Professional Documents
Culture Documents
4 – Sistemas
1
J. A. M. Felippe de Souza 4 - Sistemas
2
J. A. M. Felippe de Souza 4 - Sistemas
Sistemas
A noção de sistemas é intuitiva. Quase tudo que nos rodeia é algum tipo de sistema.
Qualquer mecanismo, ou dispositivo, que funcione como a internecção de componen-
tes físicos é um sistema.
3
J. A. M. Felippe de Souza 4 - Sistemas
4
J. A. M. Felippe de Souza 4 - Sistemas
5
J. A. M. Felippe de Souza 4 - Sistemas
Os sinais que estudamos aqui, em geral, estão associados a algum sistema. Eles
podem representar, por exemplo, a entrada de um sistema, ou alternativamente, a
saída do sistema.
Por outro lado, o sinal de saída de um sistema (“output” em inglês) às vezes também
é chamado de a ‘resposta’ ou a a ‘observação’ do sistema.
Sistema
entrada saída
(“input”) (“output”)
controlo resposta
excitação observação
Fig. 6 – Caixa preta (black box) de um sistema e os vários nomes dados
para a entrada e a saída do mesmo.
Na realidade muitos sistemas podem ter não apenas uma entrada e uma saída, mas
múltiplas entradas e/ou múltiplas saídas.
Sistema
entradas saídas
Fig. 7 – Caixa preta (black box) de um sistema com múltiplas
entradas e/ou múltiplas saídas.
Existe uma forma de representar sistemas, assim como a ligação entre os subsistemas
de um sistema, usando blocos e por isso chamada de “Diagrama de blocos”. Na reali-
dade a caixa preta (black box) é um diagrama de blocos com apenas um bloco.
6
J. A. M. Felippe de Souza 4 - Sistemas
Natureza física
Quanto a natureza física, sistemas podem ser classificados de muitas formas diferen-
tes. Abaixo citamos algumas das principais formas de sistemas que lidamos em enge-
nharia e tecnologia:
eléctricos; informáticos;
electrónicos; aeronáuticos;
mecânicos; aeroespaciais;
electromecânicos; biológicos;
térmicos; biomédicos;
hidráulicos; económicos;
ópticos; sociológicos;
acústicos; sócio-económicos;
químicos; etc.
Outros sistemas complexos que combinam mais de uma natureza das mencionadas
acima: computadores, antenas parabólicas para receber emissões de satélites artifici-
ais, robôs em geral, seja um braço manipulador robótico encontrados em processos
de manufactura nas indústrias ou seja um robô humanóide (que imita o homem) ou
antropomórfico (que imita algum ser vivo). Estes sistemas estão ilustrados na figura 8.
7
J. A. M. Felippe de Souza 4 - Sistemas
8
J. A. M. Felippe de Souza 4 - Sistemas
Continuidade no Tempo
contínuos
discretos
discretizados
9
J. A. M. Felippe de Souza 4 - Sistemas
Linearidade
10
J. A. M. Felippe de Souza 4 - Sistemas
Novamente aqui, estas duas propriedades acima são chamadas respectivamente de:
homogeneidade e aditividade.
11
J. A. M. Felippe de Souza 4 - Sistemas
embora algumas destas formas não tenham interesse directo para presente este texto
sobre análise de sinais.
Abaixo apresentamos alguns sistemas discretos, para exemplificar, que são descritos
por Equações de Diferenças:
Sistema I:
y[ n ] + 7 y[ n − 1 ] + 2 y [ n − 2 ] = x [ n ] − 4 x [ n − 1 ]
Sistema II:
y[ n ]= − 4 x[ n − 1 ]
Sistema III:
y[ n ] − 5 n y[ n − 1 ] = x [ n + 1 ] − 2 x [ n ]
Sistema IV:
y[ n ] = 2 (x [ n ]) − 4 x [ n ]
2
Sistema V:
y[ n ] = x[ n ]
3 2
12
J. A. M. Felippe de Souza 4 - Sistemas
Abaixo apresentamos alguns sistemas contínuos através da forma que são descritos,
por Equações Diferenciais Ordinárias (EDO):
Sistema VI:
d2y dy dx
+ 4 − y = + 3x
dt 2 dt dt
Sistema VII:
d2 y dy dx
+ 6 t + y = − ( t − 4) x
dt 2 dt dt
Sistema VIII:
d2y dy dx
2
+5 + 2y = − x ( t + 3)
dt dt dt
Sistema IX:
3 y′′ − 2 y′ + y = x ′x
Sistema X:
10 y ′′ + 2 y ′ − y = e x
Sistema XI:
d2y dy
2
+x +y=0
dt dt
Agora apresentamos dois sistemas contínuos bastante conhecidos na Física, que são
descritos através de Equações Diferenciais Parciais (EDP):
Sistema XII:
∂ 2u ∂ 2u ∂ 2u ∂ 2u
= k 2 + 2 + 2 =
∂ t2 ∂x ∂y ∂z
= k (u xx + u yy + u zz )
Obs.: Este sistema descreve a propagação de uma onda no espaço e a equação diferencial parcial
abaixo é conhecida na Física como ‘equação de onda’ (“wave equation”):
13
J. A. M. Felippe de Souza 4 - Sistemas
Sistema XIII:
∂u ∂ 2u ∂ 2u ∂ 2u
= k 2 + 2 + 2 =
∂t ∂x ∂y ∂z
= k (u xx + u yy + u zz )
Obs.: Este sistema descreve a propagação do calor no espaço e a equação diferencial parcial abaixo
é conhecida na Física como ‘equação de calor’ (“heat equation”):
Agora apresentamos dois exemplos de sistemas contínuos que são descritos através
de Equações de Retardo:
Sistema XIV:
y(t) = x(t − δ )
Sistema XV:
y' (t) + y(t) − 3 y(t − τ ) = x(t)
Sistema XVI:
y[n] = 5 x[n − n δ ]
Sistema XVII:
y(t) = 2 x(t) − 7
Sistema XVIII:
y(t) = − x 2 (t) − 2x(t) + 3
Sistema XIX:
y[n] = − 2 x[n]
Sistema XX:
y[n] = 1 − cos(2 π ⋅ x[n])
Exemplo 4.1:
Vamos classificar os sistemas acima quanto à continuidade no tempo (contínuo ou
discreto) e quanto à linearidade (linear ou não linear).
14
J. A. M. Felippe de Souza 4 - Sistemas
Sistema I:
y[ n ] + 7 y[ n − 1 ] + 2 y [ n − 2 ] = x [ n ] − 4 x [ n − 1 ]
(sistema discreto e linear)
Sistema II:
y[ n ]= − 4 x[ n − 1 ]
(sistema discreto e linear)
Sistema III:
y[ n ] − 5 n y[ n − 1 ] = x [ n + 1 ] − 2 x [ n ]
(sistema discreto e linear)
Sistema IV:
y[ n ] = 2 (x [ n ]) − 4 x [ n ]
2
Sistema V:
y[ n ] = x[ n ]
3 2
Sistema VI:
d2y dy dx
2
+4 −y= + 3x
dt dt dt
(sistema contínuo e linear)
Sistema VII:
d2 y dy dx
+ 6 t + y = − ( t − 4) x
dt 2 dt dt
(sistema contínuo e linear)
Sistema VIII:
d2y dy dx
2
+5 + 2y = − x ( t + 3)
dt dt dt
(sistema contínuo e linear)
Sistema IX:
3 y′′ − 2 y′ + y = x ′x
(sistema contínuo e não linear)
Sistema X:
10 y ′′ + 2 y ′ − y = e x
(sistema contínuo e não linear)
15
J. A. M. Felippe de Souza 4 - Sistemas
Sistema XI:
d2y dy
2
+x +y=0
dt dt
(sistema contínuo e não linear)
Sistema XII:
∂ 2u ∂ 2u ∂ 2u ∂ 2u
= k 2 + 2 + 2 = k (u xx + u yy + u zz )
∂ t2 ∂x ∂y ∂z
(sistema contínuo e linear)
Sistema XIII:
∂u ∂ 2u ∂ 2u ∂ 2u
= k 2 + 2 + 2 = k (u xx + u yy + u zz )
∂t ∂x ∂y ∂z
(sistema contínuo e linear)
Sistema XIV:
y(t) = x(t − δ )
(sistema contínuo e linear)
Sistema XV:
y' (t) + y(t) − 3 y(t − τ ) = x(t)
(sistema contínuo e linear)
Sistema XVI:
y[n] = 5 x[n − n δ ]
(sistema discreto e linear)
Sistema XVII:
y(t) = 2 x(t) − 7
(sistema contínuo e não linear)
Sistema XVIII:
y(t) = − x 2 (t) − 2x(t) + 3
(sistema contínuo e não linear)
Sistema XIX:
y[n] = − 2 x[n]
(sistema discreto e linear)
Sistema XX:
y[n] = 1 − cos(2 π ⋅ x[n])
(sistema discreto e não linear)
16
J. A. M. Felippe de Souza 4 - Sistemas
Variância no tempo
variantes no tempo
invariantes no tempo
Um sistema invariante no tempo é aquele que para um sinal de entrada x(t), o sinal de
saída é y(t), não importa quando é aplicada esta entrada.
Exemplo 4.2:
Nos sistemas I a XX descritos acima temos que apenas o sistema III e o sistema VII
são variantes no tempo,
Sistema III:
y[ n ] − 5 n y[ n − 1 ] = x [ n + 1 ] − 2 x [ n ]
(sistema variante no tempo)
Sistema VII:
d2 y dy dx
+ 6 t + y = − ( t − 4) x
dt 2 dt dt
(sistema variante no tempo)
17
J. A. M. Felippe de Souza 4 - Sistemas
pois um ou mais de seus coeficientes variam com o tempo (seja ‘t’ ou ‘n’). Os demais
sistemas são invariantes no tempo.
Natureza aleatória
determinísticos
estocásticos
18
J. A. M. Felippe de Souza 4 - Sistemas
Memória
Um sistema sem memória é aquele que: se o seu sinal de saída no instante t1 depende
apenas do sinal de entrada daquele instante t1.
Exemplo 4.3:
Nos sistemas I a XX acima temos que os sistemas IV, V, XVII, XVIII, XIX e XX são
sem memória:
Sistema IV:
y [ n ] = 2 (x [ n ])2 − 4 x[ n ]
(sistema sem memória)
Sistema V:
y[ n ] = x[ n ]
3 2
Sistema XVII:
y(t) = 2 x(t) − 7
(sistema sem memória)
Sistema XVIII:
y(t) = − x 2 (t) − 2x(t) + 3
(sistema sem memória)
Sistema XIX:
y[n] = − 2 x[n]
(sistema sem memória)
Sistema XX:
y[n] = 1 − cos(2 π ⋅ x[n])
(sistema sem memória)
pois a saída y[n], ou y(t), depende da entrada x[n], ou x(t), apenas nos instantes de
tempo (‘t’ ou ‘n’). Os demais são sistemas com memória pois dependem da entrada
x[n] nos instantes (n–1), (n–2), etc; ou de derivadas em relação ao tempo ‘t’.
19
J. A. M. Felippe de Souza 4 - Sistemas
Inversibilidade
inversíveis
não inversíveis
Desta forma, para um sistema S com sinal de entrada x[n], ou x(t), que produz um
sinal de saída y[n], ou y(t), respectivamente, é possível achar um sistema inverso S-1
cuja entrada y[n], ou y(t), produz a saída x[n], ou x(t), respectivamente.
Exemplo 4.4:
Os sistemas XVII e XIX acima são inversíveis.
Sistema XVII:
y(t) = 2 x(t) − 7
(sistema inversível)
Sistema XIX:
y[n] = − 2 x[n]
(sistema inversível)
Obviamente, nestes dois sistemas, cada sinal de entrada x, produz um sinal de saída y
exclusivo, diferente das saídas das outras entradas. Por isso o sinal de entrada x pode
ser expresso em termos do sinal de saída y como:
20
J. A. M. Felippe de Souza 4 - Sistemas
x[n] = – y[n]/2,
no caso do sistema XIX.
Exemplo 4.5:
O sistema XIV acima também é inversível.
Sistema XIV:
y(t) = x(t – δ)
(sistema inversível)
Este é o chamado sistema com retardo (“time delay system”) pois a saída reproduz a
entrada com um atraso de δ unidades de tempo.
Alternativamente, podemos ver o sistema com retardo (“time delay system”) como
sendo uma translação (“shift”) para a direita de δ unidades de tempo.
Pode-se facilmente verificar que para este sistema, sinais de entrada x(t) distintos pro-
duzem sinais de saída y(t) distintos. Além disso, o sinal de entrada x(t) expresso em
termos do sinal de saída y(t) é de facto:
que é conhecido como sistema em avanço (“time advance system”) pois neste caso o
sinal de saída x(t) reproduz o que será o sinal de entrada y(t) em δ unidades de tempo
depois.
Podemos ver também o sistema em avanço (“time advance system”) como sendo uma
translação (“shift”) para a esquerda de δ unidades de tempo que obviamente também
é a operação inversa translação (“shift”) para a direita do sistema com retardo.
No caso discreto o sistema com retardo (“time delay system”) tem a forma:
Alternativamente, podemos ver o sistema com retardo (“time delay system”) como
sendo uma translação (“shift”) para a direita de nδ unidades de tempo.
O sistema inverso, o sistema em avanço (“time advance system”) que expressa x[n]
em função de y[n] é
Podemos ver também o sistema em avanço (“time advance system”) como sendo uma
translação (“shift”) para a esquerda de nδ unidades de tempo que obviamente também
é a operação inversa translação (“shift”) para a direita do sistema com retardo.
Causalidade
No nosso mundo físico real, se a variável ‘t’ (ou ‘n’ no caso discreto) representa o
tempo, então tem uma dinâmica que evolui no tempo e portanto não é possível se ter
um sistema não causal pois não é possível se prever o futuro.
Entretanto, há casos que a esta variável ‘t’ (ou ‘n’ no caso discreto) pode representar
outro parâmetro ou uma outra grandeza física (que não seja o tempo) e desta forma já
é possível ocorrer sistemas causais.
Exemplo 4.6:
Nos sistemas I a XX acima temos que apenas sistema III é não causal (ou antecipa-
tivo):
Sistema III:
y[ n ] − 5 n y[ n − 1 ] = x [ n + 1 ] − 2 x [ n ]
(sistema não causal ou antecipativo)
pois a saída y[n] depende da entrada x[n] no instante de tempo (n+1). Os demais são
sistemas causais (ou não antecipativos).
22
J. A. M. Felippe de Souza 4 - Sistemas
Fig. 19 – Diagrama de bloco ou caixa preta (black box) esquemático de h[n], a saída
do sistema quando a é entrada impulso uo[n] (sistema discreto).
e,
h(t) = a saída do sistema quando a é entrada impulso uo(t), (caso contínuo).
Fig. 20 – Diagrama de bloco ou caixa preta (black box) esquemático de h(t), a saída
do sistema quando a é entrada impulso uo(t) (sistema contínuo).
y[ n] = h[n] ∗ x[n]
+∞
= ∑ h[ n − k ] ⋅ x[ k ]
k=−∞
eq. (4.4)
23
J. A. M. Felippe de Souza 4 - Sistemas
Ou seja, h[n] traz consigo toda a informação do sistema necessária para saber a saída
de qualquer sinal de entrada x[n].
Isso é ilustrado na figura 21. É comum representar o diagrama de bloco ou caixa
preta (black box) esquemático do sistema com o h[n].
Sabendo-se h[n] nós podemos saber a saída de qualquer sinal de entrada x[n], pela
equação da soma de convolução [eq. (4.4)] acima.
Ou seja, h(t) traz consigo toda a informação do sistema necessária para saber a saída
de qualquer sinal de entrada x(t).
Sabendo-se h(t) nós podemos saber a saída de qualquer sinal de entrada x(t), pela
equação da integral de convolução [eq. (4.5)] acima.
24
J. A. M. Felippe de Souza 4 - Sistemas
A convolução, definida na secção anterior, como uma operação que é, satisfaz algu-
mas propriedades. Aqui vamos mencionar as 3 principais:
a) Propriedade Comutativa
b) Propriedade Distributiva
c) Propriedade Associativa
A Propriedade Comutativa:
h[ n ] ∗ x[ n ] = x[ n ] ∗ h[ n ]
Pela propriedade comutativa podemos concluir que, no caso discreto, a resposta y[n]
de um sistema linear invariante no tempo (SLIT) tanto pode ser a convolução de
h[n] * x[n] como também pode ser a convolução de x[n] * h[n].
+∞
y[ n] = h[n] ∗ x[ n] = ∑ h[ n − k ] ⋅ x[ k ] =
k=−∞
+∞
= x[ n ] ∗ h[ n ] = ∑ x[ n − k] ⋅ h[k].
k=−∞
25
J. A. M. Felippe de Souza 4 - Sistemas
A Propriedade Distributiva:
Ou seja:
Ou seja:
26
J. A. M. Felippe de Souza 4 - Sistemas
A Propriedade Associativa:
( h [ n ] ∗ h [ n ] ) ∗ x[ n ] = h [ n ] ∗ ( h [ n ] ∗ x [ n ] )
1 2 1 2
( h (t) ∗ h
1 2 (t) ) ∗ x(t) = h 1 (t) ∗ ( h 2 (t) ∗ x(t) )
27
J. A. M. Felippe de Souza 4 - Sistemas
Ou seja:
y[n] = ( h 1 [n] ∗ h 2 [n] ) ∗ x[n] = h 1 [n] ∗ ( h 2 [n] ∗ x[n] ) .
Além disso, note que: pela propriedade comutativa, observamos que tanto faz a
ordem em que os sistemas S1 e S2 estão em cascata pois h1[n] * h2[n] = h2[n] * h1[n].
Ou seja,
y(t) = ( h 1 (t) ∗ h 2 (t) ) ∗ x (t) = h 1 (t) ∗ ( h 2 (t) ∗ x (t) ) .
28
J. A. M. Felippe de Souza 4 - Sistemas
h[n] = k uo [n]
+∞ +∞
y[n] = h[n] ∗ x[n] = ∑ h[ n − k ] ⋅ x[ k ] = ∑ k u [ n − k ] ⋅ x[ k ] ,
o
k=−∞ k=−∞
y[n] = k ⋅ x [n]
Por outro lado, no caso contínuo, se um sistema linear e invariante no tempo (SLIT) é
sem memória então a sua resposta ao impulso h(t) é da forma:
h (t) = k uo (t)
29
J. A. M. Felippe de Souza 4 - Sistemas
Portanto, pela fórmula da convolução [eq. (4.5)], temos que, em sistemas SLIT sem
memória:
+∞ +∞
y(t) = h (t) ∗ x (t) = ∫
−∞
h (t − τ) ⋅ x (τ) ⋅ dτ = ∫
−∞
k uo (t − τ) ⋅ x (τ) ⋅ dτ
30
J. A. M. Felippe de Souza 4 - Sistemas
No caso discreto temos que o sistema total (“overall system”), em cascata, ambos o
sinal de entrada e o sinal de saída são x[n], e portanto este sistema total é a identidade,
conforme ilustrado na figura 33.
E, como para o sistema identidade, a resposta impulsional h[n] = uo[n], temos então
que:
h1[n] * h2[n] = uo[n] eq. (4.6)
31
J. A. M. Felippe de Souza 4 - Sistemas
Exemplo 4.7:
Os sistemas com retardo (“time delay systems”) descritos no Exemplo 4.5 acima
são SLIT e temos que as respostas ao impulso unitário h1(t) e h2(t) para os sistemas
das equações eq. (4.2) e eq. (4.3) são respectivamente:
h1(t) = uo(t – δ)
e
h2(t) = uo(t + δ)
e, pela eq. (3.10), verifica-se que h1(t) e h2(t) satisfazem a eq. (4.7) acima, ou seja,
Por outro lado temos que as respostas ao impulso unitário h1[n] e h2[n] para os siste-
mas das equações eq. (4.1) e eq. (4.2) são respectivamente:
h1[n] = uo[n – nδ ]
e
h2[n] = uo[n + nδ]
e, pela eq. (3.3), verifica-se que h1[n] e h2[n] satisfazem a eq. (4.6) acima, isto é,
32
J. A. M. Felippe de Souza 4 - Sistemas
4.9 – Estabilidade
Às vezes usa-se a sigla BIBO estável para descrever esta definição de estabilidade de
sistemas, onde o nome “bibo” vem do idioma inglês:
∑ h[k]
k=−∞
<∞ eq. (4.8)
Um sinal h[n] que satisfaz a equação eq. (4.8) é dito ser absolutamente somável.
33
J. A. M. Felippe de Souza 4 - Sistemas
∫ h(τ) ⋅ dτ < ∞
−∞
eq. (4.9)
Um sinal h(t) que satisfaz a equação eq. (4.9) acima é dito ser absolutamente integrá-
vel.
Exemplo 4.8:
Tomando-se novamente os sistemas com retardo (“time delay systems”) descritos no
Exemplo 4.5 acima
∞ ∞
∑ h[k]
k=−∞
= ∑ u [n − nδ]
k=−∞
o =1
∞ ∞
∫ h(τ) ⋅ dτ
−∞
=
−∞
∫ u (τ − δ) ⋅ dτ = 1
o
e portanto a eq. (4.9) é satisfeita e o sistema com retardo contínuo também é estável.
Este resultado é de certa forma óbvio pois um sinal de entrada limitado irá permane-
cer limitado após uma translação (shift) para a direita (retardo).
34
J. A. M. Felippe de Souza 4 - Sistemas
Exemplo 4.9:
O sistema discreto cuja relação entre os sinais de entrada/saída é dada pela equação
abaixo:
∞
y[n] = ∑ x[k]
k=−∞
É fácil observar que h[n], a resposta ao impulso unitário, para este sistema é
Este sistema não é estável pois nitidamente não satisfaz a eq. (4.8) uma vez que:
∞ ∞
∑ h [k]
k=−∞
= ∑ u [k]
k=−∞
1 = ( 1 + 1 + 1 + K) = ∞
Exemplo 4.10:
No caso contínuo, o sistema cuja relação entre os sinais de entrada/saída é dada pela
equação abaixo:
35
J. A. M. Felippe de Souza 4 - Sistemas
É fácil observar que h(t), a resposta ao impulso unitário, para este sistema é
Este sistema não é estável pois nitidamente não satisfaz a eq. (4.9) uma vez que:
∞ ∞ ∞ ∞
τ2
∫−∞ h(τ) ⋅ dτ = ∫ u1 (τ − δ) ⋅ dτ = ∫ τ⋅ dτ =
2
=∞
0 0 0
O que vimos aqui neste capítulo foram apenas algumas noções básicas de sistemas.
Entretanto, a Teoria de Sistemas é muito mais ampla e inclui muitos outros temas de
estudo. Abaixo vamos ilustrar alguns dos principais tópicos estudados em Teoria de
Sistemas.
Modelização (‘modeling’)
Já referido na secção 4.3, a modelização estuda as técnicas de escrever o
modelo do sistema. No nosso caso o modelo matemático do sistema.
Identificação de parâmetros
Estuda as técnicas de identificar os valores dos parâmetros do modelo. Isto é,
encontrar os valores que melhor ajusta o sistema real ao seu modelo.
Controlo de sistemas
A “Teoria de Controlo” estuda as técnicas de controlar um sistema, ou seja,
conduzir um sistema de um estado inicial para um estado final desejado.
36
J. A. M. Felippe de Souza 4 - Sistemas
Optimização
Estuda as técnicas de optimizar o desempenho do sistema.
Simulação
Estuda as técnicas de construir um modelo simulado do sistema. A simulação
permite que se teste um sistema sem ter que utilizar o próprio sistema real,
mas sim o modelo simulado, em um laboratório ou, muito comummente em
um computador. Em fase de projecto muitas vezes é necessário testar um sis-
tema por muitas vezes e em certos casos os testes danificam ou alteram o
desempenho do sistema. Com o uso de simulação essas tarefas são realizadas
com o modelo simulado do sistema.
Realimentação (‘feedback’)
Estuda as técnicas de reintroduzir informações da saída na entrada com o
objectivo de corrigir o rumo do sistema e desta forma melhorar o desempe-
nho e obter a saída desejada.
R(s) Y(s)
+ S
-
Estimação de estado
Estuda técnicas de recuperar informações do estado inicial do sistema e desta
forma recuperar todos os estados subsequentes.
Sistemas robustos
Existem técnicas que tornam sistemas robustos. A robustez é a qualidade de
um sistema ficar imune, ou protegido, ou inalterado a eventuais alterações
nos parâmetros do modelo, seja por envelhecimento dos componentes ou por
variações ambientais como a mudança de temperatura por exemplo.
37
J. A. M. Felippe de Souza 4 - Sistemas
Sistemas ‘fuzzy’
Usando a lógica‘fuzzy’ estuda técnicas que permitem um linguajar mais
natural e menos matemático nas comunicações e nas definições de variáveis
como o “input” e a “output”.
Sistemas inteligentes
Estuda técnicas para serem implementadas em máquinas, robôs, computado-
res, etc. de forma a estes poderem realizar tarefas que nós humanos ainda
hoje fazemos melhor que a máquina. Em geral são tarefas que nós, os huma-
nos, usamos a nossa mente para realizá-las.
muitas tarefas do nosso dia a dia como: caminhar, falar, ler, escrever,
subir e descer escadas, lembrar de nomes, factos ou coisas, conduzir (um
veículo), identificar uma placa de trânsito, cozinhar, costurar, etc. etc.
Nós humanos usamos o cérebro para realizá-las e é muito difícil ensinar
máquinas para fazê-las por nós.
38