Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Fractales Minimonograph PDF
Fractales Minimonograph PDF
on
Sergio Plaza
Contenidos
1 Ideas B
asicas
1.1 Procesos Iterativos . . . . . . . . . . . . . . . . . . . . . . . .
1.2 Curva de Koch: construcci
on geometrica . . . . . . . . . . .
1.2.1 Calculo del area acotada por el copo de nieve de Koch
1.3 Conjunto de Cantor . . . . . . . . . . . . . . . . . . . . . . .
1.4 Tri
angulo de Sierpinski . . . . . . . . . . . . . . . . . . . . . .
1.4.1 Area
del triangulo de Sierpinski . . . . . . . . . . . . .
1.5 Alfombra de Sierpinski . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
3
3
4
5
7
7
8
8
2 Iteraci
on de funciones
2.1 Modelo lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2 Iteraciones de la funci
on x x . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2.1 Metodo de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
9
10
11
12
3 Representaciones Num
ericas
3.0.2 Representaci
on decimal . . . . . . . . . . . . .
3.0.3 Representaci
on en base p > 1 . . . . . . . . . .
3.0.4 Representaci
on triadica ( p = 3) . . . . . . . .
3.0.5 Conjunto de Cantor y representaci
on en base 3
3.0.6 Representaci
on binaria (p = 2) . . . . . . . .
3.1 Triangulo de Sierpinski y representaci
on en base 2 . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
14
14
16
16
17
19
19
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
21
21
21
22
23
23
23
24
25
25
25
26
36
36
37
38
39
40
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Introducci
on
Primero remarquemos que el estudio de los fractales no es algo privativo o exclusivo de las
Matematicas. El estudio y origen de distintos fenomenos que se explican mediante modelos fractales
corresponde determinarlo a las disciplinas cientcas donde se planteen. Tambien debemos se
nalar
el potencial interdisciplinar de estos objetos, como elementos que pueden constituir el eje sobre
el cual distintas disciplinas pueden trabajar coordinadamente. Los fractales desde su primera
formulacion tuvieron una vocaci
on practica de servir como modelos para explicar la naturaleza.
El propio Benoit Mandelbrot tuvo el merito de intuir la potencia de los fractales para construir
modelos que expliquen la realidad, esto lo hizo desde su primera formulacion y desde sus primeros
trabajos que, con un notable af
an practico y divulgador. En este sentido es indispensable leer
los trabajos de Mandelbrot (1975) y (1977), as como el de Feder (1988). Otra cosa que hay
que se
nalar es que por su novedad este dominio de las matematicas est
a lleno de intuiciones muy
acertadas, pero tambien de ambig
uedades Que criterios se pueden seguir para decir que un objeto
real tiene estructura de fractal? Es claro que un criterio puede ser el de la simple percepci
on
visual o intuici
on. A la vista de algo esta claro que alguien exclamar
a esto es un fractal. Esto
ya constituye un criterio bueno y que vale para trabajar con nuestros alumnos. A continuaci
on
podemos investigar algo m
as, el alumno nos puede decir que lo mismo que se ve a gran escala se
ve a peque
na escala, lo cual nos da una idea de recursion o de autosimilitud. O que se parece a un
arbol, lo cual nos da ya idea de ramicaci
sucesivos con variaciones en los programas y en las ejecuciones. Hasta ahora la variacion de las
condiciones en los modelos s
olo podan ser seguidos mediante experimentos o simulaciones mentales reservados a aquellos alumnos mas competentes para la retenci
on de datos y para llevar a
cabo representaciones mentales. A esta capacidad para la iteracion hay que a
nadir la capacidad
graca de los entornos gracos que permiten con su poder de resolucion y rapidez de ejecuci
on,
seguir los procesos iterativos, y contrastar la variaci
on en las representaciones con variaciones en
los par
ametros.
Captulo 1
Ideas B
asicas
Que es un Fractal?,
Fractales?
son las guras siguientes Fractales? , que razon tenemos para llamarlas
1.1
Procesos Iterativos
La idea fundamental de un proceso iterativo consiste en lo siguiente: dado uno o varios valores
iniciales, se introducen estos en una o varias formulas, transformaci
on iterativa, la cual podemos
imaginar como una m
aquina que transforma un valor inicial o varios valores iniciales en otro u
otros valores, resultado, el cual pasa a ser considerado como parte de nuevos valores iniciales o de
un nuevo valor inicial para el proceso iterativo. Un valor inicial puede ser un ente geometrico, por
ejemplo un punto o un conjunto de puntos o una gura. La transformacion que se aplica puede
venir expresada por f
ormulas o por una serie de pasos a ejecutar en cada etapa de la iteraci
on.
Un ejemplo sencillo de un proceso iterativo es dado por la sucesion de Fibonacci, (Fn )nN , cuyos
primeros valores son
1, 1, 2, 3, 5, 8, . . .
la cual se obtiene considerando los valores iniciales F0 = 1 , F1 = 1 y para n 1 la formula
iterativa Fn+1 = Fn + Fn1 .
Esta sucesion tiene relaci
on con un problema cl
asico sobre reproducci
on de conejos
Se pone en un campo cerrado un conejo y una coneja. Estos est
an fertiles al mes de vida.
Suponga que se demora un mes en nacer otra pareja de un conejo y una coneja. Suponiendo que los
conejos no mueren, y que cada vez engendran un macho y una hembra con las mismas condiciones
que la pareja inicial Cu
antos pares de conejos habr
a en 6 meses, en un a
no, en dos a
nos ...?
3
El modelo Fibonacci para la reproduccion de los conejos, es quiza, uno de los primeros modelos
matematicos para representar realidades. Aunque como el lector comprender
a no es un problema
muy serio.
El proceso iterativo que acabamos de ver, viene expresado por una formula. Un ejemplo de
un proceso iterativo que viene expresado como una serie de pasos a ejecutar, lo ilustramos en la
pr
oxima seccion.
1.2
1
3 (longitud
Obtenemos as una poligonal 1 (de la base de la gura, en azul los intervalos que permanecen
y en rojo los nuevos segmentos agregados) formada por cuatro segmentos de longitud 13 , por
lo tanto su longitud 1 es 4 13 = 43 .
3. Aplicamos el proceso de reemplazar cada segmento de la poligonal 1 obtenida en la etapa
anterior por cuatro segmentos cada uno de longitud 13 (longitud del segmento considerado).
Con esto, obtenemos la gura siguiente
1
9
, hay 16 de tales
4. Repetimos el proceso de reemplazar cada segmento de recta de la poligonal por cuatro segmentos, como se hizo en el paso 2. Obtenemos as una poligonal 3 que consta de 64
1
, por lo tanto la longitud de la poligonal 3 es
segmentos, cada uno de longitud 13 19 = 27
4 3
64
=
.
27
3
5. Este proceso puede repetirse indenidamente, obteniendo una curva de longitud innita,
pues en la etapa n la poligonal obtenida consta de 4n segmentos, cada uno de longitud 31n .
n
Por lo tanto la longitud de n es 43
que se hace grande cuando n crece. La curva lmite
es llamada curva de Koch.
Como puede observarse desde la construcci
on de la curva de Koch, en cada etapa agregamos puntos
esquinas (aquellos que forman el vertice de dos segmentos). La curva nal tendr
a un punto esquina
en cada punto, esto no es facil de imaginar, pero de hecho as ocurre.
La construccion de reemplazar cada segmento por otros cuatro, cada uno de longitud 13 (longitud
del segmento considerando en la etapa anterior) puede aplicarse, por ejemplo, a los lados del
triangulo equilatero de lado 1. Obteniendo, una gura como se muestra abajo
Es f
acil ver que la longitud de la curva lmite crece indenidamente, notemos que la curva lmite
acota una regi
on de area nita en el plano . Esta curva lmite es llamada copo de nieve de Koch.
Ella hiere nuestra intuici
on, pues es una curva de longitud innita que delimita una regi
on de
area
nita en el plano. Una manera sencilla de ver esto, es mostrar que la curva de Koch esta contenida
en la regi
on delimitada por el crculo circunscrito al tri
angulo equilatero con el cual comenzamos
la construccion. A seguir calculamos en forma explcita el area que acota el copo de nieve de Koch.
1.2.1
C
alculo del
area acotada por el copo de nieve de Koch
Ahora calcularemos el area delimitada por el copo de nieve de Koch, la siguiente gura nos muestra
hasta la etapa 2 los triangulos que vamos agregando,
Inicialmente
tenemos un triangulo equilatero de lado 0 = 1 , por lo tanto su area es igual a
3
3
3 1
3
1
1
+
+3
=
12 tri
angulos, cada uno con
4
4 9
4
3 = 3 . En la etapa 2, a lo anterior agregamos
1
= 1027 3 .
lado de longitud 2 = 19 , luego el area de la gura resultante es A2 = 43 1 + 13 +12 43 81
En la etapa 3, al area que ya tenemos le agregamos 48 tria
ngulos
equilateros,
cada uno de lado
1
10 3
3 1
282 3
3 = 27 , por tanto el area de la gura en la etapa 3 es A3 = 27 +48 4 272 = 272 . Continuando
de esta manera, podemos postular que el area delimitada por la curva de Koch cerrada es 2 5 3 .
De hecho, tenemos
A1 A0
A2 A1
A3 A2
=
..
.
An An1
0
3
3
3 4
=
3
4
12 9
1
10 3
3
3 4
=
27
3
12 9
2
3 4
282 3 10 3
=
2
27
27
12 9
n1
3 4
12 9
..
.
Ahora, como An A0 = (An An1 )+(An1 An2 )+ +(A3 A2 )+(A2 A1 )+(A1 A0 ) ,
nos queda
An A0 =
3
12
4 n1
9
4
9
de donde
3
+
An =
4
3
12
4 n1
5
9
k
tiende a 0 cuando k crece indenidamente, se sigue que An se aproxima al valor
Como 49
como deseabamos probar.
Observaci
on. Si en la construcci
on del copo de nieve de Koch comenzamos con un tri
angulo
equil
atero de lado a , no hay nada substancialmente distinto a lo expuesto anteriormente.
2 3
5
1.3
Conjunto de Cantor
0
1
1
2
3
2
2 2
3
3
2 3
3
n
2 n
3
1.4
Tri
angulo de Sierpinski
El nombre de esta gura fractal lo debe a su creador el matematico polaco Wlaclaw Sierpi
nski
(14/03/188221/10/1969). La construccion cl
asica de esta gura fractal es como sigue. Consideramos una region triangular, la cual para simplicar suponemos delimitada por el triangulo
equilatero de lado 1. Dividimos la regi
on en cuatro regiones menores de igual area, esto se logra
uniendo los puntos medios de los lados del triangulo original.
1.4.1
Area
del tri
angulo de Sierpinski
El tri
angulo de Sierpinski tiene area cero. Para mostrar esto calculamos el area retirada en la
construcci
on del triangulo de Sierpinski.
1
es A2 = 9 43 16
= 9643 , y continuando de este modo, en la etapa n de la construccion, el area de
n1
n1
n1
la gura que resulta es An = 34n1 43 . Ahora, como 34n1 = 34
tiende a 0 cuando n crece
indenidamente, conclumos que el tri
angulo de Sierpinski tiene area 0
El tri
angulo de Sierpinski, al igual que la curva de Koch y al conjunto de Cantor, es autosimilar.
Estas tres guras, constituyen la triloga de los mas cl
asicos ejemplos de las guras llamadas
fractales.
1.5
Alfombra de Sierpinski
Construcci
on de la alfombra de Sierpinski
Otro de los ejemplos de los llamados fractales clasicos es la esponja de Menger, cuya construcci
on
geometrica es analoga a la del triangulo de Sierpinski. La esponja de Menger es un fractal que
tiene volumen 0 y area innita, por lo tanto es una especie de version tridimensional de la curva de
Koch, la gura muestra las primeras etapas de su construcci
on, de la cual el lector puede deducir
su proceso general de construcci
on.
Esponja de Menger
Captulo 2
Iteraci
on de funciones
Muchos modelos matem
aticos se han construido para estudiar crecimiento de poblaciones, esta
pueden ser de diferentes especies.
Si denotamos la ley que rige el crecimiento de una poblacion por x(n + 1) = f (x(n)) , donde
x0 = x(0) denota el valor que tomamos como valor inicial para nuestro estudio, entonces x(n) =
f n (x(0)) , donde f n signica f compuesta consigo misma n veces, es decir, f n = f f .
As x(n) ser
a el valor que tiene la variable poblacional en el tiempo despues de n unidades de
tiempo (segundos, minutos, das, a
nos, siglos, milenios,...). Luego, el valor de la variable x(n) en
el siguiente estado es x(n + 1) = f (x(n)) . En Biologa de poblaciones, x(n) puede representar el
tama
no de una poblacion en la generacion n , este modelo establece que el tama
no x(n + 1) de
una poblaci
on en la generacion n + 1 est
a relacionado al tama
no de la poblacion en la generacion
precedente n por la funci
on f . En epidemiologa, x(n) representa la fraccion de poblacion
infectada en el tiempo n . En economa, x(n) puede ser el precio por unidad en el tiempo n de un
cierto bien transable. En Ciencias Sociales, x(n) puede ser la cantidad de unidades de informacion
que puede ser recordada despues de un prodo n de tiempo.
Queremos saber c
omo evoluciona la poblacion a partir de un tama
no poblacional inicial x(0) =
x0 , para ello debemos calcular x1 = f (x0 ) , x2 = f (x1 ) = f (f (x0 )) , . . . . Antes de continuar,
introducimos la notacion siguiente, f 0 (x) = x , f 1 (x) = f (x) , f 2 (x) = f f (x) , y en general,
f n (x) = f (f n1 (x)) , n 1 . As, en nuestro ejemplo, x3 = f 3 (x0 ) , x4 = f 4 (x0 ) , . . . y el problema ahora es describir la conducta de esta sucesion de puntos x0 , x1 , x2 , . . . . El proceso descrito
arriba es llamado iteraci
on de una funci
on. Una forma de visualizar el proceso de iteraci
on de
una funci
on es el siguiente. Gracamos la funci
on f (x) y la diagonal = {(x, x) : x R} en
el plano. Comenzando con x0 , trazamos un segmento de recta paralelo al eje y en la direccion
del gr
aco de f (x) , la interseccion de este segmento de recta con el graco de f (x) es el punto
(x0 , f (x0 )) . A partir de este punto trazamos un segmento de recta paralelo al eje x en la direccion
de la diagonal , su interseccion con la diagonal es el punto (f (x0 ), f (x0 )) , luego su coordenada
de las abscisas es x1 = f (x0 ) . Continuando con este proceso, a partir del punto (f (x0 ), f (x0 ))
trazamos un segmento de recta paralelo al eje y en la direccion del gr
aco de f (x) , su intersecci
on
con el gr
aco de f (x) es el punto (x1 , f (x1 )) = (f (x0 ), f 2 (x0 )) . Ahora, a partir de este punto
trazamos un segmento de recta paralelo al eje x en la direccion de la diagonal , su interseccion
con esta es el punto (f (x1 ), f (x1 )) = (f 2 (x0 ), f 2 (x0 )) , luego su abscisa es el x2 = f (x1 ) = f 2 (x0 ) .
Por lo tanto para visualizar geometricamente las iteraciones de una funci
on de variable real y a
valores reales, es continuar con el proceso descrito arriba. En la gura siguiente se muestra las
iteraciones de un punto x0 el cual denotamos por el smbolo 1 . La interseccion del segmento
de recta a partir de x0 y paralelo al eje y lo denotamos por el smbolo 2 y representa al punto
(x0 , f (x0 )) , el smbolo 3 representa al punto (f (x0 ), f (x0 )) , el smbolo 4 representa al punto
9
10
(f (x0 ), f 2 (x0 )) , y as sucesivamente.
Desde al analisis de la gura se ve facilmente que debemos hacer para describir geometricamente
la sucesion xn = f n (x0 ) , n = 1, 2, . . . . Al conjunto orbf (x0 ) = {f n (x0 ) : n N} lo llamamos
orbita positiva de x0 .
Si un punto x satisface f n (x) = x y f j (x) = x para 0 < j < n , decimos que x es un punto
peri
odico de perodo n para f , geometricamente, un punto es periodico de perodo n si el graco
de la funci
on f n (x) corta a la diagonal en dicho punto, y no es punto periodico de perodo menor.
2.1
Modelo lineal
n 0,
= f (x0 ) = x0
x(2)
x(3)
= f (x1 ) = x(1) = 2 x0
= f (x2 ) = x(2) = 3 x0
..
.
x(n)
= f (xn1 ) = n x0 .
11
iteraciones cuando > 0 y = 1 , son mostradas en las guras siguientes
Poblaci
on estable: no crece ni decrece. Si = 1 , entonces x(n) = x0 para todo n , y la
problacion permanece constante.
Supongamos ahora que < 0 . En este caso decimos que tenemos un modelo de tela de ara
na,
por razones obvias al observar las iteraciones de la funci
on f (x) = x .
Caso 1 < < 0 . Si 1 < < 0 , entonces las iteraciones de cada punto x0 , con x0 = 0 ,
tienden a 0, pero esta vez lo hace espiralando como se muestra la gura abajo. La poblaci
on tiende
a extinguirse, pero la conducta de ella es de espiral. El punto x = 0 permance jo durante todas
las iteraciones. La conducta de las iteraciones es mostrada en la gura siguiente.
Caso < 1 . Cuando < 1 , las iteraciones de cualquier punto, excepto x = 0 , tiende a
innito espiralando como muestra la gura siguiente. El punto x = 0 permance jo durante todas
las iteraciones. La conducta de las iteraciones cunad0 < 0 y = 1 son mostradas en las guras
siguientes
Caso = 1 . En este caso, la conducta se repite periodicamente cada dos iteraciones, pues
f (f (x)) = x para todo x = 0 , el punto x = 0 permance jo durante todas las iteraciones.
Como vimos el modelo lineal de poblaciones en muy facil de analizar, su conduta depende s
olo
del valor del parametro , y s
olo ocurren las conductas antes vistas.
2.2
Iteraciones de la funci
on x
Si elegimos un n
umero positivo x0 , el cual consideremos como valor inicial y aplicamos repetidas
veces la formula extraer raz cuadrada obtenemos una sucesion de valores
x0 x1 = x0 x2 = x1 =
x0 x3 = x2 =
x1 =
x0
Note que la sucesion xn siempre converge a 1, independiente de la condicion inicial que tomemos.
En concreto, si tomamos
x0 = 2 obtenemos x1 = 2 = 1.414212562 . . ., x2 =
2 =
x
x en la calculadora, veremos aparecer un 1, lo cual es resultado de las aproximaciones
12
x0 = 0.3
2.2.1
x0 = 3
M
etodo de Newton
Otro ejemplo de un proceso iterativo denido mediante una funcion es el siguiente. Dado un
n
umero real positivo a , el proceso iterativo1
xn+1
1
=
2
a
xn +
xn
xn
3
1.8333333 . . .
1.46212121212 . . .
1.41499842990 . . .
1.41421378004 . . .
1.41421356238 . . .
1.41421356238 . . .
detenemos el
de 0.1 1010 con
proceso en x6 = 1.41421356238 . . ., pues este valor
tiene un error 10
el valor de 2 obtenido mediante la calculadora, es decir, | 2 x6 | = 0.1 10
.
x0 = 0.3
x0 = 3
1 Este proceso iterativo es conocido desde muy antiguo, lo usaban los babilonios para el c
alculo de races cuadradas,
posteriormente es conocido como m
etodo de Newton
13
Si comenzamos con un valor inicial x0 < 0 entonces la sucesion que se genera se aproxima a
a.
iteraciones de Newton, x0 = 3
n
a podemos usar la f
ormula iterativa
1
a
xk+1 =
(n 1)xk + n1 ,
n
xk
3
por ejemplos para calcular aproximaciones del valor a podemos usar la sucesion
1
a
xk+1 =
2xk + 2 .
3
xk
En general, para calcular
Podemos, por ejemplo, usar la formula iterativa anterior para calcular aproximadamente 3 2 .
Iterar funciones, en general, es una tarea complicada, las siguientes guras ilustran las iateraciones obtenidas de la funci
on logstica f (x) = x(1 x) para proximo de 4.
= 3.8
= 4.0
= 4.0
Captulo 3
Representaciones Num
ericas
Para representar n
umeros en alg
un sistema numerico, lo primero que debemos hacer es denir cu
al
ser
a el conjunto de dgitos. Para el sistema decimal el conjunto de dgitos es D = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9} ,
para el sistema binario el conjunto de dgitos es D = {0, 1} . Estos representan los sistemas
numericos mas com
umente usados, el primero por ser el de uso cotidiano y el segundo por ser
usado por los sistemas computacionales. Otros de uso no tan difundido son los sistemas en base
3 (representacion ternaria), base 8 y base 16. El uso de representaciones en ciertas bases es muy
antiguo, por ejemplo, los Babilonios usaban base 60 para representar los n
umeros.
3.0.2
Representaci
on decimal
ki 10i
i=0
2
j
= 0.666666 . . . = 0.6 + 0.06 + 0.006 + =
6 10 = 6
10j .
3
j=1
j=1
j
Por lo tanto debemos estudiar la convergencia de la serie innita
. En este ejemplo,
j=1 6 10
esto es inmediato puesto que ella es una serie geometrica de razon 1/10 y su suma es 2/3 .
A continuaci
on construimos una representacion decimal para los n
umeros reales x con 0
x 1 . Denotaremos a este conjunto por el smbolo [0, 1] y geometricamente lo representaremos
por el segmento de recta de longitud 1. En otras palabras, a cada punto de la recta corresponde
un elemento de [0, 1] . Dado x [0, 1] queremos representarlo como
x=
ki 10i
i=1
14
15
donde para cada i 1 , los coecientes (dgitos) ki son elementos en D . La forma de obteneer
esta representacion es an
aloga a lo que ya hicimos, para ello basta observar que existe un u
nico
k1 elemento en D tal que k1 /10n x < (k1 + 1)/10n , de este modo obtenemos que x puede
escribirse en la representacion (3.1). Como en el ejemplo de la representacion decimal del n
umero
2
,
el
problema
se
reduce
a
examinar
si
la
serie
del
lado
derecho
en
la
representaci
o
n
de
x es
3
i
i
/10
9/10
para
cada
i
1,
pues
se
tiene
convergente. Para mostrar esto notemos
primero
que
k
i
n
que ki {0, 1, . . . , 9} . Sea
xn = i=1 ki 10i la suma parcial hasta el termino n de la serie
n
k 10i y sea Gn = i=1 9 10i la correspondiente suma parcial de la serie geometrica
i1 i i
etrica son positivos se obtiene que
i1 9 10 . Puesto que los coecientes de la serie geom
xn Gn
9 10i = 1,
i=1
consideremos el desarrollo decimal de x, esto es, escribamos x = i=0 ki 10i . Denamos para
cada n
umero natural n el n
umero
n
ki 10i .
qn =
i=1
|x qn | =
ki 10i
i=n+1
9 10i = 10n
i=n+1
N
i=0
ki 10i +
kj 10j .
j=1
16
Cada qn es un n
umero racional y en forma an
aloga al caso anterior se demuestra que qn se
aproxima cada vez m
as a x cuando n crece indenidamente.
Esta propiedad de los n
umeros racionales en los n
umeros reales es llamada densidad de los
racionales en los
reales.
Por ejemplo, 2 = 1.414213 . . . se puede escribir en la forma
1
4
4
2
1
3
+
2 = 1 100 +
+ 3 + 4 + 5 + 6 + .
10 102
10
10
10
10
De este modo, utilizando la representacion anterior, podemos escribir cada n
umero real positivo
en su forma decimal y obtener de este modo aproximaciones de el por n
umeros racionales.
En general la representaci
on decimal de un n
umero no es u
nica, por ejemplo n
umero 1 puede
escribirse como
9
0
1
=
1
10
+
.
1 = 0 100 +
j
10
10j
j=1
j=2
Cuando el denominador de una fraccion irreducible p/q no es una potencia de 10, la representacion decimal de el es periodica. Por otra parte, la perdida de unicidad en la representacion
decimal de un n
umero real ocurre cuando x es de la forma p/q con q una potencia de 10. Observemos tambien que un n
umero irracional tiene representacion decimal no peri
odica.
3.0.3
Representaci
on en base p > 1
ki pi = k0 + k1 p + + kN pN ,
i=0
kj pj +
j=0
ki pi .
i=1
3.0.4
Representaci
on tri
adica ( p = 3)
Esta representacion consiste en tomar p = 3 y por lo tanto el conjunto de dgitos es D = {0, 1, 2}.
Entonces todo n
umero real positivo x es representable como
x=
N
i=0
ki 3i +
j=1
kj 3j
17
1
donde los coecientes k D para todo . Por ejemplo, 38
+ 2 32 + 2 33 + 0 34 +
81 = 1 3
n
+ 0 3 + . Observemos que en este caso los coecientes son k1 = 1, k2 = 2, k3 = 2 y kj = 0
para j 3. Otros ejemplos de representaciones tri
adicas son
15
7
9
2
2
9
0 30 + 2 31 + 1 32
2 31 + 1 32
1 30 + 1 31 + 0 32 + 0 33 + 2 34 + (no peri
odica)
0 31 + 2 32 = 1 31 + 2 32 + 2 33 + + 2 3k +
2 3(2j+1) +
j=0
1 32j
2 j j
9 +
9
3 j=0
j=1
7
2 9 1
+ = .
3 8 8
8
j=0
En general, un n
umero real x tiene una representacion nita en base 3, es decir,
x=
ki 3i +
i=0
kj 3j
j=1
3.0.5
Veamos que el conjunto de Cantor esta formado por los puntos x [0, 1] , cuya representacion en
el sistema en base 3 no contienen al dgito 1, es decir, puntos de la forma
x=
j=1
kj 3j
18
Geometricamente esto es hecho como sigue. Primero dividimos el intervalo [0, 1] en 3 partes
iguales, es decir,
[0, 1] = [0, 1/3] ]1/3, 2/3[ [2/3, 1] .
Denotemos por I0 , I1 e I2 los intervalos [0 , 13 ] , ] 13 , 23 [ y [ 23 , 1], respectivamente. Los n
umeros
en I0 comienzan su representacion en base 3 con el dgitos k1 = 0 , los de I1 con el dgito k1 = 1 y
los de I2 con el dgito k1 = 2 , por lo tanto eliminamos de nuestro intervalo [0, 1] el intervalo central
abierto I1 , nos restan entonces con los intervalos cerrados I0 e I2 . Ahora en los intervalo I0 e I2
buscamos los puntos para los cuales k2 es 0 o 2. Tenemos que k2 es igual a 0 en I00 = [0 , 19 ] y en
I20 = [ 23 , 79 ], es igual a 1 en I01 =] 91 , 29 [ y en I21 =] 97 , 89 [ , nalmente k2 es igual a 2 en I02 = [ 29 , 13 ]
y en I22 = [ 89 , 1] . Por lo tanto eliminamos de nuestros intervalos los intervalos centrales abiertos,
I01 e I21 .
Denamos ahora, para cada n N, el conjunto n = {a1 . . . an : ai {0, 2}, i = 1, 2, . . . , n} ,
es decir, n esta formado por todos los posible arreglos de largo n de ceros y dos, por ejemplo I0 ,
I2 los podemos escribir como, I , con 1 e I00 , I02 , I20 , I22 como I con 2 .
Usando esta notacion, podemos repetir el proceso anterior eliminando desde cada uno de los
intervalos I00 , I02 , I20 e I22 los intervalos centrales abiertos I1 donde 2 , obtenemos as
una union de 23 intervalos cerrados. En la etapa siguiente debemos eliminar de cada uno de los
intervalos dejados, los intervalos centrales abiertos del tipo I1 , con 3 . Continuando de este
modo, en el paso n tenemos una union de 2n intervalos cerrados, y de cada uno de los cuales
debemos eliminar los intervalos centrales abiertos I1 , con n , y as sucesivamente. Es claro
que los n
umeros eliminados tienen por lo menos un 1 en su representaci
on triadica, los puntos que
restan de la construccion solo tienen dgitos 0 o 2 en su represenation en base 3.
Mediante el proceso descrito arriba, obtenemos el conjunto de Cantor C , como habiamos
armado.
Por ejemplo, 14 pertenece al conjunto de Cantor, pues como vimos antes,
1
= 0 31 + 2 32 + 0 33 + 2 34 + ,
4
donde los coecientes de potencia par son iguales a 2 y los de potencia impar son iguales a 0.
Para tener otra imagen del conjunto de Cantor, hagamos la siguiente construcci
on:
Sea x un n
umero real y sea L R un conjunto. Denimos la traslacion de L por x como el
conjunto
L + x = {y + x : y L} .
Ahora denamos una sucesion de conjuntos, Lk , donde Lk = Lk1 +sk1 , k N. Comenzamos
por denir una sucesion (sk )kN , por s0 = 23 y para k 1 , sk = 13 sk1 . La sucesion de conjuntos
Lk , con k 0 , es entonces denida por L0 = {0} , y Lk = Lk1 (Lk1 + sk1 ) , para k 1 ,
por ejemplo,
2
2 2 8
L1 = 0 ,
, L2 = 0 , , ,
,...
3
9 3 9
Note que L0 L1 L2 Lk y que Lk esta formado por 2k puntos distintos.
Ademas, para cada y L su representaci
on en base 3 s
olo contiene dgitos 0 o 2, por lo tanto cada
conjunto Lk esta contenido en el conjunto de Cantor, C. Denotemos por L = kN Lk , es claro
que L C . Por otra parte, es facil ver que 1/4 no pertenece a L , por lo tanto L = C . Armamos
que cada x C se obtiene es aproximado tanto cuanto se desee por alguna sucesi
on de puntos en
L , es decir, L es denso en C . En efecto, dado x C , su representaci
on en base 3 es de la forma
x=
j=1
kj 3j
19
n
j
donde kj = 0 o 2. Denamos la sucesion (xn )nN , donde xn =
, esto es, xn
j=1 kj 3
corresponde a la suma de los primero n terminos de la representacion de x en base 3 . Es claro que
para cada n N , se tiene que xn Ln , y que
|x xn | =
kj 3j
j=n+1
2 3j = 3n
j=n+1
3.0.6
Representaci
on binaria (p = 2)
N
i=0
ki 2i +
kj 2j
j=1
0 21 + 0 22 + 1 23
0 21 + 1 22 + 0 23 1 24 + 1 25 .
Un n
umero irracional debe tener innitos unos en su expresion binaria (de otra forma representara un n
umero racional) y estos ceros y unos no tienen ninguna periodicidad. Es as como los
smbolos 01001000100001 . . . , 110111011110111110 . . . representan n
umero reales. El lector puede
tratar de calcularlos.
Para las computadoras, calculadoras y relojes analogicos los n
umeros son objetos de diferentes
longitudes con ceros y unos, donde la longitud de los smbolos que estas maquinas pueden calcular
es nito (dependiendo de la capacidad de cada una) concluimos que ellas trabajan solamente
con n
umeros racionales y solo con una cantidad nita de ellos. Para m
aquinas que procesan
s
olo aproximaciones racionales de 2.
En las representaciones de n
umeros reales que hemos expuesto consideramos que tanto la base
p (p > 1) y los dgitos D utilizados son n
umeros naturales, la verdad es que esto s
olo sirvio
para simplicar la exposici
on y los c
alculos. En general, podemos contruir representaci
ones de
los n
umeros reales usando una base cualesquiera p con |p| > 1 y un conjunto nito de dgitos
on |p| > 1 es necesaria para garantizar la convergencia de las
D = {d1 , d2 , . . . , dk }. La condici
series geometricas involucradas en cada caso.
3.1
Tri
angulo de Sierpinski y representaci
on en base 2
En el plano eligimos un sistema de coordenadas (u, v) con origen en (0, 0) , donde la recta de las
abscisas coincide con el eje horizontal y la recta de las ordenadas forma un angulo de 600 con el
eje horizontal. Es facil ver que las coordenadas en el plano u v , con 0 u 1 y 0 v 1
representan un punto en el triangulo de Sierpinski si y s
olo si la expansi
on en base 2 de u y de v
20
tri
angulo de Pascal mod 2
Captulo 4
4.1
Comenzamos por estudiar iteraciones de funciones en la recta. Para esto iniciamos el estudio con
las mas simples, transformaciones anes. Un transformaci
on afn de la recta en si misma es una
funci
on de la forma f (x) = ax + b , donde a, b son constantes reales. El n
umero b = f (0) es
llamado el factor de traslaci
on y a es llamado el factor de contracci
on si |a| < 1 o de expansi
on si
|a| > 1 , cuando |a| = 1 la aplicacion es llamada una similaridad, pues |f (x) f (y)| = |x y| .
El efecto que tiene b es trasladar el origen al punto b , luego, para el analisis de como act
ua
una transformacion afn de la recta en si misma, basta ver el efecto que tiene el coeciente a .
Caso a > 0 . En este caso, la imagen de un intervalo por f (x) = ax , digamos [0, 1] , es el intervalo
[0, a] . Cuando a < 1 el intervalo es contraido al intervalo [0, a] [0, 1] . Cuando a > 1 el
intervalo inicial es expandido al intervalo [0, a] [0, 1] . Finalmente, cuando a = 1 el intervalo es
dejado invariante, es decir, no sufre modicaciones.
Caso a < 0 . En esta caso, la imagen del intervalo [0, 1] por f (x) = ax es el intervalo [a, 0] ,
el cual es contraido si 1 < a < 0 o expandido si a < 1 , y cuando a = 1 el intervalo se
trasnforma en [1, 0] . Note que f f (x) = a2 x , luego las segundas iteraciones se se encuentran
en la parte positiva de la recta. En general, f n (x) = (f f )(x) = an x , por lo tanto las
n veces
iteraciones pares se encuentran en la parte positiva de la recta y las iteraciones impares en la parte
negativa.
4.1.1
Sergio Plaza
22
b
|a| < 1 entonces an converge a 0 cuando n , y obtenemos que f n (x) 1a
cuando n .
b
b
b
es un
Por otra parte, un calculo directo nos da que f 1a = 1a , es decir, el punto xf = 1a
..
.
es decir, al intervalo [0, 1] le aplicamos las funciones f1 (x) y f2 (x) , obtenemos dos intervalos
como muestra la gura, a cada uno de esos nuevos intervalos, le aplicamos las funciones f1 (x) y
f2 (x) y obtenemos 4 intervalos, y as sucesivamente ad innitum, estas dos funciones operando
conjuntamente, dan origen en este proceso iterativo al conjunto de Cantor, y por separado, s
olo
generan como imagen nal un punto cada una de ellas
4.2
Ahora vamos a estudiar iteraciones de sistemas de funciones del plano en si mismo. En general,
necesitamos el concepto de transformacion contractiva, pero dado que esta es s
olo una introduccion
al tema, nos limitaremos a estudiar las aplicaciones contractivas m
as simple, es decir, transformaciones contractivas anes del plano en si mismo.
Comenzamos con la denici
on general de transformaci
on afn para despues restringirnos a las
que cumplen la condici
on de contractividad. Una transformaci
on afn en el plano es una funci
on
T : R2 R2 de la forma
T (x, y) = (ax + by + e, cx + dy + f )
donde a, b, c, d, e, f R , la cual podemos escribir usando el lengueje matricial como
a b
x
e
T (x, y) =
+
c d
y
f
a b
e
la parte
de la transformacion T (x, y) la llamamos parte lineal y al vector
lo
c d
f
llamamos vector de traslaci
on.
Si llamamos (r1 , 1 ) a las coordenadas polares del punto del plano cuyas coordenadas rectangulares son (a, c), es decir, a = r1 cos(1 ) y c = r1 sen(1 ) y (r2 , 2 + 2 ) a las correspondientes al
punto (b, d), es decir, b = r2 cos(2 + 2 ) = r2 sen(2 ) y d = r2 sen(2 + 2 ) = r2 cos(2 ) , tenemos
que
Sergio Plaza
23
a
c
b
d
=
r1 cos 1
r1 sen1
r2 sen2
r2 cos 2
.
4.2.1
Con el objetivo de visualizar como una gura geometrica es trasformada mediante una transformacion afn del plano en si mismo, estudiamos en detalles las traslaciones, reexiones y rotaciones.
En cada caso se muestra la forma particular de la matriz y el efecto tpico que produce cuando la
aplicamos al cuadrado unitario con lados sobre los ejes de coordenadas del plano.
4.2.2
Traslaciones
1 0
Estas tienen la forma siguiente T (x, y) =
0 1
sobre un cuadrado se muestra en la gura abajo
x
y
+
e
f
, y geometricamente su efecto
(0, 0)
(e, f )
4.2.3
Reflexiones
Estas son de tres tipos: reexiones respecto al eje horizontal, respecto al eje vertical y respecto al
origen.
Sergio Plaza
24
1 0
0 1
x
y
(0, 0)
Usando la notacion de n
umeros complejos, se tiene que T (z) se escribe como T (z) = z,
donde si z = x + iy , entonces z = x iy es el conjugado el n
umero complejo z
1 0
x
b) Reflexiones respecto al eje vertical Estas tienen la forma T (x, y) =
0 1
y
(0, 0)
En notaci
on compleja T (z) = z
(0, 0)
En notaci
on compleja T (z) = z.
4.2.4
cos
sen
sen
cos
x
y
1 0
0 1
x
y
Sergio Plaza
4.2.5
25
r1
0
0
r2
x
y
Cuando r1 = r2 = r , es decir, contrae o expande con la misma raon en todas las direcciones,
usando la notacion de n
umeros complejos, se tiene que T (z) = r z.
4.2.6
Similitudes
4.3
afn T2 (x, y) = 63 x + y6 + 13 , 61 x + 63 y . Aplicamos al cuadrado Q la transformacion afn
T3 que hace lo siguiente: contrae Q al cuadrado de lado 13 , es decir, obtenemos Q1 , luego
3 , nalmente
aplicamos una rotacion en 120o en el sentido positivo, obteniendo el cuadrado Q
aplicamos la traslacion en 23 a lo largo del eje x , y obtenemos el cuadrado Q3 , es decir, aplicamos
a Q la transfomaci
on afn T3 (x, y) = x6 + 63 y + 23 , x6 + 63 y . Finalmente, aplicamos a Q la
transformacion T4 (x, y) = x3 + 23 , y3 , que lo contrae al cuadrado Q1 y que lo traslada a lo largo
del eje x al punto de coordenadas ( 23 , 0) .
Combinando, primero aplicamos T1 , despues T2 , despues T3 y nalmente T4 , a Q , aplicamos
ala gura resultante T1 , T2 , T3 y T4 (en cualquier orden), y as sucesivamente. Garantizamos
que el resultado nal es la curva de Koch.
La pregunta es c
omo implementar el proceso anterior en un computador? En principio esto
no sera facil, pero se tiene el siguiente resultado.
Sergio Plaza
26
4.3.1
Ejemplos
1. Conjunto de Cantor
Consideremos las transformaciones anes contractivas T1 , T2 : R R denidas por T1 (x) =
x 2
x
y T2 (x) = + , respectivamente. Sea K R un conjunto cerrado y acotado no vaco
3
3 3
de la recta. Entonces, deniendo T (K) = T1 (K) T2 (K) = {Ti (x) : x K, i = 1, 2} , se
tiene que
1
2
1
K+
T (K) = K
3
3
3
aqu K signica el conjunto K = {x : x K} y K + = {x + : x K}
Sergio Plaza
27
.
9
9
9
9
3
9
9
Repitiendo el proceso de aplicar T al resultado obtenido en el paso
1 n
1 n
T (K)
T (K) +
T n+1 (K) = T (T n(K)) =
3
3
anterior, tenemos
2
.
3
T ([0, 1])
T 2 ([0, 1])
..
.
Ahora, si tomamos K = [2, 0] , nos queda
T (K)
= [ 23 , 0] [ 0, 23 ]
T 2 (K) = [ 29 , 0] [0, 29 ] [ 49 , 23 ] [ 23 , 89 ]
..
.
.................................................................................................................................................................
0
...........................................................................................................
2
32
3
.................................... ....................................
8
2
.
9
..
9
....................................
.....................................
..
.
asico,
y en ambos casos vemos que los conjuntos de T n (K) tienden al conjunto de Cantor cl
es decir, el cojunto de Cantor es el atractor del sistema de funciones iteradas T1 y T2
anteriores.
El conjunto de Cantor tambien puede ser considerado como el atractor de un sistema de
funciones iteradas del plano en si mismo,
para ellos basta considerar
las transformaciones
anes contractiva T1 (x, y) = 13 x, 12 y y T2 (x, y) = 13 x + 23 , 12 y .
Sergio Plaza
28
x
x 1
x 0
x 1
y , 2 (x, y) = (00) y +
0 3 (x, y) = (00) y + 1 , 4 (x, y) = (00) y + 1 .
El radio de contraccion de cada una de estas transformaciones anes es , con 0 < < 1/2 .
El atractor de este IFS lo denotamos por K y es un conjunto de Cantor igual al producto
cartesiano de dos conjuntos de Cantor en la recta cuando = 13 . El caso lmite es cuando
= 12 , en cuyo caso el atractor es el cuadrado unitario del plano.
K con =
1
3
K con =
1
4
3. Tri
angulo de Sierpinski
Comencemos con un tri
angulo
el tri
angulo equilatero con vertices en v1 =
T , por ejemplo,
(0, 0) , v
1+
3
i
=
(1,
3).
Los
puntos
medios de los tres lados son u3 = 1 ,
2 = (2, 0) y v3 =
Sergio Plaza
29
1 + 3i
1
1
, donde z C . Matricialmente, ellas son dadas
w2 (z) = z + 1 , y w3 (z) = z +
2
2
2
por
w1 (x, y) =
w3 (x, y) =
0.5 0
0 0.5
0.5 0
0 0.5
x
y
x
y
,
w2 (x, y) =
0.5
3
2
0.5 0
0 0.5
x
y
+
1
0
.
El triangulo de Sierpinski es el atractor del IFS, {w1 , w2 , w3 } y una imagen de este se muestra
en la gura abajo
El hecho que no importa el conjunto inicial que elijamos para comenzar las iteraciones y
obtener nalmente el atractor del IFS es demostrado en la generaci
on del triangulo de Sierpinski, usando como inicio primero un disco, enseguida un dinosaurio y nalmente un gato
Sergio Plaza
30
4. Curva de Koch
Consideremos las transformaciones anes wj (z) = aj z + bj , donde z C y aj , bj C , son
constantes y j {1, 2, 3, 4} . Queremos transformar el intervalo unitario I = [0, 1] en la
siguiente gura mediante transformaciones anes wj
3+ 3 i
6
..
... ...
... ......
.
.
...
..
...
..
..w
w2 (I)......
... 3 (I)
...
.. ..
...
.
...
.
...
...
.
.
.........................................................................
.........................................................................
1
2
w1 (I) 3
w4 (I) 1
0
3
w1 (0) = b1 = 0 ,
w2 (0) = b2 =
1
3
1
3 + 3i
w2 (1) = a2 + b2 =
w1 (1) = a1 + b1 = ,
3
6
3 + 3i
2
w3 (0) = b3 =
, w4 (0) = b4 =
6
3
2
w4 (1) = a4 + b4 = 1 .
w3 (1) = a3 + b3 = ,
3
Podemos resolver esas ecuaciones para encontrar aj y bj . Otra forma es observar que
cada pedazo tiene longitud 13 (longitud del intervalo I ). Luego, el factor de contraccion
es 13 ; para encontrar aj s
olo necesitamos encontrar la rotacion producida. La constante
Sergio Plaza
31
x
1/3
1/6 3/6
+
y
0
3/6
1/6
1/6
3/6
1/3 0
0 1/3
1/2
3/6
x
+
y
3/6
1/6
x
y
+
2/3
0
.
Curva de Koch
Peque
nos pedazos de la curva de Koch, K , son obtenidos combinando varias de las transformaciones wj . Cada wi (K) es un tercio del tama
no de K , luego cada conjunto wi (wj (K))
tiene tama
no igual a un noveno del tama
no de K . Tambien K esta formado por todos los
as peque
nos
pedazos wi (wj (K)) para todos los ndices i, j {1, 2, 3, 4}. Pedazos cada vez m
son obtenidos aplicando m
as y m
as veces las transformaciones wj (j = 1, 2, 3, 4 ), por ejemplo, wa1 wa2 wan (K) , donde cada subndice ai {1, 2, 3, 4} . Este pedazo tiene
1
ametro de K). Cuando n esos pedazos cada vez mas y mas
diametro igual a n (di
3
peque
nos y convergen a un solo punto de K . Luego, si llamamos a {1, 2, 3, 4} el espacio de
c
odigos, a cada sucesion = {a1 , a2 , a3 . . .} en el espacio de c
odigos le corresponde un punto
z() en la curva de Koch. Algunos puntos de la curva de Koch corresponden a dos elementos distintos del espacio de c
odigos, esto es, existen sucesiones = con z() = z() . En
general, la mayora de los puntos corresponde exactamente a una u
nica sucesion del espacio
de c
odigos, mientras que una cantidad numerable corresponde a dos sucesiones distintas.
Un an
alisis similar al anterior, usando un espacio de codigo de dos elementos {1, 2} para el
conjunto de Cantor se puede ver que a cada sucesion = {a1 , a2 , . . .} , donde ai {1, 2} ,
le corresponde un u
nico punto del conjunto de Cantor y recprocamente, cada punto del
conjunto de Cantor determina una u
nica sucesion en el espacio de c
odigos.
Queda a cargo del lector hacer un an
alisis como el anterior para el triangulo de Sierpinski.
5. Curva de Keisswetter
Consideremos las transformaciones anes contractivas w1 , w2 , w3 , w4 del plano en si
mismo dadas por
w1 (x, y) = 14 0
0
12
x
1 1 x 1
1 1 x 1
1 1 x 3
4
4
2
y , w2 (x, y) = 4 00 2
y + 1 w3 (x, y) = 4 00 2
y + 0 , w4 (x, y) = 4 00 2
y + 1 .
2
Sergio Plaza
32
Curva de Keissweiter
Es claro que {wi : i = 1, . . . , 4} es un IFS, donde cada transformacion afn tiene factor de
contractividad si = 12 , i = 1, . . . , 4 .
Actividad. Describir el efecto geometrico que tiene cada una de las transformaciones usadas
para generar la curva de Keisswetter cuando las aplicamos al cuadrado unitario.
6. Araucaria
El atractor del siguiente IFS genera una gura que podramos llamar araucaria, en honor al
insigne y milenario arbol.
w1 (x, y) =
w3 (x, y) =
0 0
0 0.5
0.02 0.28
0.15 0.2
x
y
,
x
y
w2 (x, y) =
+
0
1.5
, w4 (x, y) =
0.02 0.28
0.15
0.2
0.75 0
0
0.5
x
y
x
y
+
+
0
4.6
Araucaria
7. satractor
Sean w1 , w2 : C C dadas por w1 (z) = s + 2i z , w2 (z) = s 2i (
z 1) + 1 , donde
on matricial, tenemos
s R , con 0 < s < 12 . En notaci
w1 (x, y) =
s
1
2
1
2
x
y
y w2 (x, y) =
s
21
12
s
x
y
+
1s
1
2
0
1.5
Sergio Plaza
33
satractor s = 0.3
satractor s = 0.35
satractor s = 0.4
satractor s = 0.45
8. aatractor
Para 0 < a < 1 consideremos las siguientes familias w1 , w2 : R2 R2 dependientes del
par
ametro a ,
w1 (x, y) =
a
a
a
a
x
y
y w2 (x, y) =
a
a
aatractor s = 0.45
a
a
x
y
+
a
a
.
aatractor s = 0.5
9. Helecho. El siguiente IFS genera una gura conocida con el nombre de helecho (fern)
w1 (x, y) =
w2 (x, y) =
w3 (x, y) =
w4 (x, y) =
0
0
0
0.16
0.2
0.26
0.23 0.22
x
y
+
0.15 0.28
0.26 0.24
0.85 0.04
0.04 0.85
x
y
x
y
0.203
0.035
+
x
y
0.173
1.628
+
0.222
0.465
0.029
1.597
Sergio Plaza
34
Helecho
Esta gura fue una de las primeras, por no decir, la primera, de donde se gesto la idea de usar
los IFS para comprimir im
agenes, proceso conocido como compresi
on fractal de im
agenes (del
ingles, fractal image compression)
es generada por el IFS {w1 , w2 } , donde w1 (x, y) =
2
1
x
0
3
3
.
+
0
y
0 2
3
1
2
3
6
3
6
21
x
y
y w2 (x, y) =
0.3 0.3
0.3 0.3
x
y
y
w2 (x, y) =
0.82
0
0
0.82
x
y
+
0.18
0
Sergio Plaza
35
Dragon
13. Fractales y representaci
on de n
umeros complejos
En el caso de n
umeros reales, dado b R , con |b| > 1 , podemos escribir cada n
umero real en
base b . Esto mismo puede ser hecho para el caso de n
umeros complejos, es decir, podemos
escribir los n
umeros complejos en la forma
z=
n
j=0
j zj +
j z j ,
j=
Sergio Plaza
36
k (x, y) =
n2n+1
1
n2 +1
n21+1
n2n+1
x
y
(k1)n
n2 +1
nk1
2 +1
k = 1, . . . , n2 + 1 .
Por ejemplo,
Fracciones de Eisenstein
El lector puede experimentar con este tipo de matrices utilizando el programa fractsp.
4.4
4.4.1
Curvas Fractales
Nota Hist
orica
Sergio Plaza
4.4.2
37
Funci
on de Weierstrass y funci
on de Riemann
El problema de la existencia de una funcion continua cuyo graco no tiene tangente bien denida
en cada uno de sus puntos fue, como se indic
o, resuelto por Weierstrass considerando la funci
on
W (x) =
bn cos (an x) ,
n=0
3
. Weierstrass prob
o que el gr
aco de W (x)
2
no tiene tangente bien denida en cada uno de sus puntos. Por otra parte, Hardy [18] probo que
el graco de W (x) no tiene tangente bien denida en cada uno de sus puntos cuando 0 < b < 1 ,
a > 1 y ab 1 .
Actualmente, se sabe que para la mayora, en un sentido matematico bien denido, de las
funciones continuas sus gracos no tienen tangentes bien denida en cada uno de sus puntos.
Ejemplos explcitos de tales
acos
funciones son difciles de dar. Las siguientes guras muestran gr
de la funci
on Wk (x) = kn=0 bn cos (an x) para x [0, 2] y k = 1, 2, 3, 4, y k = 10 . Note que
Wk (x) W (x) cuando k , y que a medida que k crece el graco de la correspondiente
funci
on Wk (x) presenta cada vez m
as puntos en los cuales se tiene una punta y no puede tener
tangente bien denida ah.
donde a es un entero impar, 0 < b < 1 , y ab > 1 +
W1 (x)
W2 (x)
W3 (x)
W4 (x)
W10 (x)
sen n2 x
R(x) =
n2
n=1
conocida actualmente con el nombre de funci
on de Riemann. Las siguientes guras muestran
k
sen(n2 x)
para x [0, 2] y k = 1, 2, 3 y
algunas gr
acas de las funciones Rk (x) =
n=1
n2
Sergio Plaza
38
k = 10 . Note que Rk (x) R(x) cuando k , y que a medida que k crece el graco de la
correspondiente funci
on Rk (x) presenta cada vez m
as puntos en los cuales se tiene una punta y
no puede tener tangente bien denida ah.
R1 (x)
R2 (x)
R3 (x)
R10 (x)
4.4.3
Curvas de Takagi
La siguiente curva fue introducida por Takagi como un ejemplo de una funci
on continua cuyo
gr
aco no tiene tangente bien denida en cada uno de sus puntos. La ecuaci
on de esta curva es
dada por
d(2k x)
T(x) =
2k
k=0
T (x)
que
2 muestra
1
0
2
f1 (x, y) =
1
1
2
2
d(2k )
2k
Gr
afica de T (x)
la
curva T (x) para
0
y 1 es el
atractor
x1 entre
1
0
x
x
2
2
y f2 (x, y) =
+ 1
.
12 21
y
y
2
Sergio Plaza
39
B = f1 (B) f2 (B)
Curva x
k=0
d(4k )
4k
k
)
Curva x
k=0 d(2
4k
no es fractal
4.4.4
Curva x
k=0
d(8k )
8k
k
)
Curva x
k=0 f (2
2k
donde f (x) = 2d(x)(1 d(x))
Curva de Levy
1
La curva de Levy
es el atractor en el plano de dos similitudes dirigidas de centros distintos A y
2
B , de raz
on 2 , y de angulos 4 y 4 , respectivamente ( su dimension fractal es menor o igual
1 Paul
L
evy (18861971), matem
atico franc
es.
Sergio Plaza
que
log(2
log( 2)
40
4.4.5
Las curvas de Peano y de Hilbert son curvas que llenan el cuadrado unitario del plano.
Para la construcci
on de la curva de Peano, particionamos el cudrado unitario [0, 1] [0, 1]
del plano en 9 cuadrados peque
nos, todos iguales, numeramos cada uno de esos cuadrados de
modo que dos cudrados sucesivos se tocan por un lado, comenzando por el cuadrado base de la
extrema izquierda y terminamos en el cudrado en la parte derechaizquierda, hay dos posiblidades,
nosotros elegimos el camino vertical. Enseguida, particionamos cada uno de esos 9 cudraditos en
otros 9 cuadrados peque
nos iguales, numeramos cada uno de esos 9 cuadraditos de manera que
dos cuadraditos se tocan s
olo en un lado, comenzamos por el cuadradito extremos izquierdo en la
base y terminamos en el cudradito superior extremo derecho, el primer cudradito de uno de los
cuadrados de la etapa anterior debe tener un lado en com
un con el primer cuadrado de la etapa
anterior y el u
ltimo cuadradito debe tener un lado en com
un con el cudradito siguiente.
Repetimos indenidamente el proceso anterior, obteniendo de esa forma la curva de Peano, la
Sergio Plaza
41
Curva de Peano
Curva de Hilbert
Indice Alfab
etico
a-atractores, 33
s-atractores, 32
Area
del triangulode Sierpinski, 8
Procesos iterativos, 3
Producto de conjuntos de Cantor, 28
Reexiones en el plano, 23
Reexiones respecto al eje vertical, 24
Reexiones respecto al origen de coordenadas,
C
alculo del area acotada por el copo de nieve de
24
Koch, 5
Representacion binaria, 19
Conjunto de Cantor, 7
Representacion decimal, 14
Conjunto de Cantor e iteraci
on de un sistema de Representacion en base 3, 16
funciones anes en la recta, 22
Representacion en otras bases, 16
Conjunto de Cantor y representacion en base 3, Representaciones numericas, 14
17
Rotaciones alrededor del origen, 24
Conjunto de Cantor y sistemas de funciones itSimilitud, 25
erados, 26
Construccion geometrica de la curva de von Koch, Sistemas de funciones anes iterados en el plano,
25
4
Sistemas de funciones iterados en la recta, 21
Curva de Keisswetter, 31
Curva de Koch y sistemas de funciones iterados, Sistemas iterados de funciones lineales en el plano,
22
25
Sucesion de Fibonacci, 3
Curva de Koch, otra vez, 30
Curvas de Peano y de Hilbert, 40
Traslaciones en el plano, 23
Curvas de Takagi, 38
Traslaciones, reexiones y rotaciones, 23
Curvas fractales, 36
Tri
angulo de Siepinski, 7
Tri
angulo de Sierpinski y representaci
on en base
Esponja de Menger, 8
2, 19
Expansiones y contracciones, 25
Tri
angulo de Sierpinski y sistemas de funciones
Familia de dragones, 35
iterados, 28
Fractales y representacion de n
umeros compleUna araucaria, 32
jos, 35
Funci
on de Weierstrass y funcion de Riemann,
37
Alfombra de Sierpinski, 8
Helecho de Barnsley, 33
Ideas b
asicas, 3
Iteraci
on de Funciones, 9
Iteraci
on de funciones anes en la recta, 21
Iteraci
on de la funci
on raz cuadrada, 11
Iteraciones de la aplicaci
on logstica, 13
Metodo de Newton, 12
Modelo lineal, 10
42
Bibliografa
[1] M. Barnsley, Fractal Everywhere. Academic Press, 1988.
[2] M. Barnsley, J. H. Elton, D. Hardin, Recurrent iterated function systems. Constr. Approx. B5
(1989), 331.
[3] M. Barnsley, S. Demko, Iterated function systems and the global construction of fractals. Proc.
Roy. Soc. London A399, (1985), 243275.
[4] M. Barnsley, A. D. Sloan, A better way to compress images. BYTE Magazine, january issue,
(1988), 215223.
[5] M. Barnsley, M. Berger, H. M. Soner, Mixing Markov chains and their images. Prob. Eng. Inf.
Sci. 2 (1988), 387414.
[6] C. Cabrelli, B. Forte, U. M. Molter, E. Vrscay, Iterated Fuzzy set systems: A new approach
to inverse problem for fractal and other sets. J. of Math. Analysis and Aplications, 117, No. 1
(1992), 79100.
[7] C. Cabrelli, U. M. Molter, E. Vrscay, Recurrent iterated function systems: Invariant measure,
a Collages Theorem and moment relations. Fractal in Fundamental and Applied Sciences, Eds.
H. -O. Petgen,J. M. Henriques & L. F. Penedo. NorthHolland, 1991, 7180.
[8] C. Cabrelli, U. M. Molter, Density of fuzzy attractors: A step towards the solution of the Inverse
Problem for fractals and other sets. Preprint, Univ. de Buenos Aires, 1993.
[9] F. S. Cater, A typical nonwhere dierentiable function. Canad. Math. Bull., 26(1983), 149151.
[10] A. Cayley, The NewtonFourier imaginary problem. Am. J. Math. II. 97 (1879).
[11] A. Cayley, Application of the Newton-Fourier method to an imaginary root of an equation.
Quaterly J. of Pure and Applied Math. XVI, (1879),179185
[12] JL. Chabert, Un demisiecle de fractales: 18701920. Historia Mathematica 17(1990), 339
365.
[13] M. Crichton, Jurassic Park. Ballantine Books, New York 1990. Si usted ha leido el libro o visto
la pelicula, recordar
a sobre la teora del caos, en particular la idea de dependencia sensitiva
sobre las condiciones iniciales, esta fue la mayor raz
on de porque el matematico Ian Malcolm
crea que la idea de crear un mundo prehistorico de dinosaurios nunca podra funcionar. Cada
captulo del libro es ilustrado con una iteraci
on del dragon de Heighway.
[14] R. Devaney, An Introduction to Chaotic Dynamical Systems. AddisonWesley Publishing
Company, Inc. 1987.
[15] G.A. Edgar, Measure, Topology, and Fractal Geometry. Sringer-Verlag, 1990.
43
Sergio Plaza
44
Journal de lEcole
Polytechnique (1938), 227247, 249291.
[25] P. Levy, Plane or space curves and surfaces consisting of parts similar to the whole. In Classics
on Fractals, G. A. Edgar, Editor, AddisonWesley, 181239.
[26] T. Y. Li, J. A. Yorke, Period three implies chaos. Amer. Math. Monthly, 82 (1975), 985992.
[27] B. Mandelbtot, The Fractal Geometry of Nature. W. H. Freeman and Company, N.Y. (1977).1
[28] P. Palominos, N. Gonzalez, El Uso de la Geometra de Fractales en el Dise
no Textil. Pre-print,
USACH 1993.
[29] Heinz-Otto, Peitgen, Jurgens Hartmut and Saupe Dietmar. Fractals for the Classroom, Part
One: Introduction to Fractals and Chaos. SpringerVerlag New York, Inc. 1990.
[30] S. Plaza, Introducci
on a la Din
amica 1Dimensional. Notas Cursillo Semana de la Matematica,
U.C.V., 1988.
[31] S. Plaza, Fractales y Generaci
on Computacional de Im
agenes. Monografa No 16 (2000), Instituto de Matematica y Ciencias Anes (IMCA), Per
u. Programas computacionales para dise
nar
fractales son creaci
on de Miguel Lara A.
[32] S. Plaza, Sistemas de Funciones Iterados y Generaci
on Computacional de Im
agenes Fractales. Actas de Coloquios Nacionales de Sistemas Dinamicos. Ed. Eduardo Stange, Univ. de
Valparaso, 1994.
[33] G. de Rham, Sur un exemple de fonction continue sans derivee. Enseign. Math., 3(1957),
7172.
[34] W. Sierpinski, Sur une courbe dont tout point est un point de ramication. Compt. Rendus
Acad. Sci. Paris 160 (1915), 302305.
[35] T. Takagi, A simple example of the continuous function without derivative. Proc. Phys. Math.
Soc. Japan, 1(1903), 176177.
[36] A. Smith, The dierentiability of Riemanns function. Proc. Amer. Math. Soc., 34(1972),
463468.
Sergio Plaza
45
[37] I. Stewart, Four Encounters with Sierpinskis Gasket. The Mathematical Intelligencer, 17, No.
1 (1995), 5264.
[38] B. L. van der Waerden, Ein einfaches Beispieleiner nichtdierenzierbaren stetigen Funktion.
Math. Z, 32(1930), 474475.
[39] R. Williams, Composition of contractions. Bol. Soc. Brasil. Mat., 2(1971), 5559.