AnB)' <=> x £ AnB E A v x g fi
<=>xe A’ v x e B ’ « x e A' uB ’
C4: A’nA = 0
C5: A’uA = U
C6: (AT=A
Demonstração : x e (A1)’ <=>xE A <=>xeA.

C7: A ç B = > B ’çA '.

Exemplo:
(a) Consideremos os conjuntos A = {x e Z / x > 5} e B = {x
e Z / x < 5}. Então, o conjunto intersecçao A nB = { x e Z /  5 < x
< 5^ A’ = {x e Z / x< 5 }, B’ = (xe Z / x > 5}, A’ uB ’ = {xeZ
/ x <  5 v x > 5 } e A’nB ’ = 0 . Podemos observar que (AnB)’ =
A’uB\

Exercício:
18. Verificar que valem as outras propriedades da comple
mentação de conjuntos.

Álgebra dos conjuntos


De forma geral, uma álgebra é determinada por um conjunto
não vazio munido de uma ou mais operações finitárias. E o nú-
mero de operações existentes e as propriedades verificadas por
cada uma das operações que caracterizam abstratamente as álge
bras. Agora dotaremos os conjuntos de uma álgebra, que chama-
mos a álgebra dos conjuntos.Dado um conjunto qualquer U, o
conjunto das partes de U certamente não é vazio. Assim, conside-
remos A, B e C elementos das partes de um conjunto universo U.

Com
de relação às
conjuntos, operações de uma
determinamos união, intersecçao
álgebra ( Í^ U),e complementação
vj, n , 0 , U) em
que valem as seguintes propriedades:

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 107

Propriedades da união:
Idempotência: AuA = A
Comutatividade: AuB = BuA
Associatividade: (AuB) uC = A u(BuC)
Elemento neutro: A u0 = A
Elemento absorvente:
AuU = U
Propriedades da intersecção:
Idempotência: AnA = A
Comutatividade: AnB = BnA
Associatividade: (A n B) nC = A n (B n C )
Elemento neutro: AnU = A
Elemento absorvente: An0 = 0
Au(BnC ) = (AuB)n(AuC)
An(BuC ) = (AnB)u(AnC)

Demonstração:
x e A n(BuC) « x e A a x g Bu C « x € A a (x e B v x e C ) «
(x e A a x g B ) v (x e A A xe C )«xe A n B v x e A n C
xe (AnB)u(AnC)
Propriedades da complementação: A ’n A = 0
A’ uA = U

Propriedades de dualidade ou leis de De Morga n:


(Au B)' = A ’ n B ’
( A nB ) ’ = A ’u B ’
As leis mencionadas caracterizam a álgebra dos conjuntos e
podem ser utilizadas para a simplificação de expressões com con-
juntos que envolvam as operações de união, intersecção e co m-
plementação, ou ainda para a obtenção de outras propriedades.
Quando houver operação de diferença de conjuntos, usamos a
propriedade:
A -B = A n B ’

Scanned by CamScanner
108 HÉRC ULES DE ARAÚJO FE ITOSA E LEONAR DO PA ULOVICH

Propriedades de absorção: A n (A u B ) = A
Au(AnB ) = A
As propriedades de absorção são poderosas ferramentas para a
simplificação de expressões com conjuntos. Entretanto, elas po-
dem ser demonstradas a partir das propriedades anteriores. De-
monstremos, por exemplo, a propriedade A n (A uB ) = A:

An( AuB ) = (Au0)n( AuB) = A u(0nB ) = A u 0 = A

Mais alguns exemplos:


(a) (A u B MA VS B 1) = U
(AuB)u(A’ n B ’) = (Au B)u(AuB )' = U
(b) Au(BA) = A uB
Au(BA) = Au(B nA ’) = (A uB )n(A uA ') = ( AuB) nU =
(AuB)
(c) (AB)n(AC) = A(B uC )
(AB) n(AC) = (An B’) n(A nC ’) = A n(B 'nC ’) =
An(BuC)' = A(BuC )

Exercícios:

19. JustificarA u (A n B ) = A .
2 0 . Dar exemplos de conjuntos A, B e C tais que (AuB)nC t

Au(Br»C).
21. Utilizando as propriedades conhecidas da álgebra dos con-
juntos, verificar as igualdades abaixo:
(a) A n (B -A ) = 0 (b) A u(B -A) = AuB
(c) CHAuB ) = (C A)n (CB ) (d) C<An B) = (CA)u (CB)
(e) A -(B -C ) = (A -B )u (A n C ) (f) A -(A n B ) = A -B
(g) (Au B )-B = A -B (h) (A-G )n(B -C ) = (An B}-C
22. Simplificar as expressões:
(a)(A’nB 7 (b)(A'uB 7
(c) (Au B’)’ (d) (AnB)u(A'nB)

Scanned by CamScanner
I

4
C ir c u it o s e l e t r ô n ic o s

Os circuitos eletrônicos(ou lógica digital) tratam do estudo e


comportamento dos dispositiv os eletrônicos de dois es tados 
também nomeados binários , com ênfase sobre as relações entre
esses dois estados. Tais dispositivos podem ser: computadores,
sistemas de controle de comunicação digital, codificadores, deco
dificadores, proces sadores de dados, etc. Emp regam um pequeno
grupo de circuitos lógicos conhecidos como portas lógicas E, OU,
NÃOeFLIPFLOPS.

Estados lógicos
Para o estudo dos dispositivos próprios da lógica digital, há
dois estados lógicos a ser considerados:
• 0 (zero): é o estado lógico que representa, por exemplo: porta
fechada, aparelho desligado, ausência de tensão, chave aberta,
não, etc.;
• 1 (um): é o estado lógico que representa, por exemplo: porta aber-
ta, aparelho ligado, presença de tensão, chave fechada, sim, etc.

Funções lógicas

São funções que executam determinadas operações com os es-


tados lógicos dos dispositivos. As principais funções são: E

Scanned by CamScanner
1 1 U HÉRC ULES DE ARA ÚJO FEITOSA E LEONARD O PAUL OVI CH

(AND), OU (OR), OU EXCLUSIVO (XOR), NÀO (NOT),


NÃ O E ( NAN D), NÃO OU (NOR ).
Rep resen tam os os d ispositivos lógicos por letras maiuscu las do
alfabeto latino: A, 13, C, ... que são denominadas variáveis lógicas
ou variáveis digitais, cujos valores são tomad os no conju nto { 0, 1 }.
Para facilidade de estudo, os dispositivos lógicos são denomi-
nados simplesmente chaves. Assim, uma chave possui dois esta-
dos lógicos: chave aberta e chave fechada, os quais serão repre-
sentado s da seguinte maneira :
Chave aberta: 0
Chave fechada: 1
Exemplos:
(a) Lâm pada apagada: 0
Lâmpada acesa: 1
(b) M otor desligado: 0
Motor ligado: 1

Função E (AND)
A funç ão E executa a multiplicação ou conjunção de duas variá-
veis binárias. A função lógica E assume o valor um “ 1 ” se, e so-

mente s e, todas as variáveis de entra da são ig uais a um “ 1” . Repre-


sent amos a fun ção E por S = A .B (lê se : A e B) .

Circuito representativo da função E

Chave A Chave B

E: bateria L: lâmpada

Scanned by CamScanner
UM PRELÚDI O À LÓGICA 11 1

Tabe la de verdade da funçã o E

A B A.B
0 0 0
0 1 0
1 0 0

1 1 1
Porta lógica E
/
E um circuito lógico que executa a funç ão E. Repre senta mo s a
porta E pelo símbolo:

onde A e B representam as variáveis de entrada, e S representa a


variável de saída da porta lógica. Assim, se A e B tiverem ambas
estado lógico “ 1” , S terá estado lógico “ 1” ; em qualque r outro
caso, S terá estado lógico “0” .

Fun çã o OU (OR)
A função OU executa a soma ou disjunção de duas variáve is bi -
nárias. A função lógica O U assume o valor zero “ 0” se, e somente
se, todas as variáveis de entrada são iguais a zero “ 0” . Rep rese n-

tamos a função OU por S = A + B (lêse: A ou B) .

Circuito representativo da função OU

Scanned by CamScanner
11 2 HÉRCULES DE ARAÚJO FEITOSA E LEO NARDO PAULOVICH

Tabela de verdade da função OU


A B A +B
0 0 0
0 1 1
1 0 1
1 1 1

Porta lógica OU
É um circuito lógico que executa a função OU. Representamos
a porta lógica OU pelos símbolos:

ou

onde A e B representam as variáveis de entrada, e S a variável de

saída ambas,
rem, da portaestados
lógica.lógicos
Quando as variáveis
iguais de entrada
a “0", a variável A e BStive-
de saída terá
o estado lógico igual a "0”; caso contrário, S terá estado lógico “1”.

A função NÃO (NOT)


A função lógica NAO inverte o estado lógico de uma variável,
ou seja, se a variável estiver no estado lógico zero "O”, vai para o
estado lógico um 'T ' e viceversa. Representamos a função NAO
por S = A ou S —A \

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 113

Ci rc ui to represent ativo da função N Ã O


R

A/VV

E: batería L: lâmpada R: resistência

Tabela de verdade da função NÃO


A A
0 1
1 0

Porta lógica NÃO


A porta lógica NÃO, ou inversor lógico, é um circuito lógico
que executa a função NÃO. Representamos a porta lógica NÃO
por:

O
Após um bloco lógico, nega a saída do bloco.
------------------------o
Antes de um bloco lógico, nega a entrada no bloco.

Função OU EXCLUSIVO (XOU)


*

E a função lógica que executa outra soma algébrica das variá-


veis de entrada, que é igual a “1" quando, e somente quando, exa

Scanned by CamScanner
114 HÉRCULES DE ARAÚJO FEITOSA E LEONARDO PAULOVICH

tamente uma das variáveis é igual a “1”. Representamos a função


X O U por S = A®B (lêse: A ou B , m as não ambas).

Tabela de verdade da função XOU


A B A®B
0 0 0
0 1 1
1 0 1
1 1 0

Porta lógica XOU


É um circuito lógico que executa a função lógica XOU, e é re-
presentado pelo símbolo:

onde A e B são as variáveis d e entrada e S é a saíd a da porta lógica.


Dessa forma, se as variáveis de entrada A e B forem tais qu e ape-
nas uma delas tenha estado lógico “ 1", S terá estado lóg ico “1”.
Caso con trário, S terá estado lógi co " 0 ” .

Fu nç ã o N Ã O E ( NE ou N A N D )
E a função que inverte a saída de uma função E, representada
por S = A .B .

Ta be la de verda de da funçã o N Ã O E

A B A .B
0 0 1
0
1 01 11
1 1 0

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 115

Porta NÃ O E
É um circuito lógico que executa a função NÃO E, cujo sím-
bolo é o seguinte:

onde A e B são as variáveis de entrada e S é a variável de saída.


Nesse caso, quando A e B tiverem, am bas, estado s lógico s iguais a
“ 1", S terá estado l ógico i gual a “ 0” ; caso contrário, S terá es tado
lógico igual a “1”.

Fu nç ão NÃ O OU (NOU ou NOR)
É a função que in verte a saída da f unção O U. Represen tamos a
função NÃ O O U po r S = A + B

Tabela de verdade da função NÃO OU


A B A+B
0 0 1
0 1 0
1 0 0
1 1 0

Porta lógica NOU (NOR)

E um circuito lógico que executa a função NOU. Representa-


mos a porta lógica NO U pelo símbolo:

Scanned by CamScanner
116 HÉRCUL ES DE ARAÚJO FEITOSA E LEONARDO PAULOVICH

OU

onde A e B representam as variáveis de entrada e S representa a


variável de saída da porta lógica. Assim, se A e B tiverem, ambas,
estados lógicos iguais a “0”, S terá estado lógico igual a "1”. Caso
contrário, S terá estado lógico igual a "0”.

Propriedades da lógica digital


As funções lógicas E, OU e NÃO determinam operações com
as variáveis binárias que satisfazem as mesmas propriedades vistas
na álgebra das proposições e na álgebra dos conjuntos. Conside-
remos A, B e C chaves que possuem dois estados lógicos: zero (0) e
um (1). Vamos considerar, também, duas chaves que possuem
estado lógico permanente: uma chave indicada por 1, cujo estado
lógico é sempre 1, e uma chave 0, cujo estado lógico é sempre 0.

Então, valem as seguintes propriedades:


LD, Elemento neutro: 0+A = A >
i
i
>

©< I o
L D 2Elemento absorvente: 1+A = 1 I

L D 3Idempotência: A + A=A A . A=
L D , Elemento complementar: A+ Ã = 1 A.Ã =0
L D SComutatividade: A+B = B+A A.B = B.A
L D 6Associatividade: A+(B+C) = (A+B)+C A.( B.C ) = (A.B).C
L D 7Distributividade: A.( B+C) = A.B+ A.C A+(B.C) =
(A+B).(A+C)
L D gAbsorção: A+(A.B) = A A.(A+B) = A
LD , De Morgan: Ã+B = Ã .B Ã ! = Ã +B

Scanned by CamScanner
UM PRELÚDIO À LÓG ICA 1 17

Uma estrutura algébrica determina da por um conjunto não va -


zio munido de duas operações binárias e uma operação
unária “ ” e duas constantes 0 e 1, que satisfaçam as propriedades
acima, é denominada álgebra de Booleou álgebra booleana.
Não necessitamos de todas as propriedades acima para definir
uma álgebra de Boole, pois algumas podem ser obtidas das de-
mais. Porém, toda álgebra de Boole admite essas propriedades.
Dessa forma, os sistemas algébricos que temos estudado neste
texto, a álgebra das proposições, a álgebra dos conjuntos e a álge-
bra digital, são exemplos da álgebra de Boole. Esses sistemas pro-
postos para o estudo de questões independentes têm uma concep-
ção abstrata comum a sua estrutura algébrica.

Expressões b oolean as ge rad as p or ci rc ui to s lógicos


A todo circuito lógico composto por uma associação de portas
lógicas, fazemos corresponder uma expressão booleana (ou poli
nômio booleano).
(a) Consideremos o circuito lógico a seguir, onde A, B e C re-
presentam chaves de do is estados:
A
B

Como podemos perceber, o polinômio booleano correspon-


dente ao circuito é:
S = (A.B) + C
(b) Considerem os o circuito com as chaves A, B, C e D:

Scanned by CamScanner
118 HÉRCULES DE ARAÚJ O FEITOSA E LEON ARD O PAU LOV ICH

Podemos ver que o inô


polmio boolean
o
correspondente <•
S= (A + B).(C + D)
(c) Parao circuito lógico
abaixo
:
d c B A

temos o seguinte polinômio booleano: S —(A.B) + C + (C.D)

Observação:
estão na representação
representadas acima, as chaves A, B, C e D
pelas linhasverticais.
(d) Para o circuito abaixo nas variáveis A, B, C e D:
D C B A

temos o seguinte polinômio booleano: S = (A .B ).(B .Q .(B +D ).

(e) Para o circuito abaixo nas variáveis A, B, C e D temos o se-


guinte polinômio booleano:

S = ((Ã ,B)+(A. B )+ C ). (C+D).

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 119
0 C B A

Circuitos lógicos obtidos a partir


de expressões boo leanas

A cada expressão booleana nas variáveis binárias A, B, C, ...


corresponde um circuito lógico formado por portas lógicas. A
seguir, damos alguns exemplos de circuitos lógicos obtidos de
expressões booleanas.
(a) À expressão booleana S = (A +B ).C .(B +D ), corresponde o
seguinte circuito lógico:

D c B A

(b) Para a expressão booleana S = (A .B.C )+((A +B ).C ), temos o ,


circuito lógico:

Scanned by CamScanner
120 HÉRCULES DE ARAÚJO FEITOSA E LEONARDO PAULOVICH

C B A

(c) Para a expressão booleana S = ( A.B + C.D), temos o seguin-


te circuito lógico:

(d) Ao polinômio booleano S = ((A+B)+(C.D))Dcorresponde o


circuito:

d c B A

Scanned by CamScanner
UM PRE LÚDI O À LÓGICA 12 1

(e) Ao polinômio S =[((A.B)+(CD)).E]+[((AD.E)+(C.D.E))A]


corresponde o circuito:

Exercício:
1. Determinar o circuit o lógico associado às seguintes exp res -
sões booleanas:
(a ) S = (À +B +C ),(Ã . B.C )
(b) S = (Ã X > B + D )+ C. (Ã! CD)
(c) S=((A +B ). Q .( D .( C +B ))
(d) S = (Ã + B + C). (A+ B +C )
(e) S = Ã .B .C + Ã.B.C + Ã.B.C + Ã. B. C + A BC

Si m pli fi cação de exp ressões bo oleana s

Com o já mencionamos , as propriedades da lógica di gital ou ál-


gebra digit al p ossibilitam a simplifi cação de expressões boolea nas
ou polinômios booleanos. Eis alguns exemplos em que são feitas
simplif icações de expressões booleanas com o auxíli o das proprie-
dades da álgebra digital. _
Nas expressões booleanas a seguir, no lugar de A .B.C escre-
vemos apenas A BC.

Scanned by CamScanner
12 2 HÉRCULES DE ARAÚJO FEITOSA E LEONARDO PAULOVICH

(a) Simplificar, utilizando as propriedades da lógica digital, a


seguinte expressão booleana: S = ABC + A C + A B
l.S = AB C + A C + AB Expressão dada
2. S = A (BC +C + B ) Distributividade
3. S = A (BC +G B) De Morgan

4.
5. SS == AA (BC+
l B.C) Comutatividade
Complementar
6. S = A Elemento neutro
A simplificação acima informanos que o circuito inicial S,
dado pela expressão S = ABC + A C + A B , é equivalente a um
circuito que possui apenas a chave A. Na prática, o circuito inicial
S, composto de 4 portas lógicas, pode ser substituído por um cir-
cuito que tenha apenas a chave A.
(b) Simplificar a expressão booleana abaixo, utilizando as pro
priedades d a lógica digital: S=A+ÃB
1. S —A + A B Expressão dada
2. S = (A+ Ã )(A+B) Distributividade
3. S = 1(A+B) Complementar
4. S —A+B Elemento neutro
O resultado dessa simplificação é utilizado muitas vezes na
simplificação de outras express ões mais complexas.

(c) Demonstra r a propried ade de absorção A+AB = A, a partir


das outras propriedades:
l.S = A+A B Expressão dada
2. S = A l+A B Elemento neutro
3. S = A (l+B ) Distributividade
4. S = A l Absorção
5. S = A Elemento neutro

Exercício:
2. Simplificar as expressões booleanas seguintes utilizando®
propriedades da álgebra de Boole:

Scanned by CamScanner
UM PRE LÚD I O À LÓGICA 123

(a) S= ABC + ABC + A B C


(b) S = A B + A B
(c) S= Ã B C + Ã B C +Ã B C + AB C + A B C
(d) S = (A +B+C )( A + B +C )
(e) S = (ÃC +B +D )+C(Ã CD )
(f) S= ((A+B).Q.(DT(C+B))
(g) S = (A + B+ C ) (A+B+ C )
(h) S = Ã B C + Ã B C + Ã B C + AB C + ABC
(i) S = [(A.(B +C)).D J(Ã+ B)
(j) S= A BC D + Ã B C D + Ã B C D + ABC D
(l) S = (A+B+C+ DX A+B+ C + D )(A+ B +C+ D)( A+ B + C + D )
(Ã + B+C+D XÃ + B + C +D )
(m) S = Ã B C D + ÃBCD_+ ÃB CD + A BC D + A B C D
+ ABCD + A B C D +A BC D

Funções booleanas e mapasde Karnaugh


As funções booleanas que vimos até agora podem ser repre-
sentadas por alguns mapas, denominados mapas de Karnaugh,
que são úteis para a simplificação de expressões booleanas quando
estas estão escritas na forma de “ soma de pro duto s". Estud arem os
apenas os mapas de Karnaugh para até qua tro variáveis.

Int rod uzi ndo os mapas d e K arnau gh


A seguir temos os mapas de Karnaugh de uma, duas, três e
quatro variáveis.

Mapa para uma variável


à A

0 1

Scanned by CamScanner
124 HÉRCU LES DE ARAÚJO FEITOSA E LEONARDO PA ULO VI CH

M ap a para dua s vari ávei s

à B ÃB AB AB

00 01 11 10

Ca da um do s q uatro retângulo s representa um termo e scrito na


for ma de pro dut o, a sab er: A B , A B , A B e A B . Ca da termo
corres ponde a um núm ero binári o, isto é :

à B=0 0
à B =0 1
A B =11
A B = 10

Como cada número binário corresponde a um número na base


dez, cada termo ta m bém po de ser rep resentado p or um núm ero na
base dez, ou seja:
à B =0
à B= 1
AB = 3
AB = 2

Termos adjacentes num mapa de duas variáveis: cada


termo de um ma pa de d ua s va riáveis p oss ui do is termos ad jacentes
a ele. Tomando a representação binária dos quatro termos de um
mapa de dua s variávei s, temo s:
00 é adjac ente a 01 e 10
O lé adjacente a 00 e 1 1
11 é adjacente a 01 e 10
10 é adjacente a 11 e 0 0

Term os adjacentes diferem entre si d e u m dígito binário; além


disso, ve mos que os dois term os q ue o cup am os extremos do mapa
são adjacentes.

Scanned by CamScanner
UM PRELÚDIO K LÓGICA 1 2 5

Ma pa para três vari áveis

AB AB AB AB
0 c
c
1
00 01 11 10

Cada um dos oito retângulos corresponde a um termo escrito


na forma de produto. Abaixo podemos ver esses termos com os
corresp ondentes binários e decim ais.

Termo Binário \ Decimal \

ABC 000 1 0 1
ABC 010 1 ' 2 1
ABC 110 6 1

AABBCC 1 100 1 4 1
1 001 1 1 1
ABC 011 \ 3 1
ABC 111
1 7 1
ABC 1 101 | 5 j

T erm os adjacentes nu m m ap a d e três var iávei s: ca da termo


de um mapa de três var iávei s possu i três termos adja centes a ele . O s
termos que ocupam as extremidades de um a m esm a Unha são adja-
centes entre si. To m an do a representação binária dos termos, verifi-
camos que:
000 é adjacent e a 001 ,01 0 e 100;
010 é adjacente a 000,110 e 011;
110 é adja cente a 010 ,10 0 e 111 ;
100 é adjacen te a 110, 000 e 101;
etc.
variáveis diferem entre
Os termos adjacentes num mapa de tres
si de apenas um dígito binário.

Scanned by CamScanner
^ HÉRCULES DE ARAÚ JO FEITOSA E LEON ARDO PA UL OV 1C H

M ap a para quatro v ari ávei s

AB AB AB AB
00 / i 1 CD
01 CD
11 CD 1 1
10 \ *
00/ /
01 11 10 CD
L *

Este mapa tem 16 retângulos, cada um representando um termo


cujos correspondentes binários e decimais estão na tabela abaixo:

Termo Binário Decimal


ÃBCD 0000 0
ABC D 0100 4
1100 12
ABC D 1000 8
ABC D
ÃBCD 0001 1
ÃBCD 0101 5
ABCD 1101 13
AB CD 1001 9
ÃBCD 0011 3
ÃBCD 0111 7
ABCD 1111 15

AB CD 1011 11
ÃBCD 0010 2
ÃBCD 0110 6
ABCD 1110 14
ABCD 1010 10

Termos adjacentes num mapa de quatro variáveis: cada


termo de um mapa de quatro variáveis p ossui quatro termos adja-
centes a ele. No mapa de quatr o variáveis, os termos que ocupam

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 12 7

os extremos de uma mesma linha ou de uma mesma coluna são


termos adjacentes. Tomando a representação binária dos termos,
verificamos que:
0000 é adjacente a 010 0,100 0,000 1 e 0010;
0100 é adjacente a 0000,11 00, 0101 e 0110;

1100 é adjacente a 0100,1000,1101 e 1110;


etc.
Notamos que, também aqui, os termos adjacentes diferem en-
tre si de um d ígito binário.

Representando funções booleanas


nos m apas de Karnaugh

Para representarmos uma função booleana num mapa de


Karnaugh, assinalamos com um traço v ertical os retângulos cor-
respondentes a cada termo componente da função. A função
deverá ser escrita na forma de soma de produtos (forma normal
disjuntiva).

Exemplos:
(a) Mapa da função que representa o conectivo E: f(A, B) =
AB.

ÃB ÃB AB AB ‘
~ 1 11 I
00 01 11 10

(b) Mapa da função que representa o conectivo OU: f(A, B) =


A B + A B + A B.
ÃB ÃB AB AB
" I N I 1~T~
00 01 11 10

Scanned by CamScanner
128 HÉRCULES DE ARAÚJO FEITOS A E LEO NAR DO PAULOVICH

(c) Map a da função do conectivo O U EX CL USIVO: f(y\ m _


ÃB+AB.
ÃB ÃB AB AB

00 01 11 10

(d) Mapa da função f(A, B, C) = ABC + A B C + A BC


+ABC.

AB AB AB AB
C
1 C
00 01 11 10

(e) Mapa da função f(A, B, C, D) = A B C D + A B C D +


AB CD + ÃBCD +AB CD + ABC D.

CD
CD ' M ci.
CD
CD i OOf
00 01 11 10 \2)U O

Notaçã o decimal para uma funçã o boo lea na -■ O

Como todo termo escrito na fo rma de produto tem um número


correspondente na base dez, uma função booleana escrita na forma
de soma de produtos pode ser representada como uma soma de
números escritos na base dez.

Exemplos: ' OUQl ( )!

(a) A expressão booleana Y = Ã B + A B tem a seguinte


notação, quando escrita como soma de números de base dez:

Scanned by CamScanner
UM PRELÚD IO À LÓGICA 129

Y = f(A, B) = 1(1, 2), Veja que 1 e 2 são os correspondentes


decimais dos termos A B e A B respectivamente.
(b) A expressão booleana f(A, B, C) = ABC + ABC +
ABC + A BC tem a seguin te notação: Y = f(A, B, C)= X(0, 2,
3, 5). Note que os te rmos ABC, ABC, ABC e ABC corres-
pondem aos números 3, 5, 2 e 0 respectivamente.

(c) A expressão booleana Y = A BC D + A B C D + AB C D


+ A B C D + A BC D tem a s eguinte notação: Y = f(A, B, C , D) =
L(3, 6, 10, 13, 15). Os números 3, 6, 10, 13 e 15 correspondem,
respectivamente, aos termos A B CD, A BC D , A B C D ,
ABC De AB CD .

Essa notação facilita a representação de uma função booleana


nos mapas de Kam augh , pois cada retângul o no mapa corresponde
a um número decimal. Vejamos os mapas com os correspondentes
números decimais de cada termo:

Ma pa de duas vari ávei s

AB AB AB AB
0 1 3 2

Ma pa de três vari áveis

AB AB AB AB
0 2 6 4 C
1 * 3 7 5 C

Mapa de quatro variáveis

AB AB AB AB
0 4 •12 8 CD
1 5 13 9 CD
3 7 15 11 CD
2 6 14 10 CD

Scanned by CamScanner
130 HÉRCULES DE ARAÚJO FEITOSA E LEONARDO PAULOVICH

Exemplos:
(a) Mapa da função f(A, B, C) = 1(0, 3,4, 5):
AB AB AB AB
1 1 G
C

I r Mapa da função f(A, B, C, D) = 1(1, 3,4, 6,9^ 11,13,15)*


(b)
IQ
_ otco^ _ A.
AB AB AB AB
j o ~ T ~ ^ CD
;/
v v OV/ I'
Cç 0^
>
h
V1 ! CD
 7 l
, 1 ■1 CD^ I!

'• 0 1 :i CD
CV, cc ci li \e y <S '
a

Cl f i~qd^os, i,m~ apa s de Karnau gh<


Si mplif icaç ão po r meio

Identificaremos para os diversos mapas que estamos estudando


exemplos de pares, quadras e oitavas de termos adjacentes.

Mapa de duas variáveis


(a) Pares de termos adjacentes

AB AB AB AB
i i

(b) Quadras de termos adjacentes


No mapa de duas variáveis existe apenas uma quadra de ter-
mos adjacentes:

ÃB ÃB AB AB

Scanned by CamScanner
UM PREL ÚDI O À LÓG ICA 13 1

Ma pa de três var iáve is


(a) Pares de term os adjacentes

ÃB Ã B AB AB
C
C

ÃB ÃB AB AB

C
— ^-------- ------------------ \
etc.

(b) Quadras de termos adjacentes

AB AB AB AB
i i i

ÃB ÃB AB AB
I G

etc. c\
(c) Oitavas de termos adjacentes
Num mapa de três variáveis, existe apenas uma oitava de ter-
mos adjacentes:

AB AB AB AB
i i i i C
i C

Scanned by CamScanner
132 HÉRCU
LESDEARA
ÚO
J FEI
TOSAELEO
NARD
OPA
ULO
VICH
Mapa de quatro variáveis

(a) Pares num mapa de quatro variáveis

AB AB AB AB

CD
C D
CD
CD

ÃB ÃB AB AB
CD
CD
CD
CD
etc.

(b) Quadras num mapa de quatro variáveis

Exemplos:

AB AB AB AB
CD
CD
CD
CD

AB AB AB AB
I CD
CD
I CD
I CD

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 133

CD
CD
CD
CD

ÃB ÃB AB AB
CD
CD
CD
CD

A bc - A p ,.:

AB AB AB AB ~ --
CD hC
CD
CD
CD

ÃB ÃB AB AB
CD
CD
CD
CD

ÃB ÃB AB AB
CD
CD ^
CD
CD

Scanned by CamScanner
134 HÉR CUL ES DE ARAÚJ O FEI TOSA E LEONARDO PAUL OVI CH

AB A B AB AB
ÇD /
1

CD
CD
CD

(c) Oita vas de term os adjac ente s num map a de quatro variá-
veis
AB AB AB AB
1 1 1 1 CD
1
CD
CD
CD

ÃB ÃB AB AB
| CD k
CD
CD
CD
etc.

Uma expressão booleana escrita na forma de soma de produtos


pode ser colocada num mapa de Kamaugh e simplificada median-
te as seguintes regras:
(Rj) Assinalar as oitavas, as quadras e os pares de termos ad-
jacentes, nesta ordem, tomandose o cuidado de não assinalar
quadras contidas em oitavas, nem pares contidos em oitavas ou
quadras.

s (Rj) Cada par de termos adjacentes elimina uma variável; cada


quadra de termos adjacentes elimina duas variáveis; cada oitava de
termos adjacentes elimina três variáveis.

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 135

(R 3) Observar que dois termos que ocupam os extremos na


mesma linha ou na mesma coluna de um mapa são termos adja-
centes.
(R J A cada g rupo (par, quadra ou o itava) de termos adjacentes
corresponderá um termo na expressão simplif icada.

(R J A expressão simplificada se rá composta pelos termos co-


muns a cada agrupamento assinalado.

Exemplos:
Simplificar as expressõ es booleanas aba ixo:

(a)Y = Ã B + AB + AB:

AB AB AB AB

Resposta: Y = A +B .
T O 3
(b) Y = A B + AB + A B :

A B AB AB AB
U Ci
Existem dois pares.
Resposta: Y = A + B .

(c )Y = Ã B + ÃB + AB + AB:

Existe apenas uma quadra.


Resposta: Y = 1.

Scanned by CamScanner
136 HÉRCUL ES DE ARAÚJO FEI TOSA E LEONARDO PA ULOVICH

(d )Y = A©B = AB + AB:

A B AB AB AB
i i
Não há termos adjacentes.
Resposta: Y não é simplificável.

(e) Y = A©B == A B + A B:

/ ÃB Ã B AB AB
1 i

Não há termos adjacentes.


Respo sta: Y não é simplificável.

(f) Y = f(A, B, C) = X(0, 1, 2, 4, 5,6):

Existem duas quadras.


Resposta: Y = B + C .

(g) Y = f(A, B, C) = 1 (1 ,2 , 3, 5, 6, 7):


AB AB AB AB

Existem duas qu adras.


Resposta: Y = B +C .

Scanned by CamScanner
UM PRELÚDIO À LÓGIC A 1 37

(K) Y = f(A, B, C) = Z(0, 2,3, 5,7):

A B A B A B AB

Há três pares.
Resposta: Y = A C +B C +A C ou Y = A C + A B+A C.

(i) Y = f(A, B, C) = 1(2, 3, 4, 5):

AB A B AB AB

AB A B AB AB

cr
J v
1

Scanned by CamScanner
138 HÉRCULES DE ARAÚ JO FEITOSA E LEONA RDO P AU LOV /CH

_(1) Y = A B C D + A B C D + A B C D + ÃBCD +
ABCD:

ÃB ÃB A B AB
CD

CD
CD

CD

H á uma qu adra e um pa r.
Re spo sta: Y = A D + B C D .

(m) Y = f( A, B , C, D) = 1(0 , 1 ,2 ,5 ,8 ,9 ,1 0, 13) :

CD

CD

CD

CD

Há duas quadras.
Resposta: Y = B D + C D .

Exercício:
3. Simplificar as exp ressõe s boo leanas abaixo utilizando os ma-
pas de Karnaugh:
(a ) Y= Ã B C D + Ã B C D + ÃB CD + Ã BCD + AB C D
( b ) Y= A BC D + A BC D + ABC D + ÃBCD + ABC
(c) Y = f(A, B, C) = 2(1,2, 4, 5, 7)
(d) Y = f(A, B, C, D) = 1(0, 1, 2, 4, 5, 6, 7, 8, 9, 11)
(e) Y = f(A, B, C, D) = E(0, 2, 4, 6, 7, 9,11,13,14,15).

Scanned by CamScanner
UM PRELÚD IO À LÓGICA 139

E quando não e st á na fo rma d e soma de p rod uto s?

Para simplificar uma expressão booleana que não está na form a


de soma de produtos, por meio dos mapas de K arnau gh, devem os,
primeiramente, transformar a expressão numa soma de produtos.
Para tanto, recorremos às leis da álgebra digital.
Fazendo uma conexão com o cálculo proposicional, do Capítu-
lo 1, a expressão booleana deve estar na forma normal disjuntiva
completa (na qual ocorrem todas as variáveis, ao menos uma vez,
em cada disjuntivo) para a atribuição de um mapa de Karnaugh à
referida expressão. Como sabemos, isso é sempre possível.

Exemplos: _________
(a) Simplificar a expressão S = (A C + B + D ) + C(A.C .D) utili-

zando os mapas de
Inicialmente Karnaugh. a expressão booleana numa soma
transformamos
de produtos:

l.S= (AC+B+D)+C(A.C.D) Expressão dada


2. S = (Ã ^B .D)+C (Ã+ C +D ) De Morgan
3. S = A .BC D +Ã C+ G C+ C.D Du pla negação,
comutatividade

4. S = A.BC.D+A C+0+C .D eComplementar


distributividade
5. S = A 1C .D+ Ã C +C .D Elemento neutro

Como a expressão está na forma de soma de produtos, agora


podemos colocála num mapa de Karnaugh para quatro variáveis.
Observemos que o termo AC na expressão não possu i as variáveis
B e D. Assim, para representálo no mapa de Karnaugh, devemos
assinalar todos os retângulos onde aparecem A e C junto s (são os

termos: A BC D , A BC D , A B C D e A B C D ). Da mes ma
forma, o termo C D corresponde, no mapa, aos termos A BC D ,
ÃBCD, AB CD e à BC D.

Scanned by CamScanner
140 HÉRCULES DE ARAÚJO FEIT OSA E LEONARDO PAULO VICH

CD
CD
CD
CD \

Os termos assinalados no mapa formam duas quadras que re-


presentam os termos A C e C D . Portanto, a expressão S =
(A.C+B+D)+C.(A.C.D), dada inicialmente, simplificada pelo
mapa de Karnaugh produz a expressão booleana S = A C + C D .

(b) Simplificar a expressão booleana S  [(A .(B+ C).D].(C+D ).


Inicialmente transformamos a expressão numa soma de produtos:

l.S=[(A.(B+C).D].(C+D) Expressão dada

2. S = [A(B +C )+D J.(5.D) De Morgan

3. S = [A(B +C )+ D].(CB ) Complementar

4. S = [A.B+ A.C+ D]. (C.D) Distributividade

5. S=A.B.CD+A.C.CD+C.D.D Distributividade e
comutatividade

6. S=A.B.CD+A.CD+C.D Idempotência

Colocando a expressão num mapa de Karnaugh, temos:

CD
CD
\

CD
CD

Como pode ser observado, há uma única quadra no mapa, o


que produz a expressão S = C D , que é a simplificação desejada.

Scanned by CamScanner
UM PRELÚD IO À LÓGICA 141

Exercício:
4. Para cada expressão booleana abaixo, transformála numa
soma de produtos utilizando as leis da álgebra digital e, em segui-
da, simplif icála uti lizando os map as de Karnaugh.

(a) S=Ã.[(B+C).(B+C)]+C[(Ã+B)+(Ã+B)]
(b) S = (A + B +C) .( A + B+C )+(A + B+C)( A + B +C ) h(A+B+C).(A+B+C)
(c) S=(A+AB+AB)+(AB+AD+ÃC+BC+CD)
(d) S= (Ã+ C+ D)+ (A + B+D ). (A + C+D)+A.B.D

Minimização de circuitos lógicos


A simplificação de expressões booleanas fornece uma ferra-
menta importante na minimização de circuitos lógicos. Dado um
circuito lógico, determina se a ex pressã o booleana correspondente

e, em seguida, simplificase a expressão, obtendose um novo cir-


cuito equivalente ao inicial, porém, minimizado.

Exemplo:
(a) Dad o o circuito lógico abaixo , obter um circuito equivalente
a ele que seja minimizado:

Inicialmente, determinamos a expressão booleana correspon-


dente ao circuito dado :

S = ((AS.D). (A. B.D). C). (C+D)

Scanned by CamScanner
1 4 2 HÉRCULES DE ARAÚJO FEI TOSA E LEONA RDO PAUL OVIC H

A seguir, transformamos a expressão numa soma de produtos


para simplifi cá-la at ravés dos m apas de Karnaugh:

1. S = ((A.B.D).(A.B.D).C).(C + D ) Expressão dada


2. S= (A .B D + A l.D + C ).( C + D) De Morgan eDN
3. S = A B D C + A B D D + A B D C + A B D D -f O C + C D Distributividade
4. S = A B C D + A B D + A B C D + C D Complementar,
Comutatividade e
Idempotência.

Finalmente, simplificamos a expressão colocando-a num


mapa de Karnaugh e exibimos o novo circuito:

CD

CD

CD

CD

Observamos que há uma quadra e um par, o que nos dá a


expressão booleana:

S = A.B.C+C .D

cujo circuit o repr esentativo é:


d c B A

Scanned by CamScanner
UM P REL ÚDI O À LÓGICA 14 3

Exercício:
5. Para cad a circuito abaixo : determin ar a expressão bool eana
correspondente; transformar a expressão numa soma de produtos,
simplificá-la e dese nh ar o circu ito relativo à expr essão simplif icada.
%

(a)
D C B A

(b)

D C B A

Scanned by CamScanner
144 HÉRCULES DE ARAÚJO FEITOSA E LEON ARD O PAULOVICH

Scanned by CamScanner
5
S il o g is mo s c a t eg ó r ic o s

A lógica proposicional nos permitiu uma boa análise da relação


entre proposições particularmente associadas aos conectivos pro
posicionais —i, a , v , —» e <>. Não obstante, ela tem algumas limita-
ções, pois, como veremos na seqüência, alguns argumentos que
entendemos como válidos não podem ser tratados com a ferra-
menta proposicional. Eis alguns exemplos:

(a) Tod o bauruense é paulista.


Tod o paulista é brasileiro.
Tod o bauruense é brasileiro.
(b) To do qu adrúpede anda sobre quatro patas.
O cachorro é um quadrúpede.

O cachorro anda sobre quatro patas.


(c) Se o ponto C e stá entre os pontos A e B,
então o ponto C está entre B e A.

No cálculo proposicional, poderiamos, nos exemplos (a) e (b),


chamar as premissas de A e B e a conclusão de G e então obtería
mos A a B —»C , que certamente não é uma tautologia, embora
o

sejam válidos ambos os argumentos. No exemplo (c), também


válido, poderiamos chamar a única premissa de A e a conclusão de
B e obter íamos o argumento não tautológico A —>B.
O problema é que, no cálculo proposicional, devemos entender
cada afirmação em sua totalidade, sem a possibilidade de sua aná

Scanned by CamScanner
146 HÉRCULES DE ARAÚJO FEITOSA E LEONARDO PAULOVICH

lise interna, o que é fundamental para o entendimento dos argu-


mentos tratados neste capítulo.
Examinaremos um grupo de argumentos cuja validade é de-
terminada pela estrutura interna de seus simples enunciados. Es-
ses elementos de lógica, que foram introduzidos na Antigüidade
nos textos de Aristó teles Sobre a interpretação e Primeiros analíti-
cos (Kneale, Kneale, 1991), receberam poucas contribuições até os
trabalhos de Frege do final do século XIX . Durante a Idade Média
foram atribuídos nomes latinos mnem ônicos par a essa lógica aris
totélica. Modemamente, tanto o cálculo proposicional quanto a
lógica aristotélica são vistos como casos particulares do cálculo de
predicados sobre o qual faremos uma breve introdução no próxi-
mo capítulo.
Além do interesse histórico, e o de apresentar um caminho pe-
dagógico para o entendimento da lógica, podemos, neste capítulo,

fazer uma ponte com os elementos de teoria dos conjuntos do Ca-


pítulo 3, para a justificação dos argumentos aristotélicos.

Enunciados cate górico s


Os enunciados categóricosou proposições categóricassão senten-
ças universais ou particulares, afirmativas ou negativas em uma
das quatro formas seguintes:

• Afir m ação univers al denotada por A : “To do S é P ".

Exemplos:

(a) Toda ave voa.


(b) Todo número par é divisível por 2.

• Ne gaçã o univer sal denotada por E: “Nenhum S é P” .

Exemplos

(a) Nenhum homem voa.


(b) Nenhuma cobra é vegetal.

• Afirm ação particular denotada por I: “ Algu m Sé P”.

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 147

Exemplos:

(a) Alguns pap agaios falam.


(b) Existe um inocente preso.

• N ega ção pa rtic ula r denot ada por O: "Algum S não é P".

Exemplos:

(a) Há m amíferos que não v ivem na água.


(b) Alguns políticos não são sérios.

Observemos que as proposições categóricas diferem entre si


pela qualidade, quando afirmam ou negam, e pela quantidade,
quando são universais ou particulares. Esses enunciados categóri-
cos são indicados pelas letras A, E, Ie O como referências às pala-
vras AF FIR M O e NEGO (do latim).
Embora tenhamos indicado as formas básicas das proposições
categóricas no singular, não há problema em fazêlo também no
plural, como pudem os observar em alguns exemplos .
Observamos que cada enunciado categórico tem uma consti-
tuição dada por um termo, ou sujeito (S), associado por meio de
um verbo de ligação a uma propriedade, ou predicado (P). Além
das proposições categóricas, também usamos os enunciados singu-
lares, nos quais é particu larizad o um termo ou sujeito.

Exemplos:
(a) Joã o é estudante.
(b) Ele não é normal.

Usando os quantificadores universal e existencial e os conecti


vos lógicos, podemos interpretar as proposições categóricas da
seguinte maneira:

A: (Vx)(S(x)»P(x))
“To do SéP ” ou
"P ara todo x, se vale S(x), então vale P(x)” ou
“ To dos elementos da classe S est ão na cl asse P ” .

Scanned by CamScanner
148 HÉRCULES DE ARAÚJO FEITOSA E LEONARDO PAULOVICH

E: (Vx)(S(x)*iP(x))
“ Nenhum S é P” ou
“ Para todo x, se vale S(x), então não val e P(x)“ ou
“ Tod o eleme nto da c lasse S é da cla sse nã o P” .

I: (3x )(S(x )a P( x ))
“Al gum S é P “ ou
“ Existe x p ara o qual vale S(x) e vale P(x)“ ou
“ Existe algum elemento d a classe S que é da c lasse P” .

O: (3x )(S(x )a - iP(x ))


“A lgum S nã o é P” ou
“ Existe x tal que vale S(x) e não vale P(x)” ou
“A lgum elem ento da classe S é da class e não P“ .

Interpretação conjuntista
Podemo s usar os elementos de teoria dos conjuntos para a in-
terpretação dos en unciados categóricos;

A: (Vx)(S(x)—»P(x)) E: (VxXSM-^-TM)
SçP SnP = 0

I: (3x )(S(x )a P(x )) O: (3 x )(S(x )a ^P ( x ))


SnP* 0 S -P * 0

Scanned b y CamScanner
UM PRELÚDIOÀ LÓGICA 1 4 9

Quadrado das oposições


Mostramos agora algumas interações entre os enunciados cate*
góricos. Antes, porém, destacamos alguns princípios contempla-
dos na lógica de Aristóteles.

Pj Num argumento a conclusão deve depender apenas das


premissas.
P2E a forma lógica do argumento que interessa, isto é, os argu-
mentos tratam de conceitos gerais que podem ser denotados por
letras, mais tarde chamadas variáveis.
P3Devese proceder à redução dos muitos raciocínios a um pe-
queno conjunto de formas, denominadas regras imediatas ou silo-
gismos.

Também, devemos relembrar os princípios aristotélicos que

aqui se aplicam:
Princípio da identidade: todo conceito ou juízo deve ser
igual a si mesmo.
Princípio da nãocontradição: um enunciado não pode ser
verdadeiro e falso ao mesmo tempo.
Pr in cíp io d o t er ce iro exclu ído : todo enunciado deve ser ver-
dadeiro ou falso, e não há outra possibilidade.
As relações entre as quatro formas de proposições categóricas
(enunciados categóricos) são colocadas num quadrado denomina-
do quadrado das oposições:
, r c fc<> V
v T
. V' . v '

subalternas

t
-6 V ' ^

Co ntraditórias: são contraditóriasas p roposições A e O e tam-


bém E e I, ou seja, duas proposições são contraditórias se não po-
dem ser ambas verdadeiras e ambas falsas concomitantemente.

Scanned by CamScanner
150 HÉRCULES DE ARAÚJO FEITOSA E LEONARDO PAULOVICH

Contrárias: são contrárias as proposições A e E, ou seja, duas


proposições são contrárias se não podem ser ambas verdadeiras,
mas podem ser ambas faJsas.
Subcontrárias: são subcontrárias as proposições I e O, ou seja,
duas proposições subcontrárias não podem ser ambas falsas, mas
podem ser ambas verdadeiras.
Subalternas: são subalternas as proposições A e I e tambémE e
0. Com isso, se A é verdadeira, então I também é, e se E é verda-
deira, então O também é.

Dados um termo S e um predicado P, entendemos A, E, eI 0


como relações envolvendo S e P e denotamos um enunciado do
tipo A por SAP, do tipo E por SEP, do tipo I por SIP e do tipo 0
porSOP.
Decorre do quadrado das oposições que a negação de um enun-
ciado categórico é ainda um enunciado categórico e valem as se-
guintes relações:
(i) (SAP) <=> SOP;
(li)<SEP) <=>SIP.

Exercícios:

1. Dar três exemplos de proposições contraditórias.


2. Dar dois exemplos de proposições contrárias em que ambas
sejam falsas.
3. Dar dois exemplos de proposições contrárias em que uma seja
verdadeira, mas a outra seja falsa.
4. Dar dois exemplos de proposições subcontrárias em que ambas
sejam verdadeiras.
5. Dar dois exemplos de proposições subcontrárias em que uma
seja verdadeira e a outra falsa.
6. Estabelecer a correspondência entre as duas colunas:
(a) Proposições de quantidades opostas ( ) contraditórias
(b) Proposições de qualidade e ( ) subcontrárias
quantidade opostas
(c) Proposições universais de ( ) subalternas

qualidades opostas

Scanned by CamScanner
UM PREL ÚDI O À LÓGICA 151

(d) Proposições particulares de (c J contrárias


qualid ades opo stas
7. Verificar por meio de exemplos e do uso d o qu adrad o da s oposi
ções que se SAP é verdadeira, entào:
(a) SO P é falsa
(b) SEP é falsa
8. Como no exercíci o anterior, verificar q ue se SI P é falsa:
(a) SOP é verdadeira
(b) SEP é verdadeira
(c) SAP é falsa
9. Como no exercício anterior, verificar q ue se SE P é verdadeira :
(a) SAP é falsa
(b) SO P é verdadeira
(c) SIP é falsa

10. Enunciar as proposições contraditórias das seguintes propo-


sições:
(a) To do caminhão é motorizado
(b) Nenhuma lambreta é roxa
11. Fornecer a proposição subalterna das seguintes proposições:
(a) Tod o filósofo é sábio
(b) Nenhum peixe é anfíbio

Inferências imediatas

As inferências imediatas são regras unárias, isto é, regras que


precisam de uma única premissa. Vamos verificar essas regras e
justificálas por meio da teoria dos conjuntos. Além disso, preci-
samos considerar a hipótese existencial abaixo, sem a qual algumas
regras não são válid as.

Hipótese existencial ou importação existencial: Consi-


deraremos que todas as classes S e P, assim como as classes co m-
plementares —fí e —iP envolvidas nas proposiç ões categó ricas, são
não vazias.

Scanned by CamScanner
152 HÉRCULES DE ARAÚJO FEITOSA E LEONARDO PAULOVICH

Su bal te rn aç ão : valem as seguintes regras SAP I SIP e SEp


SOP. K
Em diagramas temos:

O elemento x indica um termo que satisfaz as condições em


cada caso.

Exemplos: ^ ^
(a) Se "tod o peixe nad a", então "algu m peixe nada”.
(b) Se "nenhum casado é solteiro”, então "algum casado não é
solteiro”. E. O

Con ve rsão : troca do sujeito pelo predicado. Valem as seguin-


tes regras SEP b PE S e SIP b PIS.
Em diagramas, temos:

Exemplos:
(a) Se “nenhum corintiano é palmeirense”, então "nenhum

palmeirense é corintiano”.
(b) Se "algum estudante está empregado”, então "algum em-
pregado é estudante” .

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 15 3

Conversão por limitação: valem as seguintes regras SAP h


PIS e SEP h POS. Neste caso, preci samo s da hipótese existencial.

Exemplos:
(a) Se “todo viking é valente” , então “ algum valente é viking”.
Necessitamos da existência de algum viking.
(b) Se “nenhum terráqueo mora na Lu a” , então “ algum habi-
tante da Lua não é terráqueo” . Mais um a vez, precisamos da exis -
tência de um ser lunar.
Em diagramas, temos:

Contraposição: troca do sujeito pelo complemento do predi-


cado e do predicado pelo complemento do sujeito aplicadas a SAP
h nPAnS e SOP h rPOnS.

A primeira regra decorre do fato que se S ç P, então P’ ç S \ A


segunda, considerando que SP * 0 => Sn P ’ * 0 => P 'S ’ ^ 0 .

Exemplos:
(a) Se “todo matemático é cientista”, então “todo não cientista
é não matemático”.
(b) Se “algum brasileiro não gosta de futebol”, então "alguém
que não gosta de futebol não é não brasileiro", ou melhor, “alguém
que não gosta de futebol é brasileiro”.

seuObversão: permuta
complemento. Valemde as
qualidades
seguinteseregras
troca SAP
do predicado
I SEiP, pelo
SEP h
SA—P, SO P l SI J>, S IP I SC KP. ---- >

Scanned by CamScanner
154 HÉRCUL ES DE ARAÚJO FEITOSA E LEONA RDO PAUL OVIC H

Exercício:
12. Justificar as regras acima usando a teoria dos conjuntos.

Exemplos:
^a) Se “todo filósofo é cientista", então “nenhum filósofo é não
cientista” .
(b) Se “nenhum animal é imortal", então “todo animal é
mortal”.
(c) Se “alguma criança não é feliz” , então “alguma criança é
infeliz".
(d) Se “algum político é honesto” , então “algum político não é
desonesto” .

Considerando que —i—P <=> P, temos que SAP <=> SE-P, pois:
SA P => (obversão) S E—P => SA -i —P => SAP.

Exercícios:
\ 13. Usando a conversão, mostrar que: SEP <=> PES e SIP <=>
PIS.
14. Usando obversão e co ntraposição, mostrar que -SA P «
-PAS, SA-nP <=> PA-S, - iS A - iP <=> PAS, - S O P o -POS,
S O P <=> P O -S , -S O - P <=>POS, SIP <=>S O -P e SOP SI-P.
t o
15. Considerando a informação “alguns polítjcos não estão isu-
jeitos à ação d^ju stiç a” , determinar qual o valor de verdade das

seguintes proposições
t categóricas:
. 1
(a) “algu mas pesso as sujeitas à ação da just iça são políticos”;
(b) “ nenhum político está sujeito à ação da justi ça";
(c) “ alguns não políticos estão sujeitos à ação da justiça”;
(d) “algumas pessoas não sujeitas à ação da justiça são políticos".

Silogismos
Um silogismo é uma regra de inferência binária que deduz uma
proposição categórica, a conclusão, a partir de duas premissas
também categóricas. A s premissas contêm um termo comum entre
si e um termo comum co m a conclusão.

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 155

Esse termo comum às duas premissas é denominado termo mé-


dio e é indicado por M, o sujeito da conclusão é denominado termo
menore é indicado por S e o predicado da conclusão é denominado
termo maior e é indicado por P.

Exemplo:

(a) Todo animal é mortal.


Todo homem é animal.
Todo homem é mortal.
Neste exemplo, destacamos: S s homem, M = animal e P =
mortal.

Figuras
De acordo com a colocação do termo médio nas premissas, os
silogismos são divididos em figuras. São qu atro as figuras, a saber:

FIGURA 1 FIG U RA 2 FIGU RA 3 FIGUR A 4


MP PM MP PM
S M SM M S M S
SP SP S P S P

Podemos observar, segundo estas figuras, que o predicado da


conclusão ocorre na primeira premissa, o sujeito na segun da, mas a
rigor a ordem das premissas é irrelevante para o argumento. O
exemplo seguinte é um caso particu lar da F igu ra 1:
Todo animal (M) é mortal (P).
Todo homem (S) é animal (M).
Todo ho mem (S) é mortal (P).

Modos
Para cada uma das quatro figuras acima mencionadas, os silo-
gismos se dividem em modos de acordo c om, a presença das pro po-
sições categóricas A, E, I e O. O exemplo dado acima é do modo

AAA (três afirmações u niversai s). De ssa forma, po demos denotá


lo da seguinte maneira:

Scanned by CamScanner
156 HÉRCULES DE ARAÚJO FEITOSA E LEONARDO PAULOVICH

MAP MAP
SAM ou SAM
SAP SAP
Não é difícil calcularmos, pela análise combinatória, que exis-
tem 64 modos teoricamente possíveis para cada figura. Vejamos a

Figura 1: existem 4 possibilidades de escolha para a primeira pre-


miss a, mais 4 pos sib ilid ades par a a segund a premissa e 4 possibili-
dades para a conclusão. Pelo princípio multiplicativo, temos 4.4.4
= 64 possibilidades. Considerando as 4 figuras, temos portanto
256 modos. Porém, nem todos esses modos são válidos. Vejamos,
como exemplo de não val idade, o modo AIE na Figura 2:
SAM: Todo cavalo é um ser vivo.
PIM : Algu m quadrúpede é ser vivo.
SE P: Nenhu m cavalo é quadrúped e.
Podemos observar que, apesar de serem verdadeiras as premis-
sas, a conclusão é falsa e, assim, o argumento é inválido.
Considerando a hipótese existencial, existem 19 modos válidos
dentro das Figuras 1, 2, 3 e 4. Cada um desses modos válidos re-
cebeu um nome mnemônico (provavelmente dado pelo papa João
XXI) caracterizado por nomes latinos. Por exemplo, as vogais no
nome “Barbara" representam o modo AAA da Figura 1, já as vo-
gais no nome “Celarent” indicam o modo EAE, também da Fi-

gura 1, e assim por diante.

M o d o s válidos associad os a cada uma das f iguras


Os modos válidos p ara cad a figura sã o os seguintes:
FI GURA 1
Barbara MAP, SA M I SAP
Celarent MEP , SA M h SEP
Darii MAP , SIM h SIP
Ferio MEP, SIM h SOP
FIGURA 2
Cesare PEM, SA M h S EP
Camestres PAM , SE M h SEP

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 157

Festino PEM, SIM b SOP


Baroco PAM, SOM b SOP
FIGU RA 3
Darapti* MAP, M AS b S IP
Felapton* MEP, MA S b S OP
Disamis MIP, M AS b S IP
Datisi MAP, M IS b SIP
Bocardo MOP, MAS b SOP
Ferison MEP, MIS b SOP •

FIGURA 4
Bamalip* PAM, M AS b SIP (ou Bramantip)
Camenes PAM, ME S b S EP (ou Calemes)

Dimatis PIM, M AS i SIP (ou Dimaris)


Fesapo* PEM, MAS b SOP
Fresison PEM, MIS b SOP

Esses são os 19 silogismos válidos, mas se excluirmos aqueles


que necessitam da hipótese existencia l, indicados com um asteris-
co, que são Darapti, Felapton, Bamalip e Fesapo, restam, de fato,
15 silogismos categóricos válidos.

Exercícios:
16. Para cada modo válido em cada uma das figuras, dar um
exemplo em linguagem natural de silogismo válido.
17. Dar um contraexemplo em linguagem natural para cada
um dos seguintes modos inválidos:
(a) Figu ra 1 : AEA, AI A, AO A
(b) Figura 2: AAA, AIE, AO I
(c) Figura 3: AAE, 1 0 1 , E E A
18. Verificar que os seguintes modos não valem em nenhuma
das figuras: AAO, EE A, EIA, EOA, II A, IOA e OOA.
19. Identificar a figura e o modo em cada um dos argumentos
categóricos abaixo:

Scanned by CamScanner
1 58 HÉRCULES OE ARAÚJO FEITOSA E LEO NAR DO PAULOVICH

(a) Todo carro de passeio é motorizado.


To do Corsa é carro de passeio.
To do Corsa é motoriz ado.
(b) Nenhum papagaio é mamí fero.
To dos os porcos são mamíferos.
Nenhum porco é papagaio.
(c) Algumas aves comem carne.
T oda ave é voadora.
Algum voador come carne.
(d) Nenhum aluno é filósofo.
T odo filósofo é sábio.
Algum sábio não é aluno.

Formaliza ção e validad e


Dissemos quais são os modos válidos, mas não explicamos
como nem por que esses argumentos são válidos. Agora vamos
formalizar esses silogismos para tratálos segundo a teoria dos
conjuntos. Vamos justificar pelos conjuntos a validade de Barbara
e Darii e mostrar que todos os outros modos válidos são conse-
quências desses dois.
Para a Figura 1, podemos formalizar os modos válidos da se-
guinte maneira:
Barbara:
MAP: (Vx) (M(x)—»P(x))
SAM: (Vx)(S(x)>M(x))
SAP: (Vx) (S(x)>P(x))
Celarent:
MEP: (Vx) (M(x)—>- tP ( x ))
SAM: (Vx) (S(x)»M(x ))
/. SEP: •■•(Vx) (S(x )»IP(x))
Darii:
MAP: (Vx) (M(x)»P(x ))
SIM: (3 x )(S( x )a M (x ))
SIP: /. (3x) (S(x )a P( x ))

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 159

Ferio:
MEP: (Vx) (M(x )»iP(x ))
SIM: (3x) (S(x )a M ( x ))
SOP: ,\ (3x) (S( x )a - iP(x )

Exercício:

20. Escrever em lingua gem formal os silogismos válidos das


Figuras 2, 3 e 4.
Agora, usando os conjuntos, justificaremos a validade de Bar-
bara e Darii:
Barbara: MAP : (Vx) (M(x)>P(x))
SAM: (Vx) (S(x)>M (x)).
SAP: /. (Vx) (S(x)—»P(x))

É impossível que qualquer indivíduo seja S mas nãoP.


Darii: MAP: (Vx)(M(x)>P(x))
SIM: (3x) (S(x )a M ( x ))
SIP: (3x) (S( x )a P( x ))

Se algum indivíduo está em S e M, certamente está em P.

Scanned by CamScanner
160 HÉRCULES DE ARAÚ JO FEITOSA E LEON ARD O PAULOVICH

Então,dedut ivamcntc, a partir de Barbarac Fcrii, obtemos to.


dos os outros modos válidos,inclusive osdas outr as figuras.
Iniciamos deduzi ndo Cel arent de Barba ra c Ferio de Darij
Consi derandoas prem issas dos dos mo que pret endemos ve rificar
e usando as n i ferênci
as imediat as, áj justificadas, bemcomo o$
modos Barbara Darii,
c obtemoso result ado.
(i) BarbaraF- Celarent
l.MEP premissa de Celarent
2.SAM p. de Celarent
3. MAnP obversão em 1
4. SAnP Barb ara em 2 e 3
5. SEP obversão em 4

(ii) Darii F Ferio


l.MEP p. de Ferio
2. SIM p. de Ferio
3. M A —iP obversão em 1
4. S I P Dar ii em 2 e 3 .
5. SOP obversão em 4
Co m isso, validamos os quatro modos da Figura

Para a Figur a 2, as deduções são a s seg uintes:


(i) Celar ent F Ce sar e
l.PEM p. de Cesare
2.SAM p. de Cesare
3.MEP conversã o em 1
4.SEP Celarentem2e3

(ii) Cesare F Camestres


l.PAM p. de Camestres
2. SEM p. de Camestres
3.PEnM obversãoem1
4. SA .M obversão em 2
4. SE P Cesare em 2 e 3
Desde que Celarent foi deduzido de Barbara, todos esses mo-
dos d a Figu ra 2 tamb ém são conseqüências de Ba rbara.

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 161

Exercício:
21. Deduzir:
(a) Ferio h- Festino
(b) Festino F Baroco
Para a Figura 3, temos o seguinte:

(i) Darii
l.MAPF Darapti p. de Darapti
2. MA S p. de Darapti
3. SIM conversão por limitação em 2
4. SIP Darii em 2 e 3
(ii) Darapti 1- Felapton
l.MEP p. de Felapton
2. MA S p. de Felapton
3.MA-nP obversão em 1

4.SI-JP Darapti em 2 e 3
5. SO—i—lP r obversão em 4
- 6.SO P DN em 5

Exercícios:
22. Dedu zir:
(a) Darii F Disamis
(b) Disam is I- Bocardo
(c) Darii F Datisi

(d)
// Datisi I- Ferison
'Para a Fi gu ra 4, temo s o seguint e:
(i) Disam is F Bamalip
1. PA M p . de Bamalip
2. M A S p. de Bamalip
3 .M IP ' conversão por limitação em 1
4. SIP Disa m is em 2 e 3

(ii) Camestres F Gamenes


1. P A M p. de Camenes
2. M E S p. de Camenes

Scanned by CamScanner
162 HÉRCUL ES DE ARAÚJO F EíTOS A E LEON ARDO PAULOVICH

3. SE M conversã o em 2
4. SEP Camestres em 1 e 3

Exercido:

23 . Verificar a vaJidade dos outros modos da Figura 4

Scanned by CamScann er
6
I nt r o duzi ndo o cálculo

DE PREDI CADO S

Neste capítulo introduziremos o cálculo de predicados de pri-


meira ordem, ou lógica de primeira ordem, denotado porX * , que
estende o cálculo proposicional X e trata formalmente os desen-
volvimentos semiformais das teorias quantificadas introduzidos
no capítulo anterior. Além disto, X * caracteriza ambientes apro-
priados para a construção e discussão de uma grande quantidade
de teorias matemáticas relevantes que não podem ser abordadas
nos outros segmentos.

Sintaxe

Os desenvolvimentos sintáticos de X * , apesar de semelhantes,


são bem mais gerais do que os de X.
O alfabeto de X * é o seguinte:
1. uma quantidade enumerável de variáveis: v1( v2, v n, ...
2. conectivos lógicos: —i e —»
3. quantificador universal: V
4. símbolos auxiliares:) e (
5. relação binária de igualdade: =
A seguir, para I, J e K subconjun tos de N * temos:
6. símbolos relacionais {R.}i6I, junto com uma função
T 0:1  » N *, que caracteriza, para cada i € I, a aridade T 0(i) de R,

Scanned by CamScanner
164 HÉRCULES DE ARAÚJO FEITOSA E LEO NAR DO PAULOV1CH

7. símbolo s funcio nais {Ç }^ , junto com uma função


T,: J —>N *. que caracteriz a, p ara cada j e J, a aridadc T,(j) de fj
8. constantes individuais {ak}keR.

Os símbolos de (1) até (5) são os símbolos lógicos presentes a


todas as teorias. Já os símbolos não lógicos de (6) até (8) são parti-
culares para cada teoria tratada. O s símbolos de uma teoria podem

não ocorrer em outra.


Denominamos termos de X * as seguintes concatenações de
símbolos:
(i) todas a s variáveis e c onstante s individuai s são termos;
(ii) quando fj é um símbolo funcional de aridade T,(j) = n e t„
.... tnsão termos, então f(t,,..., tn) também é um termo;
(iii) os termos são gerados exclusivamente pelas regras (i) e (ii).

A s fórmu las atômicas são definidas por:


(i) se t, e t2são termos, então t, = t2é uma fórmula atômica de-
nominada igualdade;
(ii) se Rj é um símbolo relacionai com aridade T 0(j) = n e t,,....
tnsão termos, então R,(tl t ..., tn) é um a fórm ula atômica;
(iii) as fórmulas atômicas são geradas exclusivamente pelas re-
gras (i) e (ii).

As fórmulas de X * são definida s por:


(i) toda fórmula atômica é uma fórmula de X *\
(ii) se A e B são fórmu las, então (—A ) e (A » B ) são fórmulas;
(iii) se A é um a fórm ula e x é um a variável, então ((Vx)A) é
uma fórmula;
(iv) as fó rmulas de X * são gera das exclusivamente p elas regras
(i) e (iii)

Em nossa meta lingu agem , den otamos as variáveis por x, y e z,


os termos por t e u e as fórmulas por letras latinas maiusculas ini-
ciais A, B, C , ... todos com ou sem subí ndices.
O s símbol os A,vef) são definidos da mesma maneira que em
X. As convenções para eliminação de parênteses são aqui aplicá-
veis. Assi m, pa ra os símb olos relacionais R, e R^ com T 0(l) = 1 e
T 0(2) = 2, escreveremos:

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 16 5

(Vx)R,(x) > R2(x , y) em vez de (((Vx)R,(x)) » R^x, y))


(Vx )R,( x )a (R 2(x , y)vR,(x)) em vez de (((V x )R,( x ))a (R 2(x 1y)v
R,(x))).
O quantificador existencial édefinido da seguinte maneira:

(BxJA^Vx^A.
Ocorrência livre e ligada de uma variável: Se A é uma
fórmula atômica e x ocorre em A, então dizemos que x ocorre livre
em A. Se x ocorre livre em A e x * y, então x ocorre livreem
(Vy)A. Se x ocorre livre em A, então x ocorre livreem  A , A —>B e
B —»A. Se x não ocorre livre em A, então dizemos que x ocorre
ligada em A. Quando escrevemos (V y)A dizemos que A está no
escopodo quantificador (Vy).

Uma variável x pode ocorrer livre e ligada em uma mesma fór-


mula. Consideremos os símbolos relacionais Rj e í^ com T 0(l) = 2 e
T 0(2) = 1. Assim em R,(x, y) a ocorrência de x é livre. Em R,(x,
y)—^V xX R^x)), a primeira ocorrência de x é livre, a segunda é
ligada e em (VxXíVxXR^x))—»R,(x, y)) as duas ocorrências de x
são ligadas. Se x e stá livre em A, então x ocorre ligada em (Vx)A.
Quando desejamos destacar que x„ x^ ... , x„ são variáveis li-
vres de A, indicamos por A(Xj, x^ ... , xn). Isto não significa que
não possam existir outras variáveis liv res em A. Com isso, de ma-
neira semelhante a X , se desejamos substituir todas as ocorrências
das variáveis livres x,, .. ., x„ pelos termos t„ .. ., tnem A, escreve-
mos A( tl f ... , tn).
Seja A uma fórmula e t um ter mo de £ * . Então t é livre para x
em A se nenhuma ocorrência livre de x em A está no escopo de
qualquer quantificad or (Vy) quando y é uma variável de t. *

Exemplos:
(a) O termo y é livre para x em R,(x), mas y não é livre para x
em (Vy)R,(x).
(b) Sej am T ,(2 ) = 2, T 0(l) = 1 e T 0(2) = 2. O termo f2(x, z) é li-
vre para x em (Vy)f2(x, y) —» R,(x). mas não é livre em

Scanned by CamScanner
1 66 HÉRCULES DE ARAÚJO FEITOSA E LEON ARD O PAULOVICH

(BzXVyXR^x, y ^ R jM ), pois z é uma variável de f2(x, z) e ocorre


no escopo do quantificador (3z) e, portanto, (Vz).
Uma sentença éuma fórmula sem variáveis livres.
Em £ * são as sentenças que serão interpretadas como verda-
deiras ou falsas.

Exemplo:

Uma fórmula A que diga "x é um número inteiro par" é uma


fórmula aberta e não tem sentido dizer que A seja verdadeira ou
falsa. Se substituirmos a variável x por uma constante, digamos 7,
temos uma sentença falsa. No entanto, se a constante é 6, então a
sentença é verdadeira. Se quantificarmos a variável x como em:
“todo x é par” ou “existe algum x que é par” , então podemos dizer
que a expressão é verdadeira ou falsa.
Se A, B e C são fórmulas quaisquer, então são axiomas esque-
mas de £ * :
(i) Axiomas proposicionais:
ÁXj: (A»(B»A))
Ax 2: ((A-»(B-> C)) -> ((A-> B)->(A ->C )
Ax 3: A ) > ((i B>A) > B))
(ii) Axiomas quantificacionais:
A x 4: (Vx)(A>B) > (A—>(Vx)B), x não ocorre livre emA

A x 5 : (Vx)(A ^B), B = A (x/t), isto é, B é obtida de A pela


substituição de toda ocorrência livre de x em A por um termo t
livre para x.
(iii) Axiomas da igualdade:
A x 6(Vx )(x = x)
A x 7x = y —> (A(x, x)>A(x, y)), onde A(x, y) vem de A(x, x)
pela substituição de algumas, mas não necessariamente todas,
ocorrências livres de x por y e tal que y é livre para as ocorrências
de x as quais y substitui.
Para A e B fórmulas quaisquer de £ * , as regras de inferência
são:

Scanned by CamScanner
UM PRELÚ DIO À LÓGICA 167

MP A, A —>B H B
Gen A H (Vx)A
Os conceitos de dedução, demonstração, teorema, consistência
e inconsistência coincidem com os de £ . Muitos dos resultados
metateóricos do cálculo proposicional clássico £ continuam váli-

dos em £ * .
Vejamos alguns exemplos de dedução em £ * .
(a) A , (V x) A —»B I (V x)B
1. A P
2. (V x)A »B P
3. ( Vx )A Gen em 1
4. B M P em 2 e 3
5. (Vx)B Gen em 4

(b) h (Vx )(A—>B) ((Vx )A > (Vx)(B ))


1. (Vx )(A > B ) > (A  > (Vx)(B )) Ax, (se x não ocorre livre em A)
2. A —>((V x) (A » B )—» (Vx )(B)) Permuta de premissa s em 1
3. (Vx )A» A Axs
4. (Vx)A ► ((V x)(A »B )> (Vx)(B) ) SH em 2 e 3
5. (V x)(A —>B) ((V x)A —>(Vx)(B )) Permuta de prem issas em 4

Exercício:
1. Mostrar que:
(a) l (VxXA>B) > (0 x )A > (3x) (B))
a
(b)fI(3x
(c) (Vx)(AvB) x )A v (3(x)(B))
XA a B)o <>(0((Vx)A Vx)(B))

Dada a generalidade do cálculo £ * , muitos resultados obtidos


em £ têm uma versão mais sofisticada no cálculo de predicados.
Verificaremos uma versão em primeira ordem do Teorema da
Dedução.

Seja r um conjunto de fórmulas tal que A e T e C I( C 2, .... C né


uma dedução de C na partir de T, com a sua respectiva justificati-

va. Uma fórmula G, (1 ^ i ^ n) depende de A se:


(i) Q = A e a justificativa para Q ocorrer na dedução C ,, .... C n
é que G, e T.

Scanned by CamScanner
168 HÉRC ULES DE ARAÚJO FEITOSA E LEON ARD O PA ULO VICH

(ii) a oco rrênc ia de C, na de du ção é just ific ad a como con.se


qüên cia de fórm ulas a nterio res C , e C k(j, k < i), por meio das re-
gras de dedução , de m aneira qu e pelo m enos uma da s fórmulas C
ou Q dep en da de A.

P ro p o siç ão 6.1: Se B não depende de A em uma dedução T, A


H B (com a res pect iva jus tif icati va), ent ão T h B . ■

Pro po sição 6. 2: (Teorema da Dedução ) Seja T, A f B uma de-


dução em que x é uma variável livre de A. Se na dedução de B a
partir de I \ j { A } a regra de gen eraliza ção ( Vx) C; não é aplicada em
nenhuma fórmula C, que depende de A , então T H A —>B. ■

C o ro lá ri o 6.3: Se um a dedu ção T, A I B não envolve quanti-


ficações sobre variávei s livr es de A, então T I A —»B. ■

C o ro lá rio 6.4: Se A é uma sent ença e T, A H B , então F H


A>B. ■

A demonstração das Proposições 6.1 e 6.2, embora similares às


do cálculo proposicio nal, requerem algum cuidado co m as fórmu-
las quantificadas.

Exemplo:
(a) Vejamos que I (VxVy)A <>(VyVx)A:

Verificar emos apenas um lado: t (V xVy)A (VyVx)A.


1. (VxV y)A P
2. (VxV y)A —» (Vy )A A xs
3 (Vy)A M P em 1 e 2
4. (V y)A —» A A x5
5. A M P em 3 e 4
6. (Vx )A Gen em 5
7. (VyVx)A Gen em 6
8. (VxV y)A  > (Vy Vx)A T D de 1 7
A recí proca é análoga.

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 169

Exercício:

2. Verificar que:
(a) h (3x3y)A «» (3y3x)A
(b) l A » (Vx) A, se x não ocorre livre em A
(c) b (3x)A —>A, se x não ocorre livre em A
(d) b A(t, t)  » (3x)A( t, x)
Como um último e importante resultado sintático, verificare-
mos que X * é um sistema consistente. Para a obtenção desse re-
sultado, utilizaremos um dispositivo bastante comum em lógica,
que é a definição de uma função de um sistema em outro, pela qual
obteremos a consistência relativa de um sistema segundo o outro.
Seja X * o cálculo de predicados e X um cálculo proposicional
associado, cujas fórmulas atômicas sejam dadas por {RJ^,, ou
seja, vamos entender os símbolos relacionais como as fórmulas

atômicas função esquecimentoh: X * —> X que


para cada de X. Definimos
fórmula A de X * aatribui uma fórmula de X esquecendo
(apagando) todos os termos quantificados e os parênteses corres-
pondentes.
Por exemplo, h((Vx1XRj(fi(x„ a,), y) > (3x2)(R,(x2, x3, x,))) =

Com isso temos o seguinte:


h( A) = ih( A)
h(A > B) = h(A)—>h(B)

h(VxA) = h(A),
e se C é um axioma de X *, então h(C) é uma tautologia de X.
Além disso, se h(A) e h(A—>B) são tautologias, então h(B) e
h(VxA) = h(A) também são tautologias. Concluindo, se C é um
teorema de X *, então h(C ) é uma tautologia de X.

T eo re m a 6 .5 :0 cálculo de predicados X * é consistente.

Demonstração: Suponhamos que X * seja inconsistente. Então


existe alguma fórmula A tal q ue b * * A a - A . Pela função h segue
que Ii (A a -t A) = h(A)Aih(A) é uma tautologia de X, o que cer-
tamente é uma contradição. ■

Scanned by CamScanner
17 0 HÉRCULES DE ARAÚ JO FEITOSA E LE ONA RDO PAULOVICM

Exercício:

3. Seja Z um conjunto de fórmulas de X *. Mostrar que I é curi


sistentc see todo subconjunto finito de Z c consistente.

Teorema 6.6: ( Teorema de Lindembaum ) Todo conjunto con-


sistente T de sentenças de X * está contido em um conjunto de

sentenças consistente maximal F*.


Demonstração: A demonstração é a mesma do cálculo proposi
cional. ■

Agora estamos prontos para estender os cálculos lógicos para


sistemas mais gerais, nos quais podemos analisar e discutir as teo-
rias matemáticas.

Uma teoria de primeira ordemou teoria de X * é um conjunto T


consistente de sentenças de X *. Um a teoria T é fechada se, sempre
que b T A, então A g T , ou seja, T contém todas as suas conse-
quências. Denotaremos o conjunto das sentenças de T por
Sent(T). A teoria T é completa se {A E Sent(T) / b T A} é maxi-
mal e consistente.
A teoria T ’ é uma subteoria de T se T ’ ç T . Neste caso, tam-
bém dizem os que T é um a extensão de T \ Um conjunto de axio
mas Z para T é um conjunto de sentenças de X * com as mesmas
conseqüências de T . A teoria T éfinitamente axiomatizávelse T
tem u m conjunto finito de axio mas não lógicos.
Podemos observar que T é sempre um conjunto de axiomas
para T . O conjunto vazio 0 é um conjunto de axiomas para os
teoremas de X *.
Agora, para algumas importantes teorias matemáticas vamos
apresentar formalmente as respectivas teorias de primeira ordem.
Como algumas dessas teorias advêm de teorias anteriores pelo
acréscimo de novos axiomas, vamos indicar este acréscimo pelo
símbolo +.
(a) Teo ria da s ordens parc iais:
Seja X * com um símbo lo relacionai binário Os axiomas se-
guintes determ inam a teoria :

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 171

OP, (Vx) (X ^ X)
OP2(VxVy) ((x £ y a y ^ x)*(x = y))
0 P 3(VxVyVz) ((x ^ y a y ^ z)>(x ^ z))

(b) Teoria das ordens lineares ou totais:


Mesma linguagem da teoria de ordem parcial, com:

OP,  OP3+
OL4 (VxVy)(x ^ y v y ^ x ) .

(c) Teoria das ordens lineares densas:


Mesma linguagem, com:
OP, —OP3 + O L 4+
O LD s (VxVy) ((x £ y a x * y)  » (3z)(x ^Z AZ ^y AX ^Z AZ
*y))
(d) Teoria das ordens lineares densas não limitadas:

OP,
OLD I6
OP3 + O L4+ O LD
(Vx3y)(x ^ y 5+
a y * x)
OLD I7 (Vx3y)(y ^X Ay ^x )

(e) Teoria das relações de equivalência:


Seja X * com um símbolo relacionai binário ~ e os axiomas:
E Q (Vx) (x ~ x)
E Q (VxVy) ((x ~ y)—Xy ~ x))
EQ, (VxVyVz) ((x ~ y a y ~ z)» (x ~ z))

(f) Teoria dos grupos:


Seja X * com uma constante, uma operação binária e os
axiomas:
G, (VxVyVz)((x * y) * z) = (x * (y * z))
G2 (Vx )(x *0 = x a 0 * x = x )
G, (VxByXx * y = 0Ay*x = 0)

Exercícios:

4. Indicar a teoria dos grupos abelianos ou comutativos.


5. Indicar a teoria dos anéis.
6. Estender a teoria dos anéis para a teoria dos anéis comutati-
vos com unidade.

Scanned by CamScanner
1 72 HÉRCULES DE ARAÚJO FEITOSA E LEON ARD O PAULOVICH

(g) Teoria dos domínios de integridade:


Seja (D, + , , , 0, 1) um anel comutativo com unidade +
D9(VxVy)((x.y = 0)  » (x = 0 v y = 0))

(h) Teoria dos corpos:


Seja (K, , 0, 1) um domínio de integridade +

C 10(Vx)((x * 0) > (3y)(x.y = 1))


Cn0*l

7. Indicar a teoria dos corpos ordenados completos tal como (R,


*,+,.,0,1).
8. Indicar as teorias dos reticulados, reticulados distributivos,
reticulados complementados e álgebras de Boole,
Finalmente, introduziremos uma última e importante teoria de
primeira ordem.
(i) Teoria dos números ou aritmética Ar:
Consideramos X * com uma constante 0, duas operações biná-
rias + ,. e uma operação unária s, com os axiomas:
A,(Vx)(s(x)*0)
A2(VxVy)(s(x) = s(y) > x = y)
A3(Vx)(x + 0 = x )
A4(VxVy)(x + s(y) = s(x + y))
A5(Vx )(x .O= 0)

A* (VxVy)(x.s(y) = (x.y) + x)
A7(esquema de axiomas para cada A)
Xq não ocorre ligada.Então:
Seja A(x0, xp .... xn) na qual
(Vx,...Vxn)[(A(0, x| (.... x j a (VxqXAÍXo, X],.... x j
>A(s(Xo), x„ x„))) ^ A(x0, xp Xjj)].

Semântica

Nesta seção, introduziremos as semânticas de primeira ordem.


Vamos deixar a mera manipulação de símbolos e criar ambientes
de trabalho sobre os quais os matemáticos usualmente desenvol-
vem os seus trabalhos. Esses ambientes são denominados estru-

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 17 3

turas matemáticas e são caracterizados particularmente por suas


constantes, relações e funções.
Dada uma linguagem de primeira ordem, uma estrutura de
primeira ordem J l para esta linguagem é determinada pela seguinte
quádrupla:
(i) um conjunto não vazio A denominado o universoou domínio
dej?;
(ii) uma família para cada i e I, em que R/* é uma rela-
ção de aridade T 0(i) definida sobre A, ou seja, T 0(i) = ne R ^ ç A";
(iii) uma família {f^ } jej, para cada j € J, em que é uma fun-
ção de aridade T,(j) definida sobre A, ou seja, T,(j) = n e
A"*A;
(iv) uma família {u ^ }keKde constantes de A.

Usamos as letras JL, (B, C,••• para indicar as estruturas e as le-


tras A, B, C, respe cti vame nte, para denotar os seus universos.
Indicamos uma estrutura JQ.por = (A, {R ,^}iGI, {f^ }jej,
kek)-
Sejam j í e $ duas estruturas para uma mesma linguagem. A
estrutura y? é uma subestruturade (8 ou <B é uma
extensãodey? se:
(i) AçB;
(ii) R ^ a , ......an) see R ^ a , ....... an), para todos au ..., ane A e
todo i e I.

(iii) f]\av ..., an) see f^a,, ..., a j, para todosa„ .... ans A e
todo j € J.
(iv) a £ = av<s, para todoa^e A.

Sejam y? e (B duas estruturas para uma mesma linguagem e h:


A—>B uma função. A função h é um homomorfismo de y? em (8 se
valem as seguintes condições:
(i) se R ^ V ,,.... an), então R j^ h ía ,) ,..., h(un)), para todos au ....
ane Aetodoie I.
(ii) se ff(au .. ., a j = a, então f^ h (a ,) ,..., h(uj) = í(a), para to-
dos av .... ang A e todo j e J.
(iii) {(af) = a^, para todo ^ e A .

Scanned by CamScanner
17 4 HÉRCULES DE ARAÚJ O FEITOSA E LEO NARD O PAULOVICH

Seja X * uma linguagem de primeira ordem c = {A, {R^}


uma estrutura de primeira ordem correspon
dente. Uma interpretação Ç de X * em ^ é uma função tal que:

iWUMVh.i
m = w

{ d Jke K~* í^ lk e K
ÇK)=^
A função Ç leva elementos simplesmente sintáticos ou formais
em elementos de um mundo um pouco mais concreto nos quais
damos vida ou interpretamos os entes sintáticos ou simbólicos.
Dada a teoria dos anéis, podemos interpretála, por exemplo,
no anel dos inteiros dado por Z = (Z, , 0,1), em que o domínio
é o conjunto dos números inteiros, a adição e a multiplicaçãosão as
usuais operações sobre os números inteiros e as constantes 0 e 1
são interpretadas no 0 e 1 dos números inteiros. Este não é o único
modelo de tal teoria, apenas uma instância da teoria.
Sempre que não existir dúvidas, usaremos apenas os símbolos
R,, fj e a^.
Agora queremos considerar uma fórmula de certa teoria e saber
quando essa fórmula pode ser validada em uma estrutura. Fazen-
do um paralelo com o cálculo proposicional, gostaríamos de saber
quando a fórmula é verdadeira ou quando ela é válida.
Uma vez que no cálculo de predicados temos também a figura
dos termos, precisamos entendêlos dentro das estruturas se-
mânticas.

Sejam au ..., une y? e consideremos que o conjunto das variá-


veis livres e ligadas de um termo t(v,,..., v j esteja contida em {v,,
.... vn) . O valor do termot em av ..., ané:
(i) set = Vj, então t(a„ .... an) = a *\

(ii) se t = Ofc, então (au


t .... a j = a / 1;
(iii) se t = íftv .... t j , então t(a, ......an) = ^ ( t ^ , ..., an) , ....
•"» ^n))‘

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 17 5

Seja A uma fórmula cujo conjunto de variáveis livres e ligadas


esteja contido em { v , , v n} e a, .....an € A- A estrutura A satis■
fa z a fórmula A se vale o seguinte:

(Caso 1) A fórmula A é atômica:


(i) se A = t, = t2, entãoa v .... a n satisfaz A em A se t,(a ...... an)

—t2( a , , d n)
(ii) se A = Ri(tlt .... tk), T 0(i) = k e t,(v,.....vn), entãoa v ..., an
satisfaz Aem y?

.......

Denotamos a relação de satisfação, neste caso, por:


A l= (t, = tjXaj ..... an) see t,(a1f.... an) = 12(au ..., an)
A ^ ...... ^k)(^l» *•*> ^n) SCC R í^W ^I» Un), •••» U„))

(Caso 2)
(i) A = —iB:
A 1= A (a „ ..., an) see A tf=B(a„ ..., an)
(ii) A = B —»C:
A *= A(a, ..... an) see J ? ^ B (a „ ..., aa) ou A (= C (a u ..., a j

(Caso 3)
(i)As(VVjJB,Ui£n:
A \= A(a„ ..., an) see, para todoa 6 A,
A^ B ( f l j , &; j dn)

Com essa definição, sabemos quando uma fórmula de uma lin-


guagemde primeira ordem ésatisfeita em dada estrutura.

A fórmula A (v „ ... , vn) é satisfativel quando existem uma es-


truturaA e fai, an) e Antal que A *= A (a t .....a n). Neste caso,
dizemos queA é um modelopara A(v1 ( vn).
A fórmula A(vt, ..., vn) é válida quando, quaisquer que sejam a
estrutura J? e (at, ..., an) e A", temos que A >= A(a, .....a j .
Um modelo para uma teoria de primeira ordem é uma estru-
tura de primeira ordem na qual todos os teoremas da teoria são
satisfatíveis.

Scanned by CamScanner
176 HÉRCULES DE ARAÚJO FEITOSA E L EON ARD O PAULOVICH

Por exemplo, as tautologias proposicionais são fórmulas váli-


das. Consideremos A = B v —B , em toda es trutura de primeira
ordem a fórmula A é satisfatível, logo A é uma fórm ula válida.

Exercícios:

9. Determinar em Z os valores que fazem das expressões abaixo


sentenças válidas. Indicar este conjunto por S, de solução, ou V, de
verdade:
(a) x2= 25 (b) x2= 4 (c) x34x = 0
(d)x /27 (e) |2x l| = 5 ( f ) 3 < x < 11

10. Dado o conjunto A = {1, 3, 4, 7, 9,11}, determinar o con-


junto solução de:
(a) x+1 e A (b) x+ 3 é par (c) x23x+2 = 0
(d) x2< 25 (e) |2x5| < 5
11. No conjunto R, determinar o valor lógico 0 ou 1 de cada
uma das sentenças seguintes:
(a) (Vx 6 R)( | x | = x) (b) (3x e R)(x2= x)
(c) (3x e R)( |x | = 0) (d) (3x € R)(x +2 = x)
(e) (Vx € R)(x+1 > x) (f) (Vx e R)(x2= x)
12. Escrever a negação das seguintes sentenças:
(a) (Vx e R )( { x + l) > x) (b) (3x e Z)(x 2+ 2 x =15)
(c) (3x g R)( | x | 3 = 0) (d) >(Vx g R)(x +1 ^ x)
13. Dar a negação de cada uma das seguintes proposições:
(a) (Vx)(3y)( A(x)vB (y)) (b) (3x)(Vy)(A(x)vnB(y))
(c) (3y )(3x) (A(x )A B(y )) (d) (Vx)(3y)( A(x, y)>B(y))
(e) (3x)(Vy)(A( x, y) »B(x, y))

Teorem
a daadequação de <£*
O teorema da completude do cálculo de predicados, embora
tenha alguma semelhança com o respectivo teorema do cálculo
proposicional, tem uma demonstração bem mais sofisticada.

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 17 7

Teorema 6.7: ( Correção) Seja A uma sentença de X *. Sc A é


um teorema, então A é uma sentença válida. ■

Exercício:

13. Demonstrar o Teorema da Correção. (Sugestão: como no


caso proposicional, verificar que os axiomas são sentenças válidas e
as regras de dedução levam sentenças válidas em sentenças válidas.)
Seja A um conjunto de sentenças e C um conjunto de constan-
tes de X *. O conjunto C é um conjunto de testemunhaspara A em
X * se para cada fórmula A(x), com no máximo uma variável livre,
temos que A h (Bx)A(x) —» A(c). O conjunto A tem testemunhas
em X * quando existe um conjunto de testemunhas C para A em
X *.
Os resultados seguintes vão além do Teorem a de Lindembaum

ecálculo
caracterizam uma versão do Teorema da Completude para o
de predicados.

Lem a 6.8: Seja X um conjunto consistente de sentenças de X * e


C um conjunto de novas constantes (constantes distintas daquelas
de X *) de modo que | C | = | L | . Consideremos agora a linguagem
L* que estende a linguagem L pelo acréscimo das constantesde C.
Então, X pode ser estendido a um conjunto X* consistente deX**,
de maneira que C é um conjunto de testemunhas para X* emX**.

Demonstração:Seja |L| = a. Para cada < a , seja cp um sím-


bolo que não ocorre em L. Assim, seja C = {cp / (3 < a} e L* a
linguagem de primeira ordem obtida de L pelo acréscimo de C
como novas constantes. Com isto, IL # | = a .
Agora, podemos ordenar as fórmulas de X * com no máximo
uma variável livre numa lista: A^x) / p < a.
Indutivamente, definimos uma lista crescente de conjuntos de
sentenças deX *n:
Xyj ç Xj ç ... c X jiÇ ..., para p < a,
e um conjunto {K ^}K<a de constantes de C da seguinte maneira:

Scanned by CamScanner
17 8 HÉRCULES DE ARAÚJO FEITOSA E LEONARD O PAULOVICH

(i) Io = £
(ii) Se p é um ordinal sucessor, isto é, p = p+1, então Zp =
IpU{(3xp)Ap(Xp) > Ap(kp)}, em que kp é a menor constante de C
que não ocorre em nenhuma sentença de Zp, Xp é a variável livre de
Ap(xp), se Ap(xp) tem variável livre; e XpXéq, se Ap(xp) não tem
variável livre.
Observação: Considerando que Zp esteja definido, temos que
o número de sentenças de Zp, que não são sentenças de L, é menor
que a e, além disso, cada sentença contém no máximo um número
finito de constantes, logo, existem constantes de C que não ocor-
rem em Zp.
(iii) Se p é um ordinal limite, então Zp = u p4XZp.

(Iopasso) Verifiquemos que Zp é consistente para todo p < a.


(i) Se p = 0, desde que Zé consistente, também Zq é consistente.
(ii) Seja p um ordinal sucessor, Zp = ZpU{(3xp)Ap(Xp) »
Ap(kp)} e Zp consistente. Suponhamos que Zp seja inconsistente.
Assim:
1. Zp 1— i[(3xp)Ap(xp)  » Ap(kp)] Zp inconsistente
2. Zp I (3xp)Ap(xp) iAp(kp)
a Transformação tautológica
3. Zp h (Vxp)[(3xp)Ap(xp)a iAp(kp)] Gen, pois kp não ocorre
emZp
4. Zp h (3xp)Ap(xp)a (Vxp)iAp(kp) Distribuição do V
5. Zp 1 (3xp)Ap(Xp) a i(3xp)Ap(kp) Definição do 3
Mas isso gerou uma contradição em Zp.
(iii) Seja p um ordinal limite e suponhamos que Zp seja incon-
sistente.
Assim, Zp h B a -B. Contudo, a quantidade de fórmulas que
ocorre numa dedução de B a —B a partir de Zp é finita e, portanto,
para algum p < p, todas essas fórmulas ocorrem em Zp. Daí, Zp\~
B a -B, o que indica ser Zp inconsistente, uma contradição.
Portanto, Zpé consistente.
(2apasso) Apresentar o conjunto Z*.

Z# Seja Z* = Up^Zp.
é consistente, Z çO Z*
caráter
e, porfinito das deduções
construção, nos conjunto
C é um garante que
de
testemunhas para 2?. ■

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 179

Le m a 6.9: Sej a Z um conj unto co nsistente de senten ças de X *


e C um conjunto de testemunhas para £ em X *. Então, Z tem um
modelo no qual todo elemento do domínio A é a interpretação
de uma constante de C.

Demonstração:Se C é um conjunto de testemunhas para Z em

X * e Z c if*, então C é ainda um conju nto de testemunhas para Z .


E também se Z ç Z* e J4. Z*, então ^ t = Z , Assi m, na visão do
Teorema de Lindembaum, podemos considerar Z consistente
maximal.
Agora vamos definir a seguinte relação de equivalência sobre o
conjuntoC. Parac, d € C t em o sc ~ d se eZ h c z d.
Considerando a linguage m de X *, definimos a segu inte es-
trutura de primeira ordem - (A, { R /% ,, { ^ } j£J) (a ^ } k€K) tal
que J ? t= Z.
(i) A = {[c] / c e C } e [c] = {d G C / c ~ d}
(ii) para i € I e T 0(i) = r, temos que:
R A [cJ , [cj) see R,(clf .... cr) G Zsee Z h R , ( c , , c r).
(iii) para j g ] e T,(j) = r, temos que:
fjAK I. [cj) = [c j see í-{cv ..., cr) = csG Z
see Z h fj(Cp cr) cg.
(iv) para cada c G C, cx9 = [c].

Precisamos verificar que as condições (ii)  (iv) estão bem de fi-


nidas.
(ii) Rj* ([ cj, [c j) não depende dos representantes cx......cr,
pois por sucessivas aplicações dos axioma s da igualdade temos:
h (R ,( c ,, c r) a (c, = d,) a ... a (cr = dr)) > R i(dj,.... d r)
e, portanto:
Z h ( R f c ,.... cr) a (c, = d,) a ... a (cr = dr)) > Rj(d, .....dr).
Com isso, a relação  é uma congruência relativa aos R, (i e I),
ou seja, R ^([ c,] ,..., [cr]) está bem definida.
(iii) Tem os que I (3x)fi(c,'t ..., cr) = x e, desde que Z é maximal,
então (3x)fj(ct,...,cr) = x g Z. Agora, como C é um conjunto de

Scanned by CamScanner
1 80 HÉRCULES DE ARAÚJO FEITOSA E LEO NAR DO PAULOVICH

testemunhas para Z, existe c g C tal que Z h f(c„ .... cr) = c. Por-


tanto, fV*([cJ.....[cr]) = [c j está definida para toda rupla ([c,] .......
[cJ)eA\
Resta verificar que está bem definida. Novamente, por sucessi-
vas aplicações dos axiomas d a igu aldade, temos:

P" O — ^ (^1 ~ ^i) a ... a (cr dr)) ^f j ( d j , d r) —d,


e, portanto:
ZI—(fj(Cj,..., cr
)—Csa (cj—dj)a ... a (cr dr)) ^ fj(dj,...,d()—d(.
Com isso, a relação ~ é uma congruência relativa aos f (j € J),
ou seja, fj* ([ c,] ,..., [cr]) está bem definida.
(iv) Seja d uma constante de L * (não necessariamente uma
testemunha). Então , I (3x )(x = d). C om o C é um conjunto de
testemunhas para Z, então existe c g C tal que:
Z h c=d .
A constante c pode não ser única, mas segue dos axiomas da
igualdade que a classe [c] é única.

Sendo C um conjun to de test emu nha s par a Z, dado um termo


t sem variáveis livres, existe c g C, tal que (t = c) e Z, ou seja, I
h t=c .
1. Z h ( t = t)> (3 x)(t = x) Exercício 2 (d)
2. Z h (t = t) Ax 6

3. ZI (3x)(t = x) MP em 1 e 2
4. ZI  (3x)(t = x)  » (t = c) Testemunha
5. Z h (t = c) M P em 3 e 4
Assim , p ara todo termo t existe c G C tal que [t ] = [c].

O passo seguinte é verificar, por indução sobre o conjunto das


sentenças, que J 4 Z , ou seja, N A see A G Z.
Base: A é atômica.
• se A = t = u, então A see t = u see J l í= [cj = [cj (em
que [c j = [ t] e [c2] = [u]) see c, = G Z se et = u e Z s e e A e Z
• se A &Ri(t1, ..., tr), então 1= A see J4 . 1= R ^ ([cJ, .... [cr]) see
R í q , c T) g Z see Ri(t1, .... tr) g Z see A G Z.

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 181

Hipótese de indução: se B tem grau de complexidade menor


que o de A, então t= B see B e E.
• se A = —B , então jAt= A see JA B see B £ E see —iB e E see
A g I.
• se A s B —»C, então JA A see J? )= B —»C see ^ £ B ou jAt=
Cse eB g Lo u C e E seeB— >C e Es ee A e L
• se A s(3 x) B
{=>)JAt= A <=> t= (3x)B <=> existe [c] G A tal que fl. \= B([c]) <=>
JA t= B(c) <=> B(c) e E. Agora, como B(c) —> (3x)B(x) e E, segue
por MP que (3x) B(x) g E, ou seja, A e E .
(<=) Consideremos que (3x)B( x) e E. Co mo C é um conjunt o de
testemunhas, temos que (3x) B(x) —» B(c) e E, para a lgum c e C.
Daí, por MP, B(c ) e E e, por hipótese de in dução, JA \=B(c). Mas,
^ B ( c )= ^ B ([ c ]) = > ^ (3 x ) B . ■

Lem a 6.10: Seja E um conjun to de sente nças e C um conjunto


de constantes de X *. Se E tem u m modelo JA, em que cada ele-
mento de A é a interpretação de um a constante de C, então E pode
ser estendido a um conjunto consistente E#, para o qual C é um
conjunto de testemunhas.

Demonstração:Seja E* = {A / A é uma sentença satisfeita pela


estruturaJA} . Como JA t= E, temos que E <z E*. Por outro lado, se
E# h (3x)A, e ntão existe a e A, tal que JA N A(a) e, daí, JA
(3x)A —> A(a). Segue, então, que E# 1 (3 x)A —> A(c), em que
A(c) é a sentença obtida de A(a) pela substituição de toda ocor-
rência dea por c e a é a interpretação da c onstante c e C, Fin al-
mente, Ewé consistente pois JA\=IT. ■

Te orem a 6.1 1: (Completude estendida)Seja E um conjunto de


sentenças de X *. O conjunto E é consi stente se, e somente se, E
tem modelo.

Demonstração: (=>) Seja E consis tente. Pelo Lem a 6.8, existe


uma extensão E# de E na linguagem estendida L*, tal que E# tem
um conjunto de testemunhas C. Pelo Lem a 6.9, E tem um mo

Scanned by CamScanner
182 HÉRCULES DE ARAÚJO FEItOSA E LEONARDO PAULOV1CH

delo JA na linguagem L". Seja (B a redução de para a linguagem


L, isto é, c j i sem as constantes de C. Como as constantes de C
não ocorrem nas sentenças de Z, temos que (B fc=Z.
(<=) Consideremos que Z tenha um modelo JA. Suponhamos que Z
não seja consistente, isto é ,Zf A a —A . Logo, JA *= A a —A , o que
é uma contradição. Portanto, Z é consistente. ■

Coro lário 6.12: (Teorema da Adequação)Seja A uma sentença


de X *. Então A é um teorema see A é válida em toda estrutura de
primeira ordem JA.
Demonstração: (=>) ( Correção) Se A é um teorema, então A é
válida, o que é dado pelo Teo rem a 6.7.
(<=) (Completude de Gòdel)S eja A válida e suponhamos q ue A não
seja um teorema. Então, pelo Lema 2.14, {—A } é consistente com
X *. Daí, pelo Lema 6.11, existe JA tal que JA t=—A e, portanto, A
não é válida, gerando uma contradição. L ogo, A é um teorema. ■

Co rolário 6.13: (Compacidade) Um conjunto Z de sentenças


de X * tem modelo see todo su bconjunto finito de Z tem modelo.
Demonstração: (=>) Se Z tem modelo, então todo subconjunto
de Z tem modelo e, em pa rticular, todo subconju nto finito.
(<=) Consideremos que todo subconjunto finito de Z tenha mode-
lo. Dessa forma, cada subconjunto finito de Z é consistente e,
portanto, pelo exercício (3), Z é consistente e, pelo Teorema 6.11,
Z tem modelo. ■

À medida qu e est endem os a s teorias e as fazemos mai s sofisti-


cadas, va mos perdendo prop rieda des d os sistemas abordados. Por
exemplo, o cálculo proposicional clássico, bem como muitos ou-
tros sistemas proposicionais, são decidíveis. No entanto não temos
um método de d ecisão para o cálculo d e predicado s clássico.
O s resultad os anteriores m ostr am no s qu e temos a completude
do cálculo de pred icad os, ou seja, tod a sentença válida é ainda um

teorema para os diversos sistemas dedutivos propostos para o re

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 183

ferido cálculo. Contudo, para as teorias matemáticas em geral, os


métodos dedutivos formais não dão conta de fornecer todas as
sentenças válidas.
Consideremos, em primeira ordem, a teoria dos números ou
aritmética Ar. O modelo natural para A r é dado pelo conjunto dos
números naturais com as operações de adição e multiplicação dos

naturais e as constantes 0 e 1, ou seja,N = (N, + , ., 0,1). Todos o s


teoremas de Ar são válidos em N.
Todas aquelas propriedades referentes aos sistemas formais
poderiam, também aqui, ser avaliadas, mas como perseguimos
outros objetivos não o faremos aqui. Indicamos na bibliografia
textos que são manuais par a essa s questões.
Embora não efetuemos todos os cálculos, faremos um breve e
interessante comentário sobre A r e as pro priedades d os sistem as
formais. O sistema A r procura sintetizar todas as pro priedad es de
N e, assim, além do fato de todo teorema de A r ser satisfeito em N,
gostaríamos que toda sentença verdadeir a de N fosse demonstrável
em Ar. Resultados de Gõdel, obtidos em 1931, mostram que isso
não ocorre e, mais, não adianta acrescentarmos novos axiomas a
Ar, pois essa teoria continuará incompleta, tendo em vista que
continuarão a existir sentenças de N que não são demon stráveis e m
qualquer extensão de A r (a sentenç a não é demonstráv el, tam pou-
co a sua negação). Est e é o conhecido teorema da incompletude (ou
indemonstrabilidade) de Gõdel. Bem, se não conseguimos com-
pletar os teoremas de Ar, que é um sistema simples e que parece
subjacente a todas as teorias matemáticas, também não devemos
conseguir completar outras teorias mais sofisticadas e toda a ma-
temática como um único sistema. Infelizmente, essas teorias são
indecidíveis.
Uma conseqüência talvez mais desagradável desse resultado de
Gõdel é que não podemos dem onstrar a consistência d e A r dentro
de Ar, como fizemos com os cálculos proposicional e de predica-
dos. Não podemos, assim, demonstrar a consistência da matemá-
tica por meio desses pro cedimentos form ais. Isso não significa que

Scanned by CamScanner
18 4 HÉRCULES DE ARAÚJO FEITOSA E LEO NAR DO PAULOViCH

não possamos fazêlo por outros métodos c princípios, muito me-


nos que a matemática seja inconsistente. De qualquer maneira, são
resultados limitantes para esse tipo de trabalho de investigação
dedutiva.

Scanned by CamScanner
7
D i m ens õ es d a l óg i ca
CONTEMPORÂNEA

Neste capítulo, procuraremos elenc ar resumidam ente alg um as


das áreas da atuação da lógica em nos sos di as. Co mo são mui tas as
frentes de investigação de lógica, comentaremos algumas das mais
importantes.
A linguagem é ambiente fundamental para as reflexões desen-
volvidas na lógica, particularmente para a lógica moderna. E com-
preensível, portanto, que a primeira frente de investigação em que
a lógica tem papel importante, pelo m enos p ara interrelações, seja
alingüística. Para algumas vertentes da lingüística, especialmente
na linha de Chomsky, temos ricos trabalhos envolvendo lógica e
lingüística. Entre outros aspectos, podemos analisar as interrela-
ções entre as linguag ens a rtifici ais e naturai s.
A linguagem envolve três dimensões: a sintaxe, a sem ântica e
a pragmática. O termo “dimensões da linguagem” é usual e não
temos, para ele, uma melhor caracterização. A linguagem é o
instrumento por meio do qual as informações são transmitidas.
Para a informação se processar há a necessidade de um emissor,
um meio de transm issão e um receptor. Ima ginem os um a rtista ao
pintar um quadro. O autor cria mentalmente a composição pre-
tendida, ou atribui um significado para sua obra, então usa de
sinais, marcas sobre a tela, para capturar sua concepção imagética.

Ao se deparar com a tela, cada observador atribuilhe um signifi-


cado. A significação dada pelo autor é a semântica. Os traços de

Scanned by CamScanner
18 6 HÉRCULES DE ARAÚJO FEITOSA E LEO NAR DO PAULOVICH

tinta sobre a tela caracterizam os símbolos que possibilitam a co-


municação e definem o ambiente sintático. A atribuição de signifi-
cado do observador caracteriza a pragmática, que não necessaria-
mente condiz com a significação do autor. Para a linguagem artís-
tica, essa distância entre os significados do proponente e do re-
ceptor é formidável e esperada. Para um ambiente científico, po-
rém, seria desejável uma aproximação quase total entre o ambiente
semântico e sintático. Por isso, a lógica, como uma linguagem para
a ciência, realça apenas a semântica e a sintaxe envolvidas em seu
contexto de inferência. Tanto quanto possível, tentamos eliminar
dubiedades, variações, e ampliar o rigor, a precisão.
A área caracterizada pela investigação das estruturas semânti-
cas, ou modelos ajustáveis aos sistemas dedutivos, é a teoria dos
modelos. Em geral, tratase de ambiente matemático refinado
com ênfase em estruturas matemáticas; uma interação entre as-
pectos lógicos, algébricos e relacionais.
A teoria da prova, por outro lado, preocupase preponderan-
temente com a avaliação de deduções lógicas. Destinase a avaliar,
quando alguma dedução é possível, qual é a melhor. A ênfase en-
contrase nas regras de dedução.
A lógica discutida no Capítulo 6 é a lógica clássica de primeira
ordem, pois os quantificadores têm alcance apenas sobre variáveis
e indivíduos da estrutura correspondente. Contudo, no mundo

matemático, por vezes temos que quantificar conjuntos ou con-


juntos de conjuntos. As lógicas de ordem superior tratam desse
tipo especial de quantificação. Observemos que há uma diferença
do ponto de vista quantificacional ao dizermos  “todos os brasi-
leiros falam o português” e “todos os grupos regionais brasileiros
possuem a sua brasilidade” .
Para certos contextos, a lógica de primeira ordem não dá conta
de avaliar todas interfaces do discurso. Na frase “quase todosos
brasileiros gostam de futebol”, por exemplo, temos um quantifi
cador distinto dos usuais, que não pode ser tratado no ambiente
lógico usual de modo apropriado. As lógicas estendidas reconhe

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 18 7

cem tais impossibilidades e estendem a linguagem usual de modo


que incorpore aspectos negligenciados.
Não podemos esquecer a ênfase mais longínqua da lógica, que
é a avaliação da argumentação. A teoria da argumentação ainda
é preponderante para muitas investigações e, mais uma vez, a lógi-
ca se aproxima de outras áreas do conhecimento, como do direito,

da retórica e outras.
A teoria d a ver dad e continua a tratar da verdade. Seria possí-
vel definir verdade? Em quais circunstâncias? Quais as limitações?
Esse é um tema caro para a filosofia.
As teorias fu nd acionais, particularmente de matemática, mas
agora também da computação, caracterizam outra área funda-
mental. Essas teorias têm por objetivos responder perguntas do
tipo: "o que é tal ciência?” , “quais os seus alcances?” , “quais os
limites?”, “até onde podemos confiar?” . Para a matemática são
particularmente interessantes as teorias dos conjuntos e das cate-
gorias. Essas duas teorias ambientam meios para a construção de
toda a matemática contemporânea.
A computabilidade pode ser entendida como uma teoria da
computação. Reflete aspectos dos fundamentos da computação,
análise de algoritmos, recursividade e outros recursos lógicos.
O modelo natural para a teoria dos números seria a estrutura
determinada pelos números naturais, as constantes 0 e 1, a relação
de menor ou igual e as operações de adição e multiplicação, tal
como é estudado nos anos iniciais da formação matemática de todo
escolar. Quando os pioneiros introduziram um sistema formal
para dar conta da aritmética, imaginouse que o sistema seria tão
conveniente, que tudo aquilo que pode ser alcançado no ambiente
semântico coincidiría com o fornecido no ambiente dedutivo (sin-
tático). A análise não -standard surgiu exatamente por indicar
que o dedutivo não pode dar conta do semântico e, assim, temos
modelos distintos para teorias com muita força intuitiva. Particu-
larmente neste contexto, podemos dar significados distintos para
os épsilons e deltas do cálculo diferencial e integral e, talvez, res-
gatar algumas das intuições dos pioneiros do cálculo.

Scanned by CamScanner
188 HÉRC ULES DE ARAÚJO FEI TOSA E LEO NAR DO PAU LOV ICH

Neste livro, ao introduzirmos os sistemas lógicos, o fizemos


por meio dc sistemas axiomáticos; contudo, outros tipos de siste-
m as d ed u tiv os pode m ser reivindic ados. Podemos tr abalhar com
sistemas que contenham apenas regras (sem axiomas), podemos
tratar de sistemas com dedução indireta, entre muitas outras abor-
dagens. A análise das interrelações entre os sistemas dedutivos é

um outro campo de m uitas inquirições lógi cas .


Motivações filosóficas podem exigir mudanças cruciais nos
sistemas lógicos. Por exemplo, as teses fmitistas que não reconhe-
cem o infinito apontam em variações dos sistemas dedutivos. Na
matemática, na física e na filosofia são relevantes alg umas aborda-
gens do co n str u tiv ism o cientí fico . M uita s dessas r eflexões en-
contram eco na interação e construção de importantes sistemas
lógicos tais com o o intuicion ista e o minimal.
Podemos afirmar que a lógica clássica, em linha com a tradição
aristotélica, consiste na lógica de primeira ordem, versando sobre
os conectivos lógicos de neg ação (— ), conjunção (a ), disjunção (v),
1

cond icio nal (—>) e bi cond icional (<»), so bre os quantificadores


existencial (3) e universal (V), e sobre o predicado de igualdade
(=). Também são consideradas clássicas algumas de suas exten-
sões, como por exemplo certos sistemas de teoria dos conjuntos e
algumas lógicas de ordem superior. O cálculo proposicional clássi-
co, em certo sentido um subsistema da lógica de primeira ordem,
também é um sistema clás sico.
A partir da obra de Fr ege, esta lógica adq uiriu uma fo rma qua-
se definitiva, extensa e consistente, apresentada nos Principia ma
thematica de Whitehead e Russell (Whitehead, Russell, 1910
1913). E m seu e stad o atual, é po de rosa e en globa toda a s ilogística
aristotélica, convenientemente reformulada. A própria matemáti-
ca tradicional, so b ce rtos p onto s de vista, pod e ser reduzida à lógi-
ca (ver D ’Ottavi ano, 1992) .
A lógica clá ssica é cara cteriz ada p or algun s princípios básicos
de natureza sintática e semântica. Três deles são fundamentais e

conhecidos como leis básicas do pensamento aristotélico:

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 18 9

(i) Princípio da nãocontradição: uma sentença não pode ser


verdadeira e falsa ao mesmo tempo.
Em símbolos: —{A a — «A).
(ii) Princípio do terceiro excluído: uma sentença tem que ser ou
verdadeira ou falsa.
Em símbolos: A v A .
(iii) Princípio da identidade: todo objeto é idêntico a si mesmo.
Em símbolos: (Vx)(x = x).
Embora contenha alguns princípios característicos, a exata cir
cunscrição da lógica clássica não é tarefa simples. Por isso, a sepa-
ração entre lógica clássica e não clássica não é completamente clara
e podemos aqui considerar apenas alguns aspectos diferenciadores.
As lógic as n ão clássic as, usualmente, diferem da lógica clássi-
ca por:
(i) serem baseadas em linguagens mais ricas em poder de ex-
pressão;
(ii) serem baseadas em princípios distintos;
(iii) admitirem semânticas distintas.
Já no final do século XIX, alguns trabalhos pioneiros buscavam
soluções não aristotélicas para algumas questões lógicas. Nas pri-
meiras décadas do século XX, vários filósofos e matemáticos, mo-
tivados por questões e objetivos distintos, criaram novos sistemas
lógicos, diferentes da lógica tradicional.
Susan Haack (1974) considera duas c ategorias principais de ló-
gicas não clássicas: as que são consideradas como complementares
da clássica e as lógicas alternativas.
As do primeiro tipo não infringem os princípios básicos da ló-
gica clássica e não questionam sua validade universal, apenas am-
pliam e complementam seu escopo. Em geral, a linguagem é enri-
quecida com a introdução de novos operadores. São exemplos de
lógicas complementares as lógicas modais com os operadores mo
dais de possibilidade e necessidade, as lógicas deônticas com os
operadores deônticos: proibido, permitido, indiferente e obrigató-
rio, as lógicas do tempo com o s operadores temporais e as lógicas
de primeira ordem estendidas (lógicas moduladas).

Scanned by CamScanner
1 90 HÉRCULES DE ARAÚJO FEITOSA E LEON ARD O PAULOVICH

As lógicas alternativas foram concebidas como novas lógicas,


destinadas a substituir a lógica clássica em alguns, muitos ou todos
os domínios do saber. Estas negam princípios básicos da lógica
clássica. São exemplos de lógicas alternativas as lógicas não refle-
xivas (que não admitem o princípio da identidade), as lógicas in
tuicionistas (associadas ao construtivismo matemático), multiva

loradas (dentre as quais algumas negam o princípio do terceiro


excluído e são denominadas lógicas paracompletas) e as lógicas
paraconsistentes (relevantes no estudo de teorias inconsistentes),
que derrogam o princípio da nãocontradição.
A lógica moderna tem evoluído muito e criado uma enormida-
de de cálculos lógicos; em alguns casos, é difícil identificar o cál-
culo como complementar ou alternativo à lógica clássica.
O surgimento dessas novas lógicas deu srcem a importantes
problemas filosóficos, os quais ainda merecem ser debatidos em
profundidade.

Exercício;
1. Buscar em bibliotecas ou na internet informações sobre ou-
tras lógicas não clássicas e suas aplicações.

Este é um prelúdio à lógica, mas tentamos, nas últimas linhas,

convencer os leitores de que a peça é muito ampla, de muita beleza


e profundo rigor. Podemos dar ênfase a aspectos filosóficos, ma-
temáticos ou às aplicações. As aplicações podem ser de cunho
tecnológico ou apenas de interação com outras áreas.
A lógica é assim, uma peça em construção!

AGRADECEMOS a Deus, que está acima de tudo; aos cole-


gas do Departamento de Matemática da UNESP de Bauru, pelo
encorajamento; a U NESP pelas condições de trabalho; aos amigos
pelas motivações e sugestões; as nossas famílias pelo carinho e
paciência; e a Editora da Unesp pela dedicação e competência.

Scanned by CamScanner
r
r
A y

A pêndice
S i st e m a s f uzzy

Em 1965, o professor Loft A. Zadeh, da Universidade de


Berkeley, na Califórnia, introduziu elementos de uma teoria que,

desde aquele momento,


zzy” (Zadeh, 1987). pass ou a ser chamada de "C onjun tos Fu-
Um conjunto fuzzy é entendido como uma função de certo
domínio V, o universo de discurso, no intervalo real [0, 1]. O ar-
gumento apresentado é que esses conjuntos fuzzy permitem a
passagem da pertinência para a nãopertinência de maneira gradu-
al, em contraposição à maneira abrupta dos conjuntos usuais.
Junto com esses conjuntos fuzzy, algumas vezes denominados
subconjuntos fuzzy, pois seus elementos estão todos em V, se-
guem relações e operações entre conjuntos, numa extensão bas-
tante natural da álgebra dos conjuntos usuais. A álgebra dos con-
juntosfuzzy é apresentad a neste apêndice.
A expressão fuzzy tem sido traduzida para o português por ne-
buloso ou difuso; aqui, porém, adotaremos a expressão/uzzy.
Em meados d os anos 1970, Zadeh estendeu seus elementos te-
óricos para o que chamou lógica fuzzy (Zadeh, 1987). Embora
tentasse fazer dos conjuntos fuzzy semânticas apropriadas para
essa lógica, temos que reconhecer que esse sistema estava muito
distante daquilo que a literatura vinha indicando como lógica,

mesmo as não clássicas. Mostraremos um pouco de ssas noções na


seqüência deste apêndice.

Scanned by CamScanner
19 2 HÉR CULE S DE ARAÚJO FEITOSA E LEO NA RD O PAULOVICH

Posteriormente, muitos lógicos passaram a investigar a possi-


bilidade de uma lógica formal que tive sse os conjuntos fuzzy como
semântica adequada e de maneira natural. Nesse contexto, muitas
lógicas fuzzy têm sido propostas, por vezes, muito distintas das
intuições iniciais de Zadeh. Não vamos aprofundar essa questão,
pois existe farta literatura sobre o assunto.

Existem pelo menos três distintas frentes de trabalho com os


sistemas ou lógicas fuzzy: a álgebra dos conjuntos fuzzy e conse
qüências; a lógica fu zz y de Zadeh e seguidores; e os demais siste-
mas de lógicas fuz zy .
Introduzimos formalmente os conjuntos fuzzy e destacamos
sua álgebra. A seguir, tratamos de relações fuzzy entre conjuntos
fuzzy e, par a finalizar, c om ent am os elem entos d a lógica de Zadeh.

Conjuntos
f uz z y

Nesta seção, introduzimos os conjuntos fuzzy e a álgebra de-


terminad a por ta is conjuntos.

Conceitos iniciais

U m conjunto fuzzy \ é dado p or um a função fA: V —> [0,1],


onde o conj unto V é o universo o u domínio do conjunt o fuzzy, Af,

[0, 1] é um inter valo de núm eros reais e fAé a função de verdade


ou função de pertinência de

Com o notação, tem os: fA: V —» [0 ,1 ]


x i > fA(x).

Generalizando , pod eriam os tom ar, no lugar do intervalo [0,1],


qualquer conjunto parcialmente ordenado L. Porém, devido à
maior facilidade na interrelação com as lógicas, utilizamos o in-
tervalo unidade, cont ido no con jun to d os núm eros reais, que é um
conjunt o totalmente ordenado .

Scanned by CamScanner
UM PREL ÚDIO À LÓGICA 19 3

Seja V um conjunto qualquer. Um conjunto fuzzy A, em V é


caracterizado por uma função de pertinência fA(x), que associa a
cada elemento de V um número real no intervalo unidade e este
valor, fA(x), indica o grau de pertinência de x em Af.
Considerando que um conjunto fuzzy é determinado por uma
função e que da teoria usual de conjuntos sabemos que uma fun-
ção pode ser representada por um conjunto de pares ordenados,
podemos denotar os conjuntosfuzzy como a seguir.
Um conjunto fuzzy Af é denotado por um conjunto de pares
ordenados, onde o primeiro elemento pertence a V e o segundo
elemento indica o seu grau de pertinência em A^:
A f = {(a,H ) / f » = |le [0,1]}.
A seguir, introduzimos algumas outras definições iniciais sobre
esses conjuntos fuzzy.
Consideremos fixado um domínio ou universo V.
Dois conjuntos fuzzy Af e Bf em V são iguais se: (Vx e V) fA(x)
= fB(x), o que é denotado por Af = f Bf.
Sejam Af e Bf dois conjuntos fuzzy em V. Bf é um subconjunto
fuzzy de Af (ou Bf está contido em Af) se (Vx e V) fB(x) < fA(x). A
inclusão/uaey é indicada por Bf Q Af.
O conjunto fuzzy vazio (ou zero) é dado pela função constante
zero, isto é, 0f = 0 f = dcff0(x) = 0, (Vx e V).
O conjunto fuzzy universo (ou unidade) é dado pela função
constante um, isto é, l f = V = deffv(x) = 1, (Vx e V).
Nestes dois últimos conjuntos definidos, o zero e a unidade
coincidem, respectivamente, com os conjuntos vazio e universo de
interpretação da teoria usual de conjuntos.

Exercícios:
Seja V = {a, b, c, d, e, f,g} .
1. Mostr ar que 0 f Q V.
2. Apresentar dois conjuntos fuzzy em V tal que um não esteja
contido no outro.

Scanned by CamScanner
194 HÉRCULES DE ARAÚJO FE ITOSA E LEON ARDO PAU LOVICH

Operações entre conjuntos fuzzy

Mantemos nas definições das operações fuzzy um domínio


fixo. Esse aspecto faz os con juntos fuzzy serem, em muitos textos,
nomeados subconjuntos fuzzy, pois estão sempre vinculados ao
universo V.
A união de dois conjuntos fuzzy Af e Bf é um conjuntofuzzy
A, u f Bf,tal que, para cada x e V, o seu grau de pertinência no
conjunto união é o valor máximo entre fA(x) e fB(x). Assim, Af uf
Bf = {(x, max{fA(x), fB(x )}) / x e V}.
A intersecçãode dois conjuntos fuzzy A, e Bf é um conjunto
fuzzy Afn f Bf que atribui, para cada x e V, o valor mínimo entre
fA(x) e fB(x), ou seja, A ^ B f = {(x, min{fA(x), fB(x)}) / x 6 V}.

Exemplos:

(a) Sejam V= {x,, x2, x3, x4}, Af = {(x,, 0.1); (X2, 1); (x3, 0.8); (x4,
0) } eBf = {(Xj, 0.7); (x * 0.4); (x3, 0.9); (x4, 0.1)}. Então:
Af u (Bf = {(Xj, 0.7); ( x * 1); (x3, 0.9); (x4, 0.1)} e
A A B f = {(Xj, 0.1); (x2, 0.4); (x3, 0.8); (x4, 0)} = {(x,, 0.1); (x*
0.4); (x3, 0.8)}.

Quando a função de pertinência de x é zero, fA(x) = 0, enten-


demos que o elemento x tem grau zero de pertinência em Af e,
portanto, esse elemento não está no conjunto
fuzzy Af. Dessa for-

ma,Quando
podemosnão
omitir o par perigo
houver ordenado
de em que ocorre
confusão, esse elemento.
indicaremos o con
juntofuzzy Af apenas por A.

(b) Sejam V = {x,, x^ x3, x4, x5, x j , A = {(x„ 0.6); (xj, 0.1); (x3,
1) ; (x4, 0.7); (x5, 0.5)} e B = {(Xj, 0.2); (x^ 0.9); (x3, 0.8); (x4 , 0.7);
(xs, 0.5); (x6, 1)} temos:
A u fB = {(x,, 0.6); (Xj, 0.9); (x3, 1); (x4, 0.7); (xs, 0.5); (x6, 1)} e
A r \ B = {(x„ 0.2); (x2, 0.1); (x3, 0.8); (x4, 0.7); (x5, 0.5)}.

Agora, verificaremos duas proposições equivalentes às defini-


ções dadas acima, as quais poderíam ser formas alternativas para a
definição de união e intersecção de conjuntos/uz^y.

Scanned by CamScanner
X
UM PRELÚDIO À LÓGICA 19 5

Proposição A.1: A união de dois conjuntos fuzzy AeBéo


menor conjuntofuzzy que contém A e B.

Demonstração:Seja D um conjunto fuzzy que contém A e B.


Desse modo, (Vx e V) fD(x) > fA(x) e fD(x) > f„(x). Portanto, fD(x) >
max (fA(x), fB(x)}e, desta maneira, Au fB q D. ■

Pro po siçã o A .2: A intersecção de dois conjuntos fuzzy A e B é


o maior conjuntofuzzy que está contido em A e B.

Demonstração:Seja D um conjunto fuzzy contido em A e em B.


Então, (Vxe V) fD(x) < fA(x) e fD(x) < f„(x). Logo, (Vx g V), fD(x) <
min{fA(x), fB(x)} e, daí, D ç f Ary B. ■

Por essas duas proposições verificamos que, para dois conjun


tosfuzzy A e B dados, os conjuntos fuzzy A u fB e A r\ B assumem,
respectivamente, os valores supremose ínfimosdas funções de per-
tinênciade A e B.
Uma ilustração gráfica para a união e para a intersecção de dois
conjuntosfuzzy em V é dada abaixo.

A linha cheia indica a união A UfB e a linha tracejada indica a


intersecção A r\B .
Dado um conjunto fuzzy A no domínio V, o seu complemento
fuzzy, denotado por A’, é determinado por fA.(x) = 1 fA(x),

(VxeV).

Scanned by CamScanner
196 HÉRCULES DE ARAÚJO FEITO SA E LEONA RDO PAU LOVICH

Dados dois conjuntos fuzzy A e B no domínio V, a diferençQ


fuzzy entre A e B, denotada por A  fB, é definida por:
r
0, se fA(x) < f|,(x)
Í vbM = i
fA(x) fB(x ), se fA(x ) > f B(x )
V.

Exemplos:
(a) Considerando V = {x1( x2, x3}, A = {(x,, 0.6); (xj, 0.1); (x3>
1)} e B = {(x,, 0.9); (x^ 0.5); (x3, 0.3 )}, então:
A’ = {(xt, 0.4); (x2, 0.9); (x3, 0)} = {(x„ 0.4); (x^ 0.9)}
B’ = {(x lf 0.1); (x2, 0.5); (x3, 0.7)}
A  fB = {(x„ 0) ; (x2, 0); (x3, 0.7)} = {(x3, 0.7)}

(b) Sejam V = {x„ x2, x3}, A = {(xlf 0.7); (x 2, 0.4)} e B = {(x„


0.8); (x2, 0.2)}, então:
A* = {(x „ 0.3); (x2, 0.6); (x3, 1)}
B’ = {(x „ 0.2); (X2, 0.8); (x3, 1)}
A  fB = {(Xj, 0); (x2, 0.2); (x3, 0)} = {(xj, 0 .2)}
A teoria usual dos conjuntos é um caso particular da teoria dos
conjuntos fuzzy, quando a função pertinência coincide com a fun-
ção característica, que tem, como imagem, o conjunto {0,1}; onde
x tem valor de pertinência 1 quando x está em A, e valor de perti-
nência 0 quando x não está em A.

Exercício:
3. Sejam V = {a, b, c, d, e, f, g} e A = {(a, 0.7); (b, 0.3); (c, 1);
(d, 1); (e, 0.5); (f, 0.9), (g, 0.7)}, B = {(a, 0.2); (b, 0.5); (c, 0.3); (d,
0.7); (e, 0.5); (f, 0), (g, 0.6)} e C = {(a, 0.2); (b, 0.3); (c, 0.2); (d,
0.6); (e, 0.3); (f, 0.4), (g, 0.1)}. Determinar:
(a )A uf B (b)A B ‘ . (c)Ar \B
(d) (A OfB) f> C (e) A' (f) (A  f C)r>B
(g) (A u fC) r>B (h) (A  C) r \(B  f C) (i) (A r\ C )’

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 19 7

Álgebra do s conjuntos fuzzy

Seja L = {A / A é conjunto /uz^y com universo V} e tomemos


as definições dadas como axiomas. Daremos particular atenção à
estrutura algébrica determinada por (L, q , Uf, r\, ’).
Iniciamos com algumas notações que simplificarão o trabalho.
Indicamos:
fA(x), (Vxe V) apenas por fA,
Max {fA, f B} por fAv f Be
Min {fA, fB} porfAAfB.

Propriedade reflexiva:
A Q A, pois, certamente, (Vxe V) fA(x) < fA(x).

Propriedade anti- simétr ica:

A Q B e B Q A < = > A = fB, poisfA = fB<=>fA< f Be fB< f A.

Propriedade transi tiva:

AQBeBÇfC:^ A q C, p oi sse fA< f Be fB< f c, então fA< f c.

Um conjunto não vazio munido de uma relação que admite as


propriedades reflexiva, antisimétrica e transitiva é uma ordem
parcial. Além disso, se para todos x, y pertence ntes a L existe o
supremo e o ínfimo do conjunto {x, y} em L, a estrutura é deno-
minada reticulado.
Dessa forma, ( L, q ) é parcialmente ordenado e, pelas Propo si-
ções A .l e A.2, segue que (L , <z) é um reticulado.

Princípio da dualidade:

“Todo resultado obtido dos axiomas desta estrutura algébrica


permanece válido se nele trocamos Uf por r \ e 0 f por V e vice
versa/'
A simetria entre os operadores u f e r \ e os elementos 0 f e V
garante que tanto os operadores Uf e r \ quanto os elemento s 0 f e

Scanned by CamScanner
19 8 HÉRCULES DE ARAÚJO FEITOSA E LE ONA RDO PAULOVICH

V podem ser permutados de maneira que os resultados obtidos


permaneçam verdadeiros.

Propriedade de idempotência:
A u , A = A, pois fAUA= fAv fA= fAe
A r \ A = A, segue pelo princípio da dualidade, ou seja , apenas
trocamos vj por n e obtemos fAnA= fAa fA= fA.

Propriedade comutati va:


A u fB = BUfA, pois fAUB= fAv f B= fBv f A= fBUAe
A r\ B = Br\A , pelo princípio da dualidade.

Propriedade associa tiva:


A u f (BUfC) = (AUfBjUfC, pois fAU(BUq = fAv (fBv f c) = (fAv fB

V ^<Ò ~ A V ^b) V íc ~ ^(A^


B^C e
A r\ (B r\ C ) = (A r\ B )n íC, pelo princípio da dualidade.

Proprie dade de absorção:


Ary (Au,B) = A, po is f Arws) = fA a f AVJB= fAa (fAv Q fAe
A u f (A r\ C ) = A, pelo princípio da dualidade.

A estrutura determinada por um conjunto não vazio, munido


de duas operações que satisfaçam as propriedades de idempotência,
comutatividade, associatividade e absorção, também recebe o nome
de reticulado, portanto (L, u f, r\ ) é um reticulado. E o mesmo
reticulado dado por (L , q ), onde sua ordem pode ser dada por:

Proposição A.3: B q A « A u fB = A e B q A <=> A r\B = B


Demonstração:^AMB“ ^ ^AV = fAÇ=> fB< fAe princípio da
dualidade. ■

Propriedade Distri butiva:

Avjf (Br\C ) —(ALJfB)p> j (A tjfC), pois fAu(yx^ fA^ f boc —^


V (fg A fç) = (fAV f B) A (fAV f j = (fau b A f A^c ) ~ f(A^BAAOC)-

Scanned by CamScanner
UM PRELÚDIO ÀLÓGICA 199

Verifiquemos * : fAv (f„ a fc) = (fAv f „) A (fAv fc);


r
sc f„ f(. £ fA
a

fAV (íiAt ) = < ou


fBAfc , se fA< f„ A fc

Suponhamos, sem perda de generalidade, que fBv fA= fA. Daí,


(fAv fB)A(fAv fc) = fAA(fAvfc)) = fA= fAv(fBAfc).

fA fc ^ fAVfc —fc

=> (tfAv Q A Va v fc)) = (fBAfc) = fAv (fBAO


De qualquer maneira vale ★.

A n /B u jC ) = (A/^fBXjfCAOfC), vale pelo princípio da dua-


lidade.
Um reticulado no qual vale a propriedade distributiva é deno-
minado reticulado distributivo.
Logo, (L, u fl r\) é um reticulado
distributivo.

Pro pos ição A.4: AUf0 f= Ae A r \ 0 f= 0 .


Demonstração:fAU0= fAv f0 = fA e W = fA f0 = f0. ■
a

Proposi ção A.5: A u fV = V e A n fV = A


Demonstração:Este é o dual da proposição anterior. ■

Scanned by CamScanner
200 HÉRCULES DE ARAÚJO FEITOSA E LEO NAR DO PAULOVICH

Pelas proposições anteriores, temos que 0f = 0 f c l f = V são,


respectivamente, o ínfimo (zero) e o supremo (unidade) de L. Um
reticulado com zero e unidade, que satisfaça as duas proposições
anteriores, é umreticulado completo.Dessa forma, (L, U f, n f, 0f,
l f) é um reticulado completo.

Proposição A.6: (A’)' = A.


Demonstração: f(A). = 1fA. = 1  [1fA] = fA. ■

Proposição A .7: A q B^B’ ç fA '.


Demonstração:A ç fB o fA <f B« f B.<f A.« B ’ q A’. ■

A partir disto, concluímos que A ’ é o dual de A.

Pr op osi ção A .8: Le is de De Morgan: ( i) (A u f B)' = AV\ B’ e


(ii) (Ar\B )’ = A ’u fB \

Demonstração: (i) f(AUB). = 1 fAUB= 1 (fAv fB) ± (1-Q a (1fJ


" A4 ’ = B

Para verificarmos ★ , consideremos 1 (fAv fB), onde:

l ( f Av f B) = ( lf A)
se fA> f B=>^ e
(l -f A) < ( l - f B)= >( l- fA) A ( l - f B) = (l-fA)

se fA< f B ■< e
(l -f A) > ( l - f B)= >( l- f A) A ( l - f B) = (l- fB)
V.

Em qualquer alternativa?temos 1  (fAv fB) = (1 fA) a (lfB)

(ii) (A r\ B)' = A 'u f B \ vale pelo princípio da dualidade. ■

Uma operação unária que admite as propriedades das duas úl-


timas proposições é chamada de complemento de De Morgan.Um
reticulado distributivo que admite o complem ento de D e Morgan

Scanned by CamScann er
UM PRELÚDIO À LÓGICA 20 1

é denominadoreticulado de De Morgan.Dessa maneira, a estru-


tura (L, Q, Uf, r\, ’) é um reticulado de De Morgan completo.
Exercícios:
4. Mostrar que (L, q , u r, r\, ’) não é uma álgebra de Boole.
5. A ufB = f0 «=>A = 0 feB = 0 f.
6. AryB =f V<=>A = V e B = V.
7. Verificar que& = V.
Definimos, a seguir, outras operações com conjuntosfuzzy.
O produto algébricodos conjuntos fuzzy A e B , denotado por
A.B, é definido pelas funções de pertinência de A e B da seguinte
maneira: '
fAA.B —f f
LA •

A soma algébricade A e B, denotada por A+B, é definida em


termos de A e B pela relação:
f
aa +b
—f1 + f . f
a ab aab -

A diferença absolutaentre A e B , denotada por | AB | , é defi-


nida por:
f|A-B| = I ^A~^B I

Exercícios:
8. Mostrar que, se A e B são conjuntosfuzzy, então A.B ç
AnB.
9. Mostrar que, se A e B são conjuntosfuzzy, então A uB ç
A+B.
10. Dados os conjuntosfuzzy A = {(x,, 0.9); (x 2, 0.3); (x3, 0.1)}
e B = {(x1( 1); (x2, 0.5); (x3, 0.8)}, determinar:
(a) A.B
(b) A+B
(c) | AB |

Relações fuzz y
Sejam A um conjuntofuzzy de domínio U e B um conjunt o/u
zzy de domínio V. Oproduto cartesiano fuzzy de A e B, denotado
por AXfB, é definido por:

Scanned by CamScanner
202 HÉRCUL ES DE ARAÚJO FE ITOS A E LEONARDO PAULOVICH

AXfB = {((u,
v), fÁ(u)AÍn(v)) / U 6 U, Ve V).

Exemplos:
(a) Sejam U = {a, b) e V = {1, 2, 3} os domínios dos conjuntos
fuzzy A = {(a, 0.5); (b, 0.8)) e B = {(1, 0.2); (2, 1); (3, 0.6)). En
tão:
AXfB = {((a, 1), 0.2); ((a, 2), 0 .5); ((a, 3), 0.5); ((b, 1), 0.2);((b,2),
0.8); ((b, 3), 0.6)}.
Neste caso, por serem conjuntos finitos, podemos interpretá
los matricialmente da se guinte maneira:

1 2 3
0.2 0.5 0.5 a
AxfB =
0.2 0.8 0.6 b

Exercício:
11. Sejam U = { x ,y , z ) e V = { a , b, c} os respectivos conjuntos
univer sos dos conjuntos fuzzy A = {(x, 0.9); (y, 0.5); (z, 1)) e B =
{(a, 0.3); (b, 0.7); (c, 0.4)}. Encontrar A xfB e fazer a sua repre-
sentação matricial.
Uma relação fuz zy de A em B, indicada por Rf, é um subcon-
junto fuzzy do produto cartes iano A ^ B , caracterizado por uma
função de perti nência fRque a ssocia a ca da par (x, y) o seu grau de
pertinência fR(x, y) em Rf.

Observamos que se A e B são conjuntos usuais (não fuzzy),


então reduzimos este produto cartesiano ao produto cartesiano
usual. Porém, se A e B são fuzzy, podemos afirm ar que f R(x, y) ^
fAM AfB(y)
Uma relação fuzzy n-ária é um subconjunto fuzzy Rf do pro-
duto cartesiano A,Xf ... Xf Ant onde:
1r ( X 1» *2> — »*n ) — AlS;$n

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 203

Dado um conjunto/uzzy A, o suporte de A é o conjunto usual


S(A) = { x / x e V e fA(x) > 0 }.

Seja Rf uma relação/uzzy binária em U xV .


O domínioda relação fuzzy Kç, denotado por DomÇRf), é o
conjuntofuzzy definido por:
fcwRiW = Sup, fR(x, y).

A imagem da relação R,, denotada por Im(R,), é o conjunto fu-


zzy definido por:
U (y) = SuPyfR(x, y).
O campoda relaçãofuzzy Rf, denotado pelo conjunto f^R*), é
dado por:

ílíRf) = DomCRfVflmCRf).
O comprimento
da relaçãofuzzy Rf, denotado por h(Rf), é defi-
nido por:
b(Rf) = Sup{fR(x, y) / (x, y) e S(Rf)}.

Uma relaçãofuzzy Rf é subnormalse h(Rf) < 1, e é normal se


b(Rf) = 1.

Seja A um conjuntofuzzy com domínio V e x, y e V:

A relação identidadeI f em A é definida por:


0, se x *y
fi(x, y)= 
1, sex = y

A relação nula0f em A é definida por f0(x, y) = 0.

Exemplo:
(a) Seja R, = {((a, x); 0.8), ((a, y); 1), ((a, z); 0.5), ((b, x); 0) ((b
y); 0.7)}.
DomfR,) = {(a, 1); (b, 0.7)}
M R ,) = {(x, 0.8); (y, 1); (z, 0.5)}

Scanned by CamScanner
2 04 HÉRCULES DE ARAÚJO FEITOSA E LEO NAR DO PAULOV1CH

h(Rf) = 1 e, portanto, Rf é normal


S(Rf) = {(a, x); (a, y); (a, z); (b, y)}

Se Rf é uma relaçãofuzzy de A em B e S é uma relação fuzzy de


B em C, então acomposiçãode R e S é uma relação fuzzy de A em
C, denotada por RoS e com a função de pertinência definida por:

U * . z) = Supy{fR (x, y) A fs(y, z )} .


Exemplo:
(a) Consideremos as seguintes relações fuzzy : Rf = {((a, x);
0.8), ((a, y); 1), ((b, x); 0.4), ((b, y); 0.7)} e Sf = {((x, z); 0.9), ((x,
w); 0.6), ((y, z); 0.2), ((y, w); 0.3)}. Então:

fRoS(a, z) = Sup{(a, x )a (x , z ); (a, y)A(y, z)} = Sup{0.8; 0.2} = 0.8


fRoS(a, w)= Sup{(a, x )a (x , w ); (a, y)A(y, w)} = Sup{0.6; 0.3} = 0.6
fRos(b.2) = Sup{(b,x )a (x , z ); (b, y)A(y, z)} = Sup{0.4; 0.2} = 0.4
fRos(b, w) = Sup{(b, x )a (x , w); (b, y)A(y,w)} = Sup{0.4; 0.3} = 0.7.2

Como os universos são finitos, no caso, a, b, x, y, z, w, então a


representação matricial para a composição de relações é a seguinte:
'
o
Oò P ^0.9 0.6"
Sejam R = e S=
0.4 0.7 0.2 0.3
V. J J

E f ^ é obtida pelo mesmo procedimento do produto de matri-


zes, em que a multiplicação é permutada por a e a adição por v:

o
o
O.b

V.0 ' 4 04>

Exercício:
12. Dados os conjuntosfuzzy A = {(a, 0.3), (b, 0.9), (c, 0.5)} e
F = {(aa, 0.7), (ab, 0.5), (ac, 0.7), (ba, 0.2), (bb, 0.9), (bc, 1), (ca,
0.1), (cb, 0.8), (cc, 1)}, calcular AoF.

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 205

Elementos de lógica fuzzy


Nesta seção veremos um pouco de lógic a fuzzy tal como Zadeh
e seus seguid ores a introduziram nos cont extos fuzzy.

Sis tema d e Valoração

Apresentamos alguns conceitos para a caracterização e opera


cionalização de fenômenos que enfatizam aspectos qualitativos. As
variáveis lingüísticas e os valores de verdade fuzzy procuram mo-
delar tais aspectos na \ógica fuzzy .

Variáveis lingüísticas

Os fenômenos quantitativos são interpretados pelas variáveis


numéricas. Contudo, essas variáveis não são apropriadas para a
modelagem de fenômenos qualitativos. Desse modo, as variáveis
lingüísticas se colocam como melhor caracterização de fenômenos
complexos ou imprecisos, em que seus valores, em vez de núme-
ros, são palavras numa linguagem natural ou artificial qualquer.
As variáveis lingüísticas assumem como valor palavras ou sen-
tenças em certa linguagem.
Como ilustração do conceito, consideremos a palavra idade.
Apesar d e fazer parte do nosso cotidiano, não t emos, em a mbien -
tes não numéricos, uma noção clara do seu significado. Por meio
dos conjuntos fuzzy, podemos atribuir noções aproximadas de
“idade" da seguinte maneira: muito jovem, jovem, meiaidade,
velho, muito velho, entre outros. Nesse ambiente, “idade" é uma
variável lingüística e os termosda variável lingu ística idade: muito
jovem, jovem, meiaidade, velho, muito velho ..., são interpreta-
dos por meio de conjuntos fuzzy. Cada termo determina um con
junto fuzzy cuja função de pertinência seja apropriada ao termo.
Essa característica local e contextualizada da lógica fuzzy a
distancia, e muito, d a tradição lógica, centrada entre outros objet i-
vos na busca da ver dade. N o mundo fuzzy, as verdades são sempre
locais e aplicadas.

Scanned by CamScanner
206 HÉRCULES DE ARAÚJO FEITOSA E LEO NAR DO PAULOVICH

Uma variável linguísticaé caracterizada por uma quíntupla (N,


Gr, U, T(N), S{N)), onde N é o nome da variável,Gr é uma regra
sintática que permite gerar valores linguísticos, U é o universo de
discurso, T(N) é o conjunto dos termos de N e S(N) é uma regra
semânticaque associa a cada termo x de N gerado por V o seu si-
gnificado S(x) com valores no intervalo real [0,1].

Exemplos:
(a) T(estatura) = {muito baixa, baixa, pouco baixa, mais ou
menos alta, alta, muito alta ,...} e U = [0.3; 2.1] em metros.
(b) T(sensação térmica) = {muito frio, frio, pouco quente,
quente, muito qu ente,...} e U = [25; 40] em grau Celsius.

Os termos são subvariáve is/uz 2;y. Eles representam um sumá-


rio das várias subclasses de elementos considerados no universo de
discurso. Por exemplo, o termo alto é uma variável fuzzy, ou ainda
um valor lingüístico da variável linguística estatura.
O conceito de restrição fuzzy nos permitirá uma melhor carac-
terização das variáveisfuzzy.
Seja F um subconj unto fuzzy de N, com universo de discurso
V. Então F é uma restrição fuzzy em N se:

F = {(u,fp(u))/ue N }.
Uma variávelfuzzy é caracterizada por u ma tem a (N, V, M(N,
u)), onde N é o nome da variável, V é o seu universo de discurso, u
é um nome genérico para elementos de V e M(N, u) é uma valora
ção no intervalo real [0, 1], que representa uma restrição fuzzy
sobre os valores de u impo stos por N, ou, ainda, a compatibilidade
entre u e N.
Nos exemplos anteriores, temos:
(a) N = alto e V = [1.5; 2.1], o universo de alto sendo uma res-
trição do universo de estatura [0; 2.1 ].
Observamos, para a variável linguística idade, que as restri-
ções impostas para cada termo: M(muito jovem) M(velho), etc.,
constituem uma significação do termo mediante uma interpreta-
ção numérica.

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 207

Assim, especificamos os termos por meio de suas funções de


pertinência. Nesse caso, as funções de pertinência de cada termo
(muito jovem, jovem, meiaidade, velho, muito velho) da variável
linguística "idade’* podem ser dadas por:

1 para 0< x ^ 5,
^muitojovem(X ) 4
(30x)/25 para 5< x < 30,
V.

(x5)/25 para 5 < x < 30,


W x) = '
(50x)/20 para 30< x < 50,

(x30)/20 para 30 < x < 50,

(70x)/20 para 50<x<70,

(x50)/20 para 50 < x < 70,

(95x)/25 para70<x<95,

(x70)/25 para 70 < x < 95,


fmuitovelho(X ) 4
1 para 9 5 < x < 100.

O gráfico da variável linguísticaidade, com os termos "muito


jovem” , "jovem” , "meiaidade” , "velho” e “muito velho”, to-
mando como universo de discurso o intervalo [0,100] e as funções
de compatibilidade acima, é o seguinte:

Scanned by CamScanner
208 HÉRCULES DE ARAÚJO FEITO SA E LEONA RDO P AULOVIC H

^ IDAD
E ^

muilojo
vem jovem meia-idade velho muilovelho
1

0.5

0 5 30 50 70 95 100 X

Para M(jovem, u), com u = 30, temos ^ovcm(30) = 1 e esse valor


representa o grau de pertinência de u no conjunto jovem, ou,
ainda, representa a com patib ilidade de 30 an os com o conceito de
II* tt
jovem .
No exemplo (a), acima, poderiamos admitir o seguinte univer-
so de discurso para o conjunto fuzzy alto: V = {Claudia, Tadeu,
Saimo, Carlos} e associar a cada elemento um grau de pertinência,
como Claudia com 0.73. São considerados dados subjetivos para
determinar o significado de alto nesse contexto, bem como com-
patibilidade entre u e N. Por exemplo:

M(alto, u) = {(Claudia, 0.6); (Tadeu, 1);


(Saimo, 0.5); (Carlos, 0.8 )}.

Os valores dos elementos de V, neste exemplo, são = Clau-


dia, u2= Tadeu etc., de natureza não numérica; contudo, podemos
preestabelecer valores de altura para a interpretação numérica e
especificar o termo por meio da sua função de pertinência.
Por outro lado, se considerarmos o termo simpático, encontra-
remos uma variável muito complexa para ser valorada por qual-
quer função matemática. Neste caso, o tratamento é ainda mais
qualitativo na determinação de uma função de pertinência.
Em resumo, sab emos que as variáveis linguísticas, caract erísti-
cas de conceitos vagos, pouco claros ou confusos, assumem as
subvariáveis fuzzy como seus valores e que essas são interpretadas

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 209

por conjuntos fuzzy,possibilitando o resgate de algum conheci i


mento mesmo em termos aproximados ou vagos.
Uma proposição fuzzy é uma relação que associa cada elemento
u do domínio U a um termo predicadofuzzy F, que tem seu valor
dado por um conjuntofuzzy, com universo de discurso V, possi-

velmente distinto de U. Em algumas ocasiões indicamos isto por


P: “u é F \

Exemplos:
(a) P: “Claudia é baixa" é um exemplo de proposição fuzzy,
pois o termo predicado “baixa” é vago e deve ser resgatado por um
conjunto fuzzy. Por exemplo, seja:
baixa:V^[0, l],comV {x/ 1.0m<x<1.5m} =[1.0; 1.5].
(b) P: “Tadeu é alto, magro e moreno" é uma proposiçãofuzzy
com mais de um atributo.

Exercícios:
13. Dar exemplos de situações que envolvamconceitos fuzzy.
14. Descrever situações em que conceitosfuzzy se fazem neces-
sários.
Tratamos das proposições fuzzy e operamos com conjuntosfu -
zzy que interpretam os termos predicados. Por isso, a relevância
da álgebra dos conjuntosjii2z;y.
A preocupação central é com o significado da informação, e não
sua transmissão e recepção. Por isso, a seguir, introduzimos o con-
ceito de distribuição de possibilidades, cujo significado se adapta à
manipulação de predicadosfuzzy e é bastante corrente nos textos
dos seguidores de Zadeh.
Consideremos a proposição “x é F ’ e que R(A(x)) denota a
restriçãofuzzy do sujeito x associada ao atributo A, com x em V.
Ou seja, R(A(x)) é uma subvariávelfuzzy determinada pelo termo
predicado F:
R(A(x)) = F.

Scanned by CamScanner
210 HÉRCULES DE ARAÚJO FEITOS A E LEON ARDO PAULOV ICH

Seja F um subconjunto fuzzy com universo de discurso V. Se


A(x) é uma subvariável fuzzy com valores no universo de discurso
V e R(A(x)) uma restrição associada a F, então definimos a distri-
buição de possibilidades associada com A(x), por:
n, = R(A(x)).

Desse modo, a distribuição de possibilidades coincide com a


restrição fuzzy associada à subvariável fuzzy A(x), o que equivale
a dizer que a possibilidade de x admitir o atributo A é dada pela
compatibilidade de x com o termo predicado F :

F = R(A(x)) = n x.

Exemplo:

(a) Observando o gráfico da variável lingüística idade, podemos


considerar o universo de discurso V = {1, 2, 3 ......120} eo con-
junto fuzzy muito jovem, indicado por P, que representa a senten-
ça "x éP ".
P = {(1,1); (2,1); (3,1); (4,1); (5,1); (6, 0.9); (7,0.9); (8,0.9);
(9,0.8); (10,0.8); (11, 0.8); (12,0.7); (13,0.7),....
(28, 0.1); (29,0.1); (30, 0.1)}.

Com isso, a proposição “x é P” associa x à distribuição de pos-


sibilidades n ^ p .
Até o momento, a proposição fuzzy P tem aparecido com um
único atributo ou subvariável fuzzy; porém, ela pode ser consti-
tuída por um número qualq uer de atributos. Como no exemplo: P:
“T adeu é alto, magro e m oreno", em que o predicado aparece com
três atributos.
Um a proposiç ão fuzzy qualquer do tipo " x é F ” , onde F é uma
relação nária em VjXV2x ... xVn, pode ser traduzida a partir dos n
atributos de x do seguinte modo:
x é F > R(A ,(x), A ^ x ),.. ., A n(x)) = F,

e, estendendo o conceito de distrib uição de possibilidades, temos:


* H(A1( x ).A2(x )....An(x)) “ F *

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 21 1

é uma distribuição de possibilidades induzida pela proposição “x é


F", com:
^(Al(x ), A2(x).....An(x))(U l » U2.... ......U „ ) = U 2,. . . , U „) .

Dessa maneira, encontramos uma proposiçãofuzzy com n


atributos Aj(x), A2(x), .... AJx ), cujo significado é dado por uma
distribuição de possibilidades nária. Com uma única proposição
fuzzy relacionamos n termos (atributos) interpretados por suas
respectivas distribuições de possibilidades.
Consideremos a proposiçãofuzzy ‘‘Claudia é baixa, morena,
elegante e simpática”, a qual pode ser traduzida por umaproposi-
ção do tipo:
xéf —■
>n (A
1(x
)M<„)), .

onde At(x) = baixa, A^x) = morena, A3(x) = elegante e A4(x) =

simpática.
A importância do conceito de distribuição de possibilidades,
para o significado dos dados, reside no fato de que toda proposição
fuzzy, em linguagem natural ou artificial, pode ser interpretada
por uma distribuição de possibilidades:
P ~ * F^x1x2i _i
Xn) —F,
onde x,, ..., x^ são subvariáveis/u z2ry implícitas ou explícitas em P
e F é uma relaçãofuzzy.
Reciprocamente, se conhecemos uma distribuição de possibili-
dades, então podemos determinaruma proposiçãofuzzy P, o que é
indicado por:
P ^xl. x2 .....xn).

A informação transmitida por P (proposição na forma “x é F")


é convertida em uma distribuição de possibilidades Tf da variável
X, na forma de um conjunto/u22ry, e viceversa.

Valor d e verdade fuzzy

Outro aspecto intrigante da ól gica de Zadeh está no conceito de


valor de verdadefuzzy. Ao se atribuir um conjuntofuzzy a um

Scanned by CamScanner
212 HÉRCULES DE ARAÚJO FEITOSA E LEONARDO PAULOV1CH

atributo, aparentemente já temos uma função de verdade, mas


Zadeh e seguidores foram além e assumiram que os valores de
verdade também pod em assum ir subvariáveis fuzzy como valores.
O valor de verdade fu zz y é um co nju nto /uz ry definido em V =
[0, 1]. Indicamos o valor de verdade da proposição P por v(P), ou
seja:
f*P): [0,1] —> [0,1].

Esse conjunto de valores de verdade é um conjunto enumerável


de va riáv eis/u z^ da fo rma:

3 —{verdadeiro, muito verdadeiro, não v erdadeiro,


falso, mais ou me nos falso, não falso, não muito falso,
quase falso, absolutamente verdadeiro,...},

onde cada elemento de 3 é gerado pelos termos atômicos: verda-


deiro efalso.

O s valores de v erdad e em 3 são lingü ísticos e interpretados por


funções, diferenciando-os dos usuais valores de verdade clássicos
ou da s lógicas multival oradas.
Em geral, dada uma proposição P, o seu valor de verdade v(P)
não é um elemento de 3 e, po r isso, é tomado um valor linguístico
u(P)* que está e m 3 , mas é uma aproximação linguística de v(P).
Comumente, falso não é o mesmo que não verdadeiro, como
veremos a seguir:
Seja verdadeiro = {(x, f j / x € [0, 1] e fx o grau de verdade de
x}.
Então:

fal so =ã {( l-x,fx ) / x e [0 ,1] } e


não verdadeiro = df {(x, 1- fx) / x e [0 ,1 ]} = verdadeir o’.

Exemplo:
(a) Consider emo s V = {0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6 , 0.7, 0.8,
0.9, 1} o domínio de uma função de verdade e seja verdadeiro 

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 213

{(0.7. 0.5); (0.8, 0.7); (0.9, 0.9); (1, 1)). Daí:/a!so = {(0.3, 0.5); »
(0.2,0.7); (0.1,0.9 ); (0,1)} e nãoverdadeiro= {(0,1); (0.1,
1); (0.3, 1); (0.4, 1); (0.5, 1); (0.6, 1); (0.7, 0.5); (0.8, 0.3); (0.9,
0.1)}.

Os valores: aio,não verdadeiroe falso são atributos da


erd
v
variável lingüísticavalor de verdadee podem ter seu conjunto de
termos 3 gerado simplesmente pelo termo atômico verdadeiro.
Com isso, abolimos o princípio do terceiro excluído, pois não é
o caso que uma proposição seja verdadeira ou nãoverdadeira.

Exercício:
15. SejafV£rdadciro= [0,1] > [0,1] definida por:

r
0 , para 0 < x < 01
fverdadeiro < 2[(x o c)/( la) ]z , para a<x <(a+l)/2
1 2 [( x1 )/ (1 oc)]2 ,para (a+1 )/2 < x < 1
V.
Considerar a = 0.5 e alguns valores de x, tais como x, = 0, Xj =
0.1, x3= 0.2 .....x„ = 1. Determinar os conjuntosnão verdadeiroe
fabo e comparar os conjuntos dois a dois.

Regras de dedução
Já que uma das noções centrais em qualquer lógica é o seu po-
der de derivação, mesmo uma lógica para o desenvolvimento de
raciocínios aproximados, como é o caso da lógica
fuzzy, necessita
de um conjunto de regras de dedução.

Equivalência e implicação fuzzy


As regras de equivalência e implicação fuzzy são talvez as mais
simples e decorrem imediatamente da igualdade e inclusão de
conjuntosfuzzy.
Sejam P e Q du as proposições fuzzy, com as respectivas distri-
buições de possibilidades P > n P(xl m)= Ff e Q > IIa (xl...Gf.

Scanned by CamScanner
214 HÉRCULES DE ARAÚJO FEITOSA E LEO NAR DO PAULOVICH

RE (Regra de Equivalência)  As proposições P e Q sào


equivalentesse suas distribuições de possibilidades são iguais, ou
seja:
(„ i ......„n) —fP l^ íxt ......xn).

R I (R eg ra d e Im plicação)  A pro posição P implica a propo-

sição Q se adedistribuição
distribuição de de
possibilidades possibilidad es de P está contida na
Q , ou seja:
(xl .........................................xn)'

Projeção e Partícularização
Seja S = (i1( i2, i n) uma seqüência indexada. Indicamos uma
subseqüência de S por s = (ijp ij2, ...,ijlc), quando 1 < j; < n.

breRU(í),
Pr onde
(RegraU(l)
da =Proj eçã^o)...xAU projeção
U ^ xU de FIx(xt, de
^ é a distribuição x^..possibili-
x j so-
dades kária cujo domínio é U(t) e seu grau de pertinência é o su-
premo dentre FI^ u^). Denotamos a projeção de n x(x,, x^ .... x j
sobre U(„ por 0^.,= Proju,., Hou,»....*»
No domínio, fazemos uma projeção usual para uma nupla
qualquer; porém pode ocorrer de para o mesmo elemento termos
mais que um valor de pertinência. A escolha então recai sobre o
supremo desses valores.

Assim,
obtida pela aprojeção
distribuição na U(l).
de rix sobre subvariável x(í) = (xjP x^,.... x^) é
A seguir, dada uma distribuição de possibilidades Fíx= ÍT^ ^
X3J, denotaremos cada termo ((x, y, z), ji) por xyz\p, com x e X,, y
€ X 2, z 6 Xj e |1 G [0,1].

Exemplo:
(a) Sejam V, = V2= V3= {a, b) e IIX= n (Xl X2i ^ como abaixo:
nx = n (X) X2m = {aaa\0.4; aab\0.9; aba\0.3; abb\0.5; baa\0.8; bbb\l} e
Proj(ul u2) nx = Sup{aa\0.4; aa\0.9; ab\0.3; ab\0.5; ba\0.8; bb\l} =
{aa\0.9;ab\0.5; ba\0.8; bb\l} = ÍI(Xt X2).

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 215

Exercício:
16. Encontrar, no exemplo acima, Proj(Ul) IT^,
SeJa nx(u1(u2, .... u3) = F uma distribuição de possibilidades na
variável X = (X„ X2 ......X J e seja = G uma distribuição de
possibilidades na subvariável X(s) = (X.,, ..., X J. A extensão cilín-
drica de G é o conjunto fuzzy, denotado por õ , em V ,x ... xVn, tal
que sua projeção em X<t) coincide com G, ou seja:
fô(u„ u j = f^U;, .....u j, (u „ . ...u jeU .x ... x U n.
A extensão cilíndrica faz o caminho inverso da projeção.

R P a (R eg ra d a Particularização) - Sejam ÍI^, ^ = F uma


distribuição de possibilidades na variável X = (X ,, ..., X J e 11^ =
G uma distribuição de possibilidades na subvariável X(s) = (X,1(
..., X J de X. A particularização de II Xcom relação Fl^ n a variável
X = (X „ ..., X J é definida por:

fl(Xl ....Xn) “ G ]_ F^Õ

Exemplo:
(a) Consideremos a distribuição de possibilidades do exemplo
anterior, isto é: F = FI ^ X2> ^ = {aaa \0.4; aab\0.9 ; aba\0 .3;
abb \0.5; baa\0.8; b b b \l} e G = ^ = {aa\ 0.7; ba\0.4;
bb \0. 9}, então:
(i) a extensão cilíndrica de G é:
(5 ={aa a\0.7 ; baa\0.7; aba\0.4; bba\0.4; abb\0.9; bbb\0 .9).
(ii) a particularização de F é:
jü jo) [G] = F n õ = {(aaa\0.4); (aba\0.3); (abb\0.5);
(baa\0.7);(bbb\0.9)}.

Exercício:
17. Para as distribuições FI^, ^ ^ = {a aa\0. 6; aab\0. 8;
aba\0.2; abb\0.7; ba a\ l; bb b\0.3 } e IT^, ^ = {aa\0.7; ba\0. 6;

Scanned by CamScanner
216 HÉRCULES DE ARAÚJO FEITOSA E LEO NARD O PAULOVICH

bb\0.2}, determinar a extensão cilíndrica de n w>xJ), a particulari-


zação iX2,X
3)[G] e a projeção Projn(XliX2>(X).

Modificaçã o, co mpo sição e quali ficaçã o


Estas regras possibilitam a interpretação de proposições fuzzy
compostas, modificadas ou qualificadas.

Exemplos:
R M (Regras de Modifi caçã o):
Saimo é pouco alto;
Aquele homem é mais ou menos velho.

R C (Regras de Composiçã o):


Olímpia é simpática e Valéria é bonita;

Se x é pesado, então y é alto.


R Q (Regras d e Qualif ica ção ):
Tadeu é baixo é pouco verdadeiro ;
Uma temperatura alta é pouco provável.

Apresentamos, a seguir, cada uma das regras de tradução com


os tipos proposições fuzzy acima mencionados:

RM (Regras de Modificação)
Sejam a um número real positivo e P um predicado fuzzy com
domínio V. O conjuntofuz zy P“ é definido por:

P a ={(a,fp a(a) )/a eV }.

Sejam a um número real no intervalo [0, 1] e P um predicado


fuzzy com domínio V. O conjunto fuzz y a P é definido por:

a P = {(a, a.fp(a )) /a e V} .

Seja P um predicadofuzz y de domínio V. O operador negaçãoé


definido por:
P' = {(a, 1 -ffa) / a e V}

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 21 7

Seja P um predicado fuzzy de domínio V. O operador concen-


tração é definido por:
Con(P) = P2.
Seja P um predicado fuzz y de domínio V. O operador dilataçõo
é definido por:
Dil(P) = P1/2.
Essas duas últimas operações, quando aplicadas sobre conjun-
t o s p r o d u z e m outro conjunto fuzzy, sendo que, no primeiro
caso, o grau de pertinência é diminuído e, no segundo, o grau de
pertinência é aumentado.
O operador contraste édefinido para um predicadofuzzy P por:

r i
2P2 ,0 < f p(x)<0. 5
Gontr(P) = ■«
[2(P’)2]’ »0.5 < fp(x) <1

Exemplo:
(a) Tomando a distribuição de possibilidades f^ que interpreta
um predicado fuzzy P, comP = fl* = {a\0.8, b\0.7, c \0.2 }:
P2= {a\0.64, b\0.4 9, c\0. 04} e

0,9.P = {a\0.72, b\0.63, c\0.18}.


Exercício:
18. Determinar o valor dos outros operadores associados a P.

Os modificadores fuzzy dão caracterizações aproximadas para


os predicadosfuzzy.
Para cada proposição “x é P”, cuja interpretação é dada por x
é P —> = P, podemos encontrar a proposição modificada “x é
mP”, em que m é um modificador fuzzy, como: pouco, muito,
não, mais ou menos, bastante, meio, vários etc. A interpretação é
expressa por:

Scanned by CamScanner
/

218 HÉRCULES DE ARAÚJO FEJTOSA E LEON ARD O PAULOVICH

X é m P  » P * , ou aind a, fmp(x) = fj»(x). í

São utilizados para descrever os modificadores não, muito e


mais ou menos:
se m = não, en tão P*= P ’, com f ^ x ) = 1 fp(x);
__
se
se m==muito,
m então P* = Co n(P) = P2, com f ^p(x) = [fp(x )f;
mais ou menos, ent ão P* = D il(P) = P1/2, com f^ x ) =
m r -

O s modificador es aqu i ap resentados surgem nat ura lment e na


linguagem oral, mas podemos obter modificadores artificiais, ca-
pazes de modificar (acentuar ou minimizar) o grau de pertinência
para el ementos do universo V, tais como:
P* = Pu>, quando m = mai s;
P * = P0 75, qu an do m = menos .

Exemplo;
ConsidereU = {1, 2,3, 4, 5, 6}, onde:
pequeno = P = {( 1, 1 ); (2, 0.9); (3, 0. 5); (4 , 0.3); ( 5, 0.1) }, daí :
muito pequeno = P2= {(1 ,1) ; (2 , 0. 81); (3,0 .25) ; (4 , 0. 09); (5,0.01 )}
muito muito pequeno = P4={(1, 1); (2, 0.66); (3, 0.06); (4, 0.01); (5,
0. 00) }
não pequeno = P ’ = {(1, 0); ( 2, 0. 1); (3, 0.5); (4, 0.7); (5, 0.9); (6,1 )}

O bse rvaç ões: (i) O modi fi cad or muito, no exem plo a nter ior,
fez que diminuísse o grau de pertinência dos elementos de U no
conjunto fu zz y pequeno. Isso é esperado, po is se a compati bili dade
de ser pequeno era pouca, por exemplo (4, 0.3), então a de ser
muito pequeno é ainda menor (4, 0.09).
(ii) A ordem dos modificadores pode alterar completamente o
computo da função de pertinência da proposição, como “muito
não exato” , não é o mesmo qu e “ não m uit o exato” , most rando

1 A expressão “muito não exato” não égramaticalmentecorreta.

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 219

que as flexões podem ser inconvenientes. Na forma simbólica:


(P')! *[ (P )2r

RC (Regra s de Com posição)

As regras de composição são da forma:


R = P*Q ,
onde P, Qsão proposições fuzzy e * denota uma operação de com*
posição, como conjunção (e), disjunção (ou), condicional (se ...
então) etc.
SejamP:xéE>n,x, ... *,>= E e Q : y é G  » n,Y1_ Vln)= G. Po
demos definir muitas operações de composição usando a álgebra
dos conjuntos fuzzy acrescida das operações de projeção e parti
cularização.
Definimos algumas:
Conjunção: quando x é E  » FI^, ^ E e y é G  * n<xi ^ = G
(os domínios coincidem), então a conjunção é EnG.
Conjunção estendida: x é E —> FI<X1 x ^ E e y é G —» F^y, Ym)=
G (os domínios são distintos), então a conjunção FLxt ^ Y, Ym)=
ÈnÕ.

Disjunção: quando
(os domínios xéE —
coincidem), » FI(Xla disjunção
então j ^ E e y éé EuG.
G^ xn)= G
Disjunção estendida: x é E —» n (X1 ^ ^ E e y é G —>FI^, Ym)= G
(os domínios são distintos), então a disjunção é n^j ^ Y1 Ym) =
Èu<5.
Condicionalfuzzy: Se x é E, então y é G, a condicional será FI^...
xn.Yi,,Y
m)= ExG u E xV.
Uma importante regra de dedução fuzzy é dada pela composi-
ção de relações.
Sejam P —>FI(XY)= E e Q —» n <YZ}= G:

Scanned by CamScanner
220 HÉRCULES DE ARAÚJO FEITOSA E IEO NA RD O PAULOVICH

Inferência composicional: P —>M(XV) = K


Q->n,Y.„=c
r <- (X
n/|= [íoG
A literatura 6 plena de formas outras de se definir as operações
de composiçãofuzzy.

RQ (Regras de Qualif icação )


As regras de qualificação buscam a tradução de proposições do
tipo " x é P é T , onde X pode ser um valor de verdade, um valor de
probabilidade ou um valor de possibilidade; em qualquer caso, Xé
uma função de [0, l] e m [ 0 ,1].
Vejamos a qualificação verdade de uma proposição P.
P(x é F) é X, onde F é um termo predicadofuzzy e X é um valor
de verdade linguístico. Essa proposição pode ser dada por outra
proposição/u 22ry, da forma:
Q: x é G, tal que G é definida por fG= XofF, onde fFé a função
de pertinência de F.

Raciocíni
o fuzzy
O processo pelo qual uma conclusão, possivelmente não exata,
porém próxima da exatidão, é derivada de uma coleção de premis-
sas imprecisas e vagas por meio das regras e operaçõesfuzzy é
nomeadoinferência fuzzy ou raciocínio fuzzy.
Esse raciocínio aproximado, altamente qualitativo, é abun-
dante no diaadia, e o raciocínio
fuzzy colocase como alternativa
para o tratamento elaborado de tais situações.
Não é o único dispositivo com tal pretensão. Raciocínios indu-
tivos, com ênfase em processos estocásticos (estatísticos), têm sido
usados para os mesmos fins. A especificidade dos problemas defi-
ne qual a melhor ferramenta. Recentemente, as redes neurais são
intensamente usadas em raciocínios de aproximação, em que os
métodos rígidos não são os mais adequados para a modelação.

Scanned by CamScanner
UM PRELÚDIO À LÓGICA 22 1

Como exemplo, citemos o procedimento de avaliar assinaturas.


Por mais que nos esforcemos, duas delas nunca serão idênticas,
embora exista algo que diferencie determinada assinatura de qual-
quer outra, mesmo de uma falsificação. Um perito sabería diferen-
ciálas. Como então usar processos mecânicos para auxiliar em tais
empreitadas? Os métodos de aproximação parecem ser mais con-
dizentes com tais problemas.
O raciocínio fuzzy é mais um instrumental para o enfrenta
mento desses problemas. Não é o único, contudo traz uma série de
aspectos que o fazem conveniente, particularmente por conduzir
aspectos lógicos tão caros para os desenvolvimentos computacio-
nais.

Exercício:
19. Procurar artigos que tratam de aplicações dos sistemas
fuzzy.

Scanned by CamScanner
R ef er ên c ia s bi bl i o g r á f ic a s

ALENCAR FILHO, E. Iniciação à lógica matemática. 16. ed. São


Paulo: Nobel, 1986.
BELL, J . L. , MA CHO VER , M. A course in mathematical logic. Am
sterdam: NorthHolland, 1977.
BOJADZIEV, G., BOJADZIEV, M. Fuzzy sets, fuzzy logic, appli-
cations. Singapore: W orld Scienti fic, 1995.
BOY ER, C. B. História da matemática. T rad. Elza F. Gomide. São Pau-
lo: Edgard Blücher, 1974.
CASTRUCCI, B. Introdução à lógica matemática. São Paulo: Nobel,
1975.
CHE NIQU E, F. Compreendre la logic modeme. Paris: Dunod, 1974.
t.l.
COSTA, N. C. A. Introdução aos fundamentos da matemática. 2. ed. São
Paulo: Hucitec, 1977.
DA GH LIAN, J. Lógica e álgebra de Boole. São Paulo: Atlas, 1988.
DO M INGUES, H. H. Espaços métricos e introdução à topologia. São
Paulo: Atual, 1982.
D'OTTAVIANO, I. M. L. A lógica clássica e o surgimento das
lógicas nãoclássicas. In: ÉVORA, F. R. R. (Ed.) Século XIX: o
nascimento da ci ênci a cont empor âne a. C ampinas: U N IC A M P /
CL E, 1992. v .l l, p.65 94. ( Col eçã o CL E).
EBBINGHAUS, H. D., FLUM, J., THOMAS, W. Mathematical
logic. New Y ork: SpríngerVerl ag, 1984 .
EPSTEIN , R. L. The semantic found ations o f logic. Volume 1: Propo
sitional l ogics. Dordrech t: Kluw er Aca dem ic Publishers, 1990.

Scanned by CamScanner
224 HÉRCULES DE ARAÚJO FEIT OSA E LEONA RDO PAUL OVI CH

EPSTEIN, R. L., CARNIELLI, W. A. Computability:computablc


functions, logic and the foundations of mathematics. Wadsworth
& Brooks, 1989. (Cole Mathematics Series).
FEITOSA, H. A. Princípios fundamentais da teoria fuzzy. Rio Claro,
1992. 89f. Dissertação (Mestrado em Matemática)  Instituto de
Geociências e Ciências Exatas, Universidade Estadual Paulista.
HAACK, S. Deviant logic.Cambridge: Cambridge U.P., 1974.
_____. Philosophy
1985.
of logics.Cambridge: University of Cambridge,

HÁJEK, P. Metamathematics of fuzzy logic. Dordrecht: Kluwer,


1998.
HAMILTON, A. G. Logic for mathematicians.Cambridge: Cam-
bridge University Press, 1978.
KLEENE, S. C. Introduction to metamathematics.Amsterdam:
NorthHolland, 1952.
KNEALE, W., KNEALE, M. O desenvolvimento da lógica. 3. ed.
Coimbra: Fundação Calouste Gulbenkian, 1991.
MALINOWSKI, G. Many-valued logics.Oxford: Clarendon Press,
1993.
MATES, B. Elementary logic.2. ed. New York: Oxford University
Press. 1972.
MENDELSON, E. Introduction to mathematical logic. Princeton: D.
VanNostrand, 1964.
NGUYEN, H. T.f WALKER, E. A. A first course in fuzzy logic.
Boca Raton: CRC Press, 1997.
NOLT, J., ROHATYN, D. Lógica. Trad. Mineko Yamashita e

revisão técnica de Leila Zardo Puga. São Paulo: McGrawHill,


1991. (Coleção Schaum).
RASIOWA, H. An algebraic approach to non-classical logics.Am-
sterdam: NorthHolland, 1974.
RASIOWA, H., SIKORSKI, R. The mathematics of metamathema-
tics. 2. ed. Waszawa: PWN  Polish Scientific Publishers, 1968.
SALMON, W. C. Lógica. 3. ed. Rio de Janeiro: PrenticeHall, 1984.
SHOENFIELD, J. R. Kíathematical logic. Reading: Addison
Wesley, 1967.
VICKERS, S. Topology ma logic.Cambridge: Cambridge University
Press, 1990.

Scanned by CamScanner
UM PRELÚDIO À LÓG ICA 225

WHITEHEAD, A. N., RUSSEL, B. Principia mathematica. Cam-


bridge: Cabridge University Press, 1910-1913. v. 1-3.
WOJCICKI, R. Theory of logical calculi: basic theor y o f consequence
operations. Dordrecht: Kluw er, 1988. (S ynthese Library , v. 199).
ZADEH, L. A. Fuzzy logic and approximate reasoning. Synthese,
v. 30,p.407-28,1975.
______. Fuzzy sets and applications. USA: John Wiley & Sons,
1987a.
______. Fuzzy sets. In: ZADEH, L. A. Fuzzy sets and applications.
USA : John Wiley & Sons, 1987b. p. 193- 218.

Scanned by CamScanner
SOBRE O LI VRO
Formato : 14 x 21 cm
Mancha: 23,7 x 42,5 paicas
Tipologia: Horley Old Style 10,5/14
Papel : Offset 75 g /m J(miolo)
Cartão Supremo 250 g/m’ (capa)
1* edi ção: 2006

EQUIPE DE REALIZAÇÃO
Coor denação Ger al
Sidnei Simonelli
Pr odução Gráfica
Anderson Nobara
Edição de Texto
Viviane S. O sh im a (Preparação de Original)
Sandra Garcia Cortes e
Daniel Seraphim (Revisão)

Editoração Eletrônica
Lourdes Guacira da Silva Simonelli (Supervisão)
Esteia Mleetchol (Diagramação)

Scanned by CamScanner