MODELAGEM E SIMULAÇÃO DE SISTEMAS aula 1-5

Prévia do material em texto

MODELAGEM E SIMULAÇÃO DE SISTEMAS
	
		Lupa
	 
	Calc.
	
	
	 
	 
	 
	 
	
	CCE1326_A1_201607322651_V1
	
	
	
	
		Aluno: NINA MORGADO
	Matr.: 201607322651
	Disc.: MOD.E SIM. SISTEMAS 
	2020.2 - F (GT) / EX
		Prezado (a) Aluno(a),
Você fará agora seu TESTE DE CONHECIMENTO! Lembre-se que este exercício é opcional, mas não valerá ponto para sua avaliação. O mesmo será composto de questões de múltipla escolha.
Após responde cada questão, você terá acesso ao gabarito comentado e/ou à explicação da mesma. Aproveite para se familiarizar com este modelo de questões que será usado na sua AV e AVS.
	
	 
		
	
		1.
		Allan Turing é reconhecido como o maior precursor da Inteligência Artificial. Turing desenvolveu um teste para determinar se uma máquina é inteligente ou não. Assinale a alternativa que apresenta uma característica do chamado "Teste de Turing".
	
	
	
	Nunca há dúvida sobre quem é o interrogado.
	
	
	Uma pessoa pode fazer várias perguntas a outra pessoa.
	
	
	Se for possível concluir se o interrogado é uma pessoa ou uma máquina, a máquina possui inteligência.
	
	
	Nunca é possível distinguir se o interrogado é uma máquina ou pessoa.
	
	
	O interrogador precisa saber quem é o interrogado.
	
Explicação:
Uma pessoa em um terminal pode fazer várias perguntas, sem saber quem é o interrogado. Se houver confusão sobre o interrogado ser outra pessoa ou uma máquina compreende-se que a máquina possui inteligência, pois consegue imitar tal característica humana eficientemente, caso seja possível distinguir entre máquina e a pessoa, não há inteligência.
	
	
	
	 
		
	
		2.
		Os sistemas inteligentes se fundamentam na observação de comportamentos na natureza capazes de apresentar ordenamentos complexos. Os seres vivos possuem o seu ordenamento para expressar inteligencia através de um sistema biológico extremamente complexo que os compõe. O sistema bioinspirado resultante dos sistemas inteligentes presentes nos organismos vivos é referido como:
	
	
	
	Sistemas autônomos
	
	
	Princípios lógicos
	
	
	Técnicas conexionistas
	
	
	Representação simbólica
	
	
	Algoritmos evolucionários
	
Explicação:
As redes neurais são o sistema que atribuem inteligencia aos seres vivos e são definidos como sistemas conexionistas na perspectiva computacional.
	
	
	
	 
		
	
		3.
		Mesmo que a Inteligência Artificial produza notáveis benefícios para sociedade, o seu desenvolvimento apresenta objetivos definidos, bem como difucldades em seu apromoramento.
Assinale a alternativa que apresenta um objetivo na implementação de Inteligência Artificial na indústria.
	
	
	
	Ser obsoleta em comparação à ação humana.
	
	
	Suplementar das capacidades humanas, superando seus limites.
	
	
	Ser totalmente dependente da ação humana.
	
	
	Garantir a continuidade do trabalho humano.
	
	
	Nunca ser possível substituir a ação humana em nenhuma área.
	
Explicação:
A suplementação das capacidades humanas, tornado o Ser Humano obsoleto, tanto para produção industrial, ou até mesmo na existência. Não se sabe qual o futuro do trabalho da humanidade, em relação ao trabalho realizado por inteligência artificial, o que leva a crises nesse tema. A Inteligência Artificial se mostra promissora nessa substituição, mesmo que ainda seja, em seu desenvolvimento, dependente da ação humana.
		MODELAGEM E SIMULAÇÃO DE SISTEMAS
2a aula
		
	 
	Lupa
	 
	 
	 
		Exercício: CCE1326_EX_A2_201607322651_V2 
	03/09/2020
	Aluno(a): NINA MORGADO
	2020.2 - F
	Disciplina: CCE1326 - MODELAGEM E SIMULAÇÃO DE SISTEMAS 
	201607322651
	
	 
		1
        Questão
	
	
	A Teoria Fuzzy foi inicialmente sugerida em 1930 por Jan Lukasiewicz para análise de problemas específicos. Que tipo de problema a Teoria Fuzzy busca solucionar?
		
	
	Problemas de regressão linear de funções.
	
	Problemas discritivos.
	 
	Problemas de múltiplicade de valores de possibilidades simultâneas.
	
	Problemas de controle multiobjetivo.
	
	Problemas exclusivamente teóricos.
	Respondido em 03/09/2020 17:49:25
	
Explicação:
A análise que era feita antes da Teoria Fuzzy era capaz de expressar resultados simples, como ¿verdadeiro¿ e ¿falso¿, não sendo capaz de propor valores de intensidade, como ¿maior¿, ¿menor¿, ¿melhor¿ ou ¿pior¿. Para esse tipo de problemas foi proposta a Teoria Fuzzy.
	
	
	 
		2
        Questão
	
	
	Assinale a opção que corresponde o conceito que é atribuído ao conceito fuzzy.
		
	 
	Gradação
	
	Discriminação
	
	Complementação
	
	Especialização
	
	Conformação
	Respondido em 03/09/2020 17:50:03
	
Explicação:
O conceito fuzzy apresenta a ideia de gradação relacionado a pertinência dos conjuntos.
	
	
	 
		3
        Questão
	
	
		MODELAGEM E SIMULAÇÃO DE SISTEMAS
	
		Lupa
	 
	Calc.
	
	
	 
	 
	 
	 
	CCE1326_A3_201607322651_V1
	
	
	
	
		Aluno: NINA MORGADO
	Matr.: 201607322651
	Disc.: MOD.E SIM. SISTEMAS 
	2020.2 - F (GT) / EX
		Prezado (a) Aluno(a),
Você fará agora seu TESTE DE CONHECIMENTO! Lembre-se que este exercício é opcional, mas não valerá ponto para sua avaliação. O mesmo será composto de questões de múltipla escolha.
Após responde cada questão, você terá acesso ao gabarito comentado e/ou à explicação da mesma. Aproveite para se familiarizar com este modelo de questões que será usado na sua AV e AVS.
	
	 
		
	
		1.
		Os elementos de conjuntos diferentes podem interagir entre si pelas operações de conjuntos. Dentre todas as operações dos conjuntos que levam às definições de conjuntos fuzzy, identifique a alternativa que apresenta uma dessas operações.
	
	
	
	Interseção.
	
	
	Tradução.
	
	
	Exponenciação.
	
	
	Interpretação.
	
	
	Multiplicação.
	
Explicação:
Interseção ¿ Elementos comuns a diferentes conjuntos são os elementos de interseção, definida pelo conectivo lógico ¿e¿, pois os elementos devem pertencer a um conjunto e outro conjunto.
	
	
	
	 
		
	
		2.
		Os conjuntos fuzzy são uma generalização dos conjuntos clássicos, ao superar os princípios do meio excluído e da não-contradição, fazendo-se valer do conceito da Dualidade. Logo, a propriedades do conjunto fuzzy, que os diferenciam dos conjuntos tradicionais é:
	
	
	
	A∩A=AA∩A=A
	
	
	A∩¯¯¯¯A=¯¯¯¯AA∩A¯=A¯
	
	
	A∩¯¯¯¯A=AA∩A¯=A
	
	
	A∪¯¯¯¯A≠UA∪A¯≠U
	
	
	A∪A=AA∪A=A
	
Explicação:
Na lógica clássica, uma proposição é verdadeira ou sua negação é verdadeira. Em termos da linguagem de conjuntos, tem-se que:
A∪¯¯¯¯A=UA∪A¯=U
Presmissa vencida pela lógica aplicada aos conjuntos Fuzzy.
	
	
	
	 
		
	
		3.
		Determine a pertinência resultante do conjunto ¯¯¯¯AA¯ (complemento).
A=[0,250,0,321,0,52,0,23]A=[0,250,0,321,0,52,0,23]
 
μ¯¯¯A(x)=1−μA(x)μA¯(x)=1−μA(x)
	
	
	
	¯¯¯¯A=[0,250,0,781,0,02,0,23]A¯=[0,250,0,781,0,02,0,23]
	
	
	¯¯¯¯A=[0,250,0,781,0,52,0,13]A¯=[0,250,0,781,0,52,0,13]
	
	
	¯¯¯¯A=[0,750,0,681,0,02,0,83]A¯=[0,750,0,681,0,02,0,83]
	
	
	¯¯¯¯A=[0,750,0,681,0,52,0,83]A¯=[0,750,0,681,0,52,0,83]
	
	
	¯¯¯¯A=[0,750,0,781,0,52,0,13]A¯=[0,750,0,781,0,52,0,13]
	
Explicação:
Deve-se realizar a operação de complemento elementos a elemento, se o elemento não é listado em um conjunto, o complemento da pertinência é um.
μ¯¯¯A(0)=1−μA(0)=1−0,25=0,75μA¯(0)=1−μA(0)=1−0,25=0,75
μ¯¯¯A(1)=1−μA(1)=1−0,32=0,68μA¯(1)=1−μA(1)=1−0,32=0,68
μ¯¯¯A(2)=1−μA(2)=1−0,5=0,5μA¯(2)=1−μA(2)=1−0,5=0,5
μ¯¯¯A(3)=1−μA(3)=1−0,2=0,8μA¯(3)=1−μA(3)=1−0,2=0,8
Logo
¯¯¯¯A=[0,750,0,681,0,52,0,83]A¯=[0,750,0,681,0,52,0,83]
O termo inglês Fuzzy pode ser traduzido para o português expremindo o significado proposto para a lógica que utiliza essa palavra. Assinale a opção em que os termos apresentados são traduções válidas para o português, assim contribuindo para compreensão do assunto.
		
	
	Raciocínio, Confuso e Lógica.
	
	Raciocínio, Discreto ou Lógica.
	
	Difuso, Discreto e Nebuloso.
	 
	Difuso, Confuso e Nebuloso.
	
	Raciocínio, Discreto e Confuso.
	Respondido em 03/09/202017:50:27
	
Explicação:
O termo nebuloso é o mais adequado para tradução, pois ao mesmo tempo que os conceitos fuzzy são separados (difusos) entre si, eles são combinados (confusos). Por isso tanto nebuloso, quanto difuso e assim como confuso são traduções válidas para o termo ingês fuzzy.
	
	
	
	MODELAGEM E SIMULAÇÃO DE SISTEMAS
	
		Lupa
	 
	Calc.
	
	
	 
	 
	 
	 
	CCE1326_A2_201607322651_V2
	
	
	
	
		Aluno: NINA MORGADO
	Matr.: 201607322651
	Disc.: MOD.E SIM. SISTEMAS 
	2020.2 - F (GT) / EX
		Prezado (a) Aluno(a),
Você fará agora seu TESTE DE CONHECIMENTO! Lembre-se que este exercício é opcional, mas não valerá ponto para sua avaliação. O mesmo será composto de questões de múltipla escolha.
Após responde cada questão, você terá acesso ao gabarito comentado e/ou à explicação da mesma. Aproveite para se familiarizar com este modelo de questões que será usado na sua AV e AVS.
	
	 
		
	
		1.
		A Teoria Fuzzy foi inicialmente sugerida em 1930 por Jan Lukasiewicz para análise de problemas específicos. Que tipo de problema a Teoria Fuzzy busca solucionar?
	
	
	
	Problemas de múltiplicade de valores de possibilidades simultâneas.
	
	
	Problemas discritivos.
	
	
	Problemas de controle multiobjetivo.
	
	
	Problemas exclusivamente teóricos.
	
	
	Problemas de regressão linear de funções.
	
Explicação:
A análise que era feita antes da Teoria Fuzzy era capaz de expressar resultados simples, como ¿verdadeiro¿ e ¿falso¿, não sendo capaz de propor valores de intensidade, como ¿maior¿, ¿menor¿, ¿melhor¿ ou ¿pior¿. Para esse tipo de problemas foi proposta a Teoria Fuzzy.
	
	
	
	 
		
	
		2.
		Assinale a opção que corresponde o conceito que é atribuído ao conceito fuzzy.
	
	
	
	Complementação
	
	
	Especialização
	
	
	Conformação
	
	
	Gradação
	
	
	Discriminação
	
Explicação:
O conceito fuzzy apresenta a ideia de gradação relacionado a pertinência dos conjuntos.
	
	
	
	 
		
	
		3.
		O termo inglês Fuzzy pode ser traduzido para o português expremindo o significado proposto para a lógica que utiliza essa palavra. Assinale a opção em que os termos apresentados são traduções válidas para o português, assim contribuindo para compreensão do assunto.
	
	
	
	Raciocínio, Discreto ou Lógica.
	
	
	Raciocínio, Confuso e Lógica.
	
	
	Difuso, Confuso e Nebuloso.
	
	
	Raciocínio, Discreto e Confuso.
	
	
	Difuso, Discreto e Nebuloso.
	
Explicação:
O termo nebuloso é o mais adequado para tradução, pois ao mesmo tempo que os conceitos fuzzy são separados (difusos) entre si, eles são combinados (confusos). Por isso tanto nebuloso, quanto difuso e assim como confuso são traduções válidas para o termo ingês fuzzy.
	
	MODELAGEM E SIMULAÇÃO DE SISTEMAS
	
		Lupa
	 
	Calc.
	
	
	 
	 
	 
	 
	CCE1326_A4_201607322651_V1
	
	
	
	
		Aluno: NINA MORGADO
	Matr.: 201607322651
	Disc.: MOD.E SIM. SISTEMAS 
	2020.2 - F (GT) / EX
		Prezado (a) Aluno(a),
Você fará agora seu TESTE DE CONHECIMENTO! Lembre-se que este exercício é opcional, mas não valerá ponto para sua avaliação. O mesmo será composto de questões de múltipla escolha.
Após responde cada questão, você terá acesso ao gabarito comentado e/ou à explicação da mesma. Aproveite para se familiarizar com este modelo de questões que será usado na sua AV e AVS.
	
	 
		
	
		1.
		Determinar a relação composta fuzzy R, das relações fuzzy A e B, utilizando o método max-produto.
A=⎡⎢⎣0.10.10.50.30.20.3⎤⎥⎦A=[0.10.10.50.30.20.3]
B=[0.30.20.40.10.40.10.21.0]B=[0.30.20.40.10.40.10.21.0]
Sendo
μR(x,y)=max[μA(x,y)⋅μB(x,y)]μR(x,y)=max[μA(x,y)⋅μB(x,y)]
	
	
	
	R=⎡⎢⎣0.040.020.040.100.150.100.200.300.120.040.080.30⎤⎥⎦R=[0.040.020.040.100.150.100.200.300.120.040.080.30]
	
	
	R=⎡⎢⎣0.30.20.40.10.50.50.50.50.40.30.30.3⎤⎥⎦R=[0.30.20.40.10.50.50.50.50.40.30.30.3]
	
	
	R=⎡⎢⎣0.40.20.41,00.50.30.51.01.01.01.01.0⎤⎥⎦R=[0.40.20.41,00.50.30.51.01.01.01.01.0]
	
	
	R=⎡⎢⎣0.30.40.50.40.30.4⎤⎥⎦R=[0.30.40.50.40.30.4]
	
	
	R=⎡⎢⎣0.30.40.50.30.40.3⎤⎥⎦R=[0.30.40.50.30.40.3]
	
Explicação:
μR(x,y)=max[0.1×0.3;0.1×0.4]=0.04μR(x,y)=max[0.1×0.3;0.1×0.4]=0.04
μR(x,y)=max[0.1×0.2;0.1×0.1]=0.02μR(x,y)=max[0.1×0.2;0.1×0.1]=0.02
μR(x,y)=max[0.1×0.4;0.1×0.2]=0.04μR(x,y)=max[0.1×0.4;0.1×0.2]=0.04
μR(x,y)=max[0.1×0.1;0.1×1.0]=0.10μR(x,y)=max[0.1×0.1;0.1×1.0]=0.10
 
μR(x,y)=max[0.5×0.3;0.3×0.4]=0.15μR(x,y)=max[0.5×0.3;0.3×0.4]=0.15
μR(x,y)=max[0.5×0.2;0.3×0.1]=0.10μR(x,y)=max[0.5×0.2;0.3×0.1]=0.10
μR(x,y)=max[0.5×0.4;0.3×0.2]=0.20μR(x,y)=max[0.5×0.4;0.3×0.2]=0.20
μR(x,y)=max[0.5×0.1;0.3×1.0]=0.30μR(x,y)=max[0.5×0.1;0.3×1.0]=0.30
 
μR(x,y)=max[0.2×0.3;0.3×0.4]=0.12μR(x,y)=max[0.2×0.3;0.3×0.4]=0.12
μR(x,y)=max[0.2×0.2;0.3×0.1]=0.04μR(x,y)=max[0.2×0.2;0.3×0.1]=0.04
μR(x,y)=max[0.2×0.4;0.3×0.2]=0.08μR(x,y)=max[0.2×0.4;0.3×0.2]=0.08
μR(x,y)=max[0.2×0.1;0.3×1.0]=0.30μR(x,y)=max[0.2×0.1;0.3×1.0]=0.30
 
R=⎡⎢⎣0.040.020.040.100.150.100.200.300.120.040.080.30⎤⎥⎦R=[0.040.020.040.100.150.100.200.300.120.040.080.30]
	
	
	
	 
		
	
		2.
		Seja a relação fuzzy RR apresentada na matriz relacional determine o complemento da relação ¯¯¯¯RR¯. Sabendo que
¯¯¯¯R→μ¯¯¯R(x,y)=1−μR(x,y)R¯→μR¯(x,y)=1−μR(x,y)
R=⎡⎢⎣0.250.950.240.640.410.630.470.580.14⎤⎥⎦R=[0.250.950.240.640.410.630.470.580.14]
	
	
	
	¯¯¯¯R=⎡⎢⎣0.850.500.860.460.690.470.630.520.96⎤⎥⎦R¯=[0.850.500.860.460.690.470.630.520.96]
	
	
	¯¯¯¯R=⎡⎢⎣0.750.050.760.360.590.370.530.420.86⎤⎥⎦R¯=[0.750.050.760.360.590.370.530.420.86]
	
	
	¯¯¯¯R=⎡⎢⎣0.250.950.240.640.410.630.470.580.14⎤⎥⎦R¯=[0.250.950.240.640.410.630.470.580.14]
	
	
	¯¯¯¯R=⎡⎢⎣0.950.950.950.640.640.640.580.580.58⎤⎥⎦R¯=[0.950.950.950.640.640.640.580.580.58]
	
	
	¯¯¯¯R=⎡⎢⎣0.760.760.760.590.590.590.860.860.86⎤⎥⎦R¯=[0.760.760.760.590.590.590.860.860.86]
	
Explicação:
μ¯¯¯R(1,1)=1−0.25=0.75μR¯(1,1)=1−0.25=0.75
μ¯¯¯R(1,2)=1−0.95=0.05μR¯(1,2)=1−0.95=0.05
μ¯¯¯R(1,3)=1−0.24=0.76μR¯(1,3)=1−0.24=0.76
μ¯¯¯R(2,1)=1−0.64=0.36μR¯(2,1)=1−0.64=0.36
μ¯¯¯R(2,2)=1−0.41=0.59μR¯(2,2)=1−0.41=0.59
μ¯¯¯R(2,3)=1−0.63=0.37μR¯(2,3)=1−0.63=0.37
μ¯¯¯R(3,1)=1−0.47=0.53μR¯(3,1)=1−0.47=0.53
μ¯¯¯R(3,2)=1−0.58=0.42μR¯(3,2)=1−0.58=0.42
μ¯¯¯R(3,3)=1−0.14=0.86μR¯(3,3)=1−0.14=0.86
Logo
¯¯¯¯R=⎡⎢⎣0.750.050.760.360.590.370.530.420.86⎤⎥⎦R¯=[0.750.050.760.360.590.370.530.420.86]
	
	
	
	 
		
	
		3.
		Determine a relação identidade obtida de A×A=A2A×A=A2, onde
A={x,y,w,z}A={x,y,w,z}
	
	
	
	IA={(x,x);(x,y);(x,w);(x,z)}IA={(x,x);(x,y);(x,w);(x,z)}
	
	
	IA={(x,x);(y,y);(w,w);(z,z)}IA={(x,x);(y,y);(w,w);(z,z)}
	
	
	IA={(x,y);(y,x);(w,z);(z,w)}IA={(x,y);(y,x);(w,z);(z,w)}
	
	
	IA={(x,y);(x,w);(x,z);(y,x);(y,w);(y,z);(w,x);(w,y);(w,z);(z,x);(z,y);(z,w)}IA={(x,y);(x,w);(x,z);(y,x);(y,w);(y,z);(w,x);(w,y);(w,z);(z,x);(z,y);(z,w)}
	
	
	IA={(x2);(y2);(w2);(z2)}IA={(x2);(y2);(w2);(z2)}
	
Explicação:
Um das relações possíveis é um caso especial que pode ser considerado, quando os pares ordenados são os mesmos, chamado relação identidade IAIA.
No caso aplicado
IA={(x,x);(y,y);(w,w);(z,z)}IA={(x,x);(y,y);(w,w);(z,z)}
	
	MODELAGEM E SIMULAÇÃO DE SISTEMAS
	
		Lupa
	 
	Calc.
	
	
	 
	 
	 
	 
	CCE1326_A5_201607322651_V1
	
	
	
	
		Aluno: NINA MORGADO
	Matr.: 201607322651
	Disc.: MOD.E SIM. SISTEMAS 
	2020.2 - F (GT) / EX
		Prezado (a) Aluno(a),
Você fará agora seu TESTE DE CONHECIMENTO! Lembre-se que este exercício é opcional, mas não valerá ponto para sua avaliação. O mesmo será composto de questões de múltipla escolha.
Após responde cada questão, você terá acesso ao gabarito comentado e/ou à explicação da mesma. Aproveite para se familiarizar com este modelo de questões que será usado na sua AV e AVS.
	
	 
		
	
		1.
		Pelo princípio da não contradição da lógica tradicional a surge a noção de exclusividade mútua. Os conectivos lógicos utilizados para a determinação dos valores lógicos das funções compostas são definidos em disjunção, conjunção, negação, implicação e equivalência.
Assinale a alternativa que apresenta o conceito com sua definição correta.Implicação é a determinação que a pertinência de uma proposição ao conjunto verdade é idêntica a pertinência de outra proposição ao conjunto verdade.
	
	
	Negação é dada pela união entre a negação de uma proposição e a outra proposição, logo o máximo das pertinências da negação da primeira proposição com a segunda.
	
	
	Conjunção de uma proposição é o complemento a um da pertinência da proposição.
	
	
	Equivalência é a interseção das duas proposições, por isso, o mínimo das pertinências das proposições ao conjunto verdade.
	
	
	Disjunção é dada pela união entre as proposições, logo é o máximo das pertinências ao conjunto verdade de duas proposições.
	
Explicação:
Implicação é dada pela união entre a negação de uma proposição e a outra proposição, logo o máximo das pertinências da negação da primeira proposição com a segunda.
Conjunção é a interseção das duas proposições, por isso, o mínimo das pertinências das proposições ao conjunto verdade.
Negação de uma proposição é o complemento a um da pertinência da proposição.
Equivalência é a determinação que a pertinência de uma proposição ao conjunto verdade é idêntica a pertinência de outra proposição ao conjunto verdade.
Disjunção é dada pela união entre as proposições, logo é o máximo das pertinências ao conjunto verdade de duas proposições.
	
	
	
	 
		
	
		2.
		A equivalência conectiva, ou a operação bicondicional é definida em que termos das operações apresentadas nas opções seguintes?
	
	
	
	p→q:x∉A ou x∈Bp→q:x∉A ou x∈B
	
	
	¬p→q:x∉A ou x∈B¬p→q:x∉A ou x∈B
	
	
	¬p↔q:x∉A se e somente se x∉B¬p↔q:x∉A se e somente se x∉B
	
	
	p↔q:x∈A se e somente se x∈Bp↔q:x∈A se e somente se x∈B
	
	
	p↔q:x∉A se e somente se x∈Bp↔q:x∉A se e somente se x∈B
	
Explicação:
A equivalência conectiva é dada por Se p→q e p→q, então p↔qSe p→q e p→q, então p↔q
	
	
	
	 
		
	
		3.
		Assinale a opção que apresenta os três princípios lógicos tradicionais.
	
	
	
	Compartilhamento, Não Contradição e Terceiro Excluído.
	
	
	Compartilhamento, Não Contradição e Falsidade
	
	
	Identidade, Não Contradição e Terceiro Excluído.
	
	
	Identidade, Complementação e Falsidade.
	
	
	Identidade, Complementação e Terceiro Excluído.
	
Explicação:
São três os proncípios da lógica clássica proposta por Aristóteles: Identida, Não Contradição e Terceiro Excluído.