Fractales: una introducci

on
Sergio Plaza

Departamento de Matematica y C.C.

Universidad de Santiago de Chile
Casilla 307-Correo2.
Santiago, Chile
e-mail: sergio.plaza@usach.cl
homepage: http://fermat.usach.cl/{ dinamicos/SPlaza.html
June 29, 2011

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

4 Sistemas de funciones lineales iterados en la recta y en el plano

4.1 Sistemas de funciones terados en la recta . . . . . . . . . . . . . . . .
4.1.1 Iteraciones de funciones anes en la recta . . . . . . . . . . .
4.2 Sistemas iterados de funciones lineales en el plano . . . . . . . . . .
4.2.1 Traslaciones, reexiones y rotaciones . . . . . . . . . . . . . .
4.2.2 Traslaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2.3 Reexiones . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2.4 Rotaciones alrededor del origen . . . . . . . . . . . . . . . . .
4.2.5 Expansiones y contracciones al origen . . . . . . . . . . . . .
4.2.6 Similitudes . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.3 Sistema de Funciones Iteradas . . . . . . . . . . . . . . . . . . . . . .
4.3.1 Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.4 Curvas Fractales . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.4.1 Nota Historica . . . . . . . . . . . . . . . . . . . . . . . . . .
4.4.2 Funci
on de Weierstrass y funcion de Riemann . . . . . . . . .
4.4.3 Curvas de Takagi . . . . . . . . . . . . . . . . . . . . . . . . .
4.4.4 Curva de Levy . . . . . . . . . . . . . . . . . . . . . . . . . .
4.4.5 Curvas de Peano y de Hilbert . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

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

on. Este lenguaje que es vago e impreciso no esta muy

lejos, aunque parezca extra
no, del signicado cientco que se atribuye a un objeto real o natural
cuando se dice que es un fractal. Por ejemplo que se quiere decir cuando se dice que una zona
costera es un fractal? Desde luego no quiere decirse que haya una curva y una formula matematica
que se ajuste de forma precisa al perl del litoral. Lo que quiere decirse es que pueden denirse un
modelo matematico fractal, que se ajusta con unas cotas m
axima y mnima de error, cotas que se
pueden determinar de forma precisa, al perl de la costa. As veremos no s
olo que se han ajustado
curvas fractales a ciertas zonas de costa, Gran Breta
na, Noruega, y a fronteras como la de Espa
na
y Portugal, sino que ademas como veremos coinciden con una variante de la curva de Koch y que
tambien se ha determinado su dimensi
on fractal. La cuesti
on que se plantea a continuaci
on es si
un objeto con estas caractersticas, un trozo de costa, la red arterial, son realmente fractales, o
dicho de otra forma existen realmente fractales en la naturaleza?. Esta pregunta, que es legitimo
hacerla, e incluso responderla negativamente, es decir negando la existencia de los fractales en la
naturaleza, es la misma que se hace cuando se pregunta si existen supercies planas o lineas rectas
en la naturaleza, o si existen esferas. Sera como suponer que en la naturaleza no existen esferas
por que la Tierra, u otros planetas, no se ajustan con precision a lo que es una esfera ideal tal
como se dene en Matem
aticas.
En la naturaleza los objetos fractales suelen aparecer de varias formas. Una de ellas es en
una situacion de frontera, y aqu incluimos todos los casos en que entran en contacto dos medios
humanos, naturales, fsicos, qumicos, etc. o dos supercies diferentes: frontera entre pases, riberas
de los ros, litoral, nubes, ..., otra situaci
on es la de arbol. Es decir aquellos casos en que se produce
una ramicaci
on con autosimilitud: arboles, arbustos, y plantas, tejidos arteriales, cuencas uviales
con sistemas de ro, auentes, barrancos, riachuelos, etc. redes capilares, redes pulmonares, ...
Existen razones puramente esteticas, o de la curiosidad, que producen la observaci
on y el estudio analtico de estas curvas, y que estimula la formulacion de modelos matematicos o geometricos,
que permitan comprender fenomenos cientcos o tecnol
ogicos de cierta profundidad. La introducci
on del computador, con su inmensa capacidad de iteraci
on rapida e interactiva, con la ayuda
de algoritmos y procedimientos relativamente sencillos, es el instrumento ideal para el trabajo con
este tipo de objetos matematicos. Por su capacidad de interacci
on con el usuario, el computador
permite un ajuste rapido entre las instrucciones establecidas en terminos de procedimientos espaciales y la formulacion denitiva de estos procedimientos como algoritmos, mediante contrastes

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

Como generamos este tipo de guras?

En general la generaci
on de im
agenes como las anteriores es a traves de procesos iterativos.
Nocion que pasamos a derrollar ahora.

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

Curva de Koch: construcci

on geom
etrica

El nombre de esta curva es en honor a su creador, el matem

atico sueco Niel Helge von Koch
(25/01/187011/03/1924), que publico en 1904 el trabajo Sur une courbe continue sans tangente,
obtenue par une construction geometrique elementaire.
1. Considere un segmento de recta, el cual consideramos de longitud 1 (esto no constituye
ninguna restriccion.)
2. Reemplace el segmento inicial por cuatros segmentos de recta cada uno de longitud
del segmento anterior). Formando la gura siguiente

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

La nueva poligonal 2 , en la cual cada segmento tiene longitud 13 31 =

 4 2
segmentos, luego la longitud de la poligonal 2 es igual a 16
.
9 = 3

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.

Curva de von Koch

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

Curva de von Koch cerrada

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

A0 = 43 . En la primera etapa de la construccion agregamos tres peque

nos triangulos equilateros,
cada uno de lado 1 = 13 , luego el area de la gura resultante en la primera etapa es A1 =


 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

Este conjunto es utilizado frecuentemente en matematica para construir ejemplos y su nombre lo

debe a su creador George Cantor (03/03/1845-06/01/1918).
Comenzamos la construccion con un segmento de recta, digamos de longitud 1. Dividimos
el segmento inicial en 3 segmentos cada uno de longitud 13 , y eliminamos el segmento central,
obteniendo dos segmentos cada uno de longitud 13 . Enseguida dividimos cada segmento resultante
en la etapa anterior en 3 segmentos de igual longitud 13 (longitud del segmento al cual le estamos
aplicando el proceso), y eliminamos los segmentos centrales, obtenemos 4 segmentos cada uno de
on y eliminaci
on anterior a cada segmento resultante
longitud 19 . Repetimos el proceso de divisi
en la etapa anterior, y continuamos el proceso indenidamente. El resultado nal es un conjunto
C, llamado conjunto de Cantor, el cual es no vaco y contiene tantos puntos como la recta real.
Debido a su construccion el conjunto de Cantor es autosimilar, esto quiere decir que si tomamos
peque
nas partes del conjunto de Cantor, y le un zoom, por muy chica que sea esta, vemos de nuevo
el conjunto de Cantor. Si en cada etapa de la construccion del conjunto de Cantor, medimos la
longitud del conjunto resultante, obtenemos lo siguiente:
Etapa
Longitud

0
1

1
2
3

2
 2 2
3

3
 2 3
3

n
 2 n
3

Luego, el conjunto de Cantor tiene longitud 0.

Afirmaci
on. El conjunto de Cantor tiene tiene tantos puntos como el segmento inicial.
Para ver que C tiene tantos puntos como el segmento
inicial, escribimos los n
umeros 0 x 1
j
en base en el sistema binario, es decir, escribamos x =
a
2
,
donde
a

{0, 1} . Por otra

j
j=1 j

j
, donde
parte, escribiendo los n
umeros reales entre 0 y 1 en base 3, es decir, x =
j=1 dj 3
dj {0, 1, 2} . Veremos m
as adelante que un n
umero 0 x 1 pertenece al conjunto de Cantor
si este no contiene
on en base 3, en otras palabras, x se escribe en
 al dgito 1 en su reepresentaci
la forma x = j=1 dj 3j , con dj {0, 2} . Denamos la funcion : {x : 0 x 1} C


j
j
)=
. Es facil vericar que es una biyecci
on, por lo tanto se
por (
j=1 aj 2
j=1 (2aj )3
tiene lo pedido. Lo que acabamos de demostrar no es intuitivo ni f
acil de aceptar.

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.

En la etapa inicial tenemos un tri

angulo equilatero de lado 1, luego su area es A0 = 43 . En la
primera etapa retiramos el tri
angulo equilatero central de lado 1 = 12 , y nos quedan tres triangulos

equlateros de lado 1 = 12 por lo tanto el area de la gura que resulta es A1 = 3 43 41 = 3163 . En

la segunda etapa, de cada uno de los triangulos restantes retiramos un tri
angulo equilatero de lado
angulos equilateros cada uno de lado 2 = 14 , luego el area de la gura
2 = 14 y nos quedan 9 tri

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

La construccion de la alfombra de Sierpinski es similar a la construccion del tri

angulo de Sierpinski.
En la secuencia de guras siguientes se muestra las primeras cuatro etapas de la construccion de
la 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

Sea x(n) el tama

no de una poblacion de una cierta especie en el tiempo n . Llamemos a la
razon de crecimiento de la poblacion desde una generacion a otra. Un modelo matematico simple
que describe el tama
no de la poblacion es el siguiente
x(n + 1) = x(n) ,

n 0,

donde x(0) = x0 es el tama

no inicial de poblacion. Este modelo es llamado modelo lineal. Los
estados de la poblaci
on bajo este modelo son obtenidos iterando la funcion f (x) = x . Tenemos
entonces que
x(1)

= 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 .

Como veremos a continuacion el comportamiento de una poblaci

on modelada de esta forma
depende del valor de .
Supongamos primero que > 0 .
Extinsi
on de la poblaci
on. Si 0 < < 1 , entonces como n tiende a cero cuando n crece, la
poblaci
on se extingir
a, es decir, la iteraci
on de cada punto por la funcion f (x) = x se aproxima a
cero cuando n crece indenidamente. El punto x = 0 permanece jo durante todas las iteraciones.
La conducta de las iteraciones es mostrada en la gura siguiente.
Explosi
on de la poblaci
on. Si > 1 , la poblacion crece indenidamente, pues en este caso
n crece indenidamente cuando n , decimos en este caso que tenemos una explosion de
la poblaci
on. El punto x = 0 permance jo durante todas las iteraciones. La conducta de las

11
iteraciones cuando > 0 y = 1 , son mostradas en las guras siguientes

Modelo lineal con 0 < < 1

Modelo lineal con > 1

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

Modelo lineal con 1 < < 0

Modelo lineal con < 1

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

Continuando con la iteraci

on de funciones consideremos la transformacion denida pe la formula

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 =

2 = 1.09057733 . . . , despues de aplicar varias veces la funci

on
1.189207115 . . . , x3 =

x
x en la calculadora, veremos aparecer un 1, lo cual es resultado de las aproximaciones

12

que hacen internamente las maquinas, pues este valor es alcanzado s

olo cuando x0 = 1 . Ahora, si
x0 = 0.3 entonces obtenemos x1 = 0.547722557 . . . , x2 = 0.740082804
. . ., x3 = 0.860280654 . . .,

y as sucesivamente, aplicando reiteradas veces la funcion x

x vemos aparecer nalmente el
n
umero 0.999999999 . . . , el cual es m
as correcto que
el obtenido en el caso anterior. Las siguiente
guras muestran las iteraciones de la funcion x
x , la cual tiene a x = 0 como punto jo
repulsor y a x = 1 como u
nico punto jo atractor. No hay otros puntos jos ni periodicos para
esta funcion.

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

nos permite aproximar, tanto cuanto deseemos, el valor de a comenzando con un n

umero real
positivo x0 . Por ejemplo, si a = 2 , entonces sabemos que 2 = 1.414213562 . . . . Considerando
ormula iterativa, obtenemos la sucesi
on de valores,
x0 = 3 , usando la f
n
0
1
2
3
4
5
6

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 = 0.3

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

Algunos lectores y autores llaman a esto un proceso caotico, pero por el s

olo hecho que las iteraciones sean complicada, no hace que la aplicaci
on sea ca
otica. La denici
on precisa de aplicaciones
ca
oticas requiere de conceptos matem
aticos que caen fuera del objetivo b
asico de este texto.

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

Para el sistema decimal el conjunto de dgitos es D = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9} .

Comenzemos por estudiar la representaci
on con un n
umero natural. Queremos expresar un
n
umero natural n como una suma de potencias de 10 y coecientes (dgitos) en D , en otras
palabras, queremos escribir
n = k0 + k1 10 + k2 102 + + kN 10N =

ki 10i

i=0

donde N es un entero no negativo y los coecientes ki D , i = 0, 1, . . . , N . Obtenemos

esta representacion aplicando reiterativamente el algoritmo de la divisi
on de Euclides. Para esto,
simplemente debemos notar que para cada n
umero natural n existe un entero positivo  de modo
umero natural n se puede expresar
que 10 n < 10+1 . En resumen, hemos visto que cada n
como una suma de potencias de 10 y coecientes (dgitos) en D . Esta representacion es llamada
representaci
on decimal (o en base 10 ) de n .
El mismo tipo de representaci
on mediante una suma nita para un n
umero real x con 0 x < 1
ya no es posible, por ejemplo para el n
umero racional 2/3 se tiene



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

lo cual muestra que la sucesion {xn }nN es acotada superiormente por 1.

Ademas, la sucesion de sumas parciales {xn }nN es creciente, pues cada vez estamos sumando
nuevos terminos no negativos (mayores o iguales que cero). Aplicamos el siguiente resultado toda
sucesi
on de n
umerso reales, creciente yacotada superiormente, es convergente, conclu
 mos que
{xn }nN es convergente, esto es, la serie i1 ki 10i es convergente y su suma x = i=1 ki 10i
es un n
umero real en el intervalo [0, 1]. De lo anterior, tenemos que dado un n
umero real x con
0 x 1 y un n
umero > 0 peque
no, existe un n
umero racional q tal que |x q| < , es decir,
podemos aproximar tanto cuanto deseemos un n
umero real por n
umeros racionales. Para verlo,


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

umero racional (pues es una suma nita de n

umeros racionales).
Es claro que que cada qn es un n
Ademas, |x qn | satisface que

|x qn | =

ki 10i

i=n+1

9 10i = 10n

i=n+1

de donde se deduce que |x qn | se aproxima a cero cuando n crece indenidamente

o mas precisan0
ki 10i se obtiene
mente eligiendo n0 de tal manera que 1/10n0 < y deniendo q = qn0 = i=1
lo pedido.
Luego, dado un n
umero real x en el intervalos [0, 1] hemos construido una sucesion de n
umeros
racionales que aproxima a x.
Para terminar veremos que si tenemos un n
umero real x 1 tambien podemos construir
aproximaciones mediante n
umeros racionales. Para ello, reduciremos el problema al caso 0 x < 1.
Para tal efecto escribamos x = [x] + ((x)) , donde x es un n
umero real con x 1. Como [x] es
el mayor entero positivo
menor
o
igual
que
x
,
este
es
un
n
u
mero
natural y lo podemos representar
N
natural
tal que 10N [x] < 10N +1 .
de la forma [x] = i=0 ki 10i , donde ki D y N es el menor

i
Por otra parte como 0 ((x)) < 1 sabemos que ((x)) = j=1 kj 10 , donde kj D para cada
j 1. En resumen, x se puede representar como
x=

N

i=0

ki 10i +

kj 10j .

j=1

La primera suma es la representaci

on decimal del n
umero natural [x] y la segunda suma (que
es una serie) es la representacion decimal de la parte fraccionaria ((x)) de x. Ahora, para cada
n
umero natural n denamos
n

qn = [x] +
ki 10i .
i=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

Hemos estudiado la representaci

on decimal (base 10) de los n
umeros reales no negativos. Ahora
trataremos de imitar esa construcci
on tomando como base un n
umero natural p > 1 en vez de la
base 10 ya considerada.
Como antes, comenzamos por dinir nuestro conjunto de dgitos, el cual es D = {0, 1, 2, . . . , p
1} . Primero buscamos la representaci
on en base p para los n
umero naturales, es decir, dado un
n
umero natural n, queremos representarlo como una suma (nita) de potencias de p y coecientes
en el conjunto D, esto es, queremos expresar n en la forma
n=

ki pi = k0 + k1 p + + kN pN ,

i=0

donde los coecientes ki son elementos de D, i = 0, 1, . . . , N . Para lograrlo procedemos en forma

similar al caso de la representacion decimal y aplicamos el algoritmo de division con p en vez de
10.
Imitando lo realizado para p = 10, bastara lograr dicha representacion para los n
umeros reales
x en el intervalo [0, 1[. Para esto, dividamos los intervalos [0, 1/pn] (n 0) en p partes iguales.
Siguiendo las mismas directrizes que se utilizaron para el caso p = 10 se obtiene la representacion
requerida, es decir, se concluye que x posee la representacion
x=

kj pj +

j=0

ki pi .

i=1

La convergencia de la serie del lado derecho

 deila igualdad1anterior esta garantizada debido a
de raz
on p , con p > 1.
que se le compara con la serie geometrica
i=1 p

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 +

Calculemos en detalle el siguiente ejemplo

7
= 2 31 + 1 32 + 2 33 + 1 34 + 2 35 +
8
donde los coecientes de subndice impar son iguales a 2 y los con subindice par son iguales a 1.
Para probar esta u
ltima igualdad procedemos a partir la serie en dos series, una que agrupa los
coecientes pares y otra los impares. Tenemos entonces que

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

si y solo si x es de la forma m/3n , donde n y m son enteros positivos.

Notemos que si el denominador de la fraccion irreducible p/q no es una potencia de 3 entonces
la representacion en base 3 de p/q es periodica. Por otra parte n
umeros irracionales poseen representaciones en base 3 no peri
odicas. Por ejemplo 14 = 0 31 + 2 32 + 0 33 + 2 34 + ,
aqu los coecientes con ndice impar son ceros y los coecientes con ndice par son iguales a 2.
Ejemplo
1
= 0 31 + 1 32 + 0 33 + 2 34 + 1 35 + 2 36 + 0 37 +
7
El bloque formado por los coecientes k1 = 0, k2 = 1, k3 = 0, k4 = 2, k5 = 1, k6 = 2 y k7 = 0
en la expresion anterior se repite peri
odicamente.
Al igual que en el caso en base 10, cada n
umero real tiene una representacion triadica y existen
n
umeros para los cuales se tiene al menos dos representaciones distintas, por ejemplo
1 0 0
0 2 2
1
= + + + = + + +
3
3 3 3
3 3 3

3.0.5

Conjunto de Cantor y representaci

on en base 3

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

donde, para cada j 1 , kj es igual a 0 o 2.

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

como limn 3n = 0 , se sigue que limn xn = x , lo que prueba nuestra armacion.

3.0.6

Representaci
on binaria (p = 2)

Esta representacion consiste en tomar p = 2 y D = {0, 1}. Entonces todo n

umero real positivo x
es representable como
x=

N

i=0

ki 2i +

kj 2j

j=1

donde los coecientes, k D para todo . Por ejemplo,

137
= 1 21 + 0 22 + 0 23 + 0 24 + 1 25 + 0 26 + 0 27 + 1 28 ,
256
es decir, si consideramos los simbolo 001 , 01011 ellos representan los n
umeros racionales
1
8
19
32

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

con 8 y 13 dgitos respectivamente los resultados que generan para el n

umero irracional 2 son
1.4142135 y 1.414213562373, respectivamente.
Obviamente, por lo que sabemos estos valores son

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

nunca tienen un 1 en la misma posici

on. Ahora, al igual que como lo hicimos con el conjunto de
Cantor, veremos como obtener una buena aproximacion de los puntos del triangulo de Sierpinski.
Denamos s0 = 12 y L0 como cualquier conjunto con un punto, por ejemplo (0, 0). Enseguida
denimos L1 como la uni
on de L0 y el trasladado de L0 por s0 en las dos direcciones de los ejes de
coordenadas, y s1 = 12 s0 , L2 es denido como la uni
on de L1 y los trasladados de L1 por s1 en las
direcciones dadas, y as sucesivamente. Es claro que L1 L2 S , donde S es el triangulo
de Sierpinski en el plano. Sea L = kN Lk . Entonces L S. Adem
as, tenemos que cada punto
del tri
angulo de Sierpinski es aproximado tanto como se desee por una sucesi
on de puntos en L,
es decir, L es denso en el tri
angulo de Sierpinski.
Otra manera interesante de obtener una imagen del tri
angulo de Sierpinski, es considerar el
triangulo de Pascal, es decir, el tri
angulo formado por los coecientes binomiales del desarrollo del
binomio (x + y)n , con n = 0, 1, . . . . Enseguida marcamos de color negro cada n
umero impar y
marcamos de color blanco cada n
umero par. Esto es hecho asignando a 0 el color blanco y a 1 el
color negro, y los n
umeros en el tri
angulo de Pascal son considerados m
odulo 2 (es decir, si k N
entonces k = 1mod 2 si y s
olo si k es impar y k = 0 mod 2 si y s
olo si k es par). La gura obtenida
se ve como el triangulo de Sierpinski. La siguiente gura muestra algunos n
umeros que quedan en
este proceso
Considerando mas las en el tri
angulo de Pascal y considerand
olo modulo 2, obtenemos la
siguiente gura, que es bastante semejante al tri
angulo de Sierpinski

algunas filas del tri

angulo de Pascal mod 2

tri
angulo de Pascal mod 2

Captulo 4

Sistemas de funciones lineales

iterados en la recta y en el plano
Lo que desarrollamos en este captulo corresponde a una parte inocente (en el sentido de que
es basico y restricto a la recta y al plano) del tema y su implementaci
on computacional. Esta
es s
olo una introduccion, digamos somera a la teora general, pero suciente para que podamos
experimentar con ella.

4.1

Sistemas de funciones terados en la recta

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

Iteraciones de funciones afines en la recta

Veamos las iteraciones de una funci

on afn de la recta en si misma. Sea f (x) = ax + b una
funci
on afn. Entonces , f 2 (x) = f (f (x)) = f (ax + b) = a(ax + b) + b = a2 x + ab + b , f 3 (x) =
f (f 2 (x)) = f (a2 x + ab + b) = a(a2 x + ab + b) + b = a3 x + a2 b + ab + b , y en general f n (x) =
b
ban
an x + (an1 + an2 + + a + 1)b , de donde se obtiene que f n (x) = an x + 1a
1a
. Luego, si
21

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

punto jo para f (x) = ax + b , de hecho es el u

nico punto jo para f (x) .
Por ejemplo, si f1 (x) = 13 x entonces su u
nico punto jo es xf1 = 0 y la iteraciones f1n (x) 0
nico punto jo es xf2 =
cuando n para todo x . Si consideramos f2 (x) = 13 x + 23 , su u
1 . Como vemos ambas funciones f1 (x) y f2 (x) tienen iteraciones triviales. Pero que pasa si
consideramos ambas transformaciones y las aplicamos a un conjunto, digamos al intervalo I =
[0, 1] ?, lo que queremos hacer lo ilustramos en la gura siguiente
...............................................................................................................................................
1
... ...
... .....
...
..
.. ..
...
.
...
...
...
... f
f1 ........
... 2
...
.
.
..........
...........
...............................................
.................................................
2
0 ..... ...... 13
1
... ...
3
.. ..
... ....
.. ..
... .....
.. ...
..
..
.. ..
f1..... ...... f2
f1 ..... ......f2
..
..
.
..........
.........
.........
...........
.
.
...
.
................
................
................
................
6
7
8
0 19 92 93
1
9
9
9

..
.
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

Sistemas iterados de funciones lineales en el plano

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


.

Para visualizar la forma en que act

ua una transformacion afn sin traslacion, es decir, cuando
e = f = 0, notemos que el cuadrado unidad (con dos de sus lados sobre los ejes) se transformar
a
en un paralelogramo, de acuerdo a la siguiente gura

4.2.1

Traslaciones, reflexiones y rotaciones

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 )

Si trabajamos en C en lugar de R2 , la transformaci

on toma la sencilla forma T (z) = z + e + if
La letra L puesta dentro del cuadrado inicial es solo para indicar la posici
on en que queda el
cuadrado despues de la transformacion.

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


a) Reflexiones respecto al eje horizontal. Estas tienen la forma T (x, y) =

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

c) Reflexiones respecto al origen de coordenadas Estas tienen la forma T (x, y) =

(0, 0)

En notaci
on compleja T (z) = z.

4.2.4

Rotaciones alrededor del origen

Las rotaciones alrededor del origen tienen la forma T (x, y) =

cos
sen

sen
cos



x
y

Usando la notacion compleja, se tiene que T (z) = k z con k C, |k| = 1 y arg(k) = .

1 0
0 1



x
y

Sergio Plaza

4.2.5

25

Expansiones y contracciones al origen



Estas transformaciones anes tienen la forma T (x, y) =

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

Una similitud es una composicion de 

transformaciones anes
  como
 las
 vistas
 antes. Tiene la
r cos r sen
x
e
forma particular siguiente T (x, y) =
+
o bien T (x, y) =
y
f


 
 r sen r cos
r cos r sen
x
e
+
. Para el caso complejo T (z) = a z + b, con a, b C,
r sen r cos
y
f
que produce una rotacion dada por = arg(a), una expansion o contracci
on dada por |a|, y una
traslacion dada por b.

4.3

Sistema de Funciones Iteradas

Volviendo al caso de una transformacion afn del plano en si mismo

T (x, y) = (ax + by + e, cx + dy + f )
donde a, b, c, d, f son n
umeros reales. Decimos que T es contractiva si sus coeciente a, b, c y d
satisfacen la condici
on |ad bc| < 1 llamada condici
on de contractividad.
Veamos como utilizando transformaciones anes contractivas podemos producir la curva de
Koch.
Consideremos el cuadrado unitario (cuadrado de lado 1) Q , con
 un vertice en el origen.
Aplicamos a Q la transformacion afn contractiva T1 (x, y) = 13 x, 13 y y obtenemos el cuadrado
Q1 , de lado 13 . Enseguida al cuadrado Q le aplicamos la contraccion T1 obteniendo el cuadrado
Q1 al cual le aplicamos una rotacion en 60o en el sentido positivo (antihorarios) obteniendo un
2 la traslacion T rasl(x, y) = (x + 1 , 0) (trasladamos
2 , enseguida le aplicamos a Q
cuadrado Q
3
a lo largo del eje x,) y obtenemos el cuadrado
Q2 , es decir, aplicamos a Q la transformacion


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

Sea {T1 , T2 , . . . , Tn } una coleccion de transformaciones anes contractivas del plano en si

mismo, con factor de contracci
on r1 , r2 , . . . , rn , respectivamente. Sea (x0 , y0 ) un punto arbitrario.
Denotemos por (1) , (2), . . . , (n) elecciones arbitrarias y aleatorias de los ndices 1, . . . , n de
las transformaciones anes. Entonces la sucesion de puntos (xk , yk ) del plano obtenidas como
sigue
(x1 , y1 ) = T(1) (x0 , y0 ) , (x2 , y2 ) = T(2) (x1 , y1 ) , (x3 , y3 ) = T(3) (x2 , y2 ) , . . .
despues de despreciar sus primeros, digamos 100 elementos, llena una region del plano que corresponde a la gura fractal que se deseada generar, esta gura es llamada el atractor del sistema
de funciones iteradas (IFS). El sentido de gura fractal en este caso corresponde al hecho que, en
general, el borde geometrico (cuando ella tiene puntos interiores) de la gura o ella misma es una
curva fractal.
Veamos cual sera el algoritmo computacional a implementar. Daremos el algoritmo en un
pseudo-lenguaje, para que pueda ser adaptado a cualquier lenguaje computacional que se desee
usar.
1. Ingrese los coecientes ai , bi , ci , di , ei , fi de las transformaciones anes contractivas Ti , i =
1, . . . , n .
2. Elija como punto inicial (x0 , y0 ) un punto arbitrario, por ejemplo, (0, 0)
3. Divida el intervalo [0, 1] en n subintervalos I1 = [0 , 1 [ , I2 = [1 , 2 [ , . . . , In =
[n1 , n ] , con 0 = 0 y n = 1
4. Elija una funci
on random de su computador, normalmente llamada rnd.
5. Si rnd pertenece a Ij , es decir, si j1 rnd j , aplique la transformacion Tj al punto
(x0 , y0 ) obteniendo un nuevo punto (x1 , y1 ) , el cual se renombra nuevamente por (x0 , y0 ) ,
y vuelva al paso 4. Despues de aplicar, digamos 100 veces esta rutina, permita a su rutina
pasar al paso 6 siguiente.
andolo de color j (j dado por el paso
6. Graque el punto (x0 , y0 ) obtenido en el paso 5, pint
5) y repita los pasos 4 y 5. (Normalmente los computadores, de acuerdo a la tarjeta gr
aca
que poseen aceptan colores entre 0 y 16 (sistema VGA) o entre 0 y 255 (sistema super VGA)
o entre 0 y 15999. Cuando considere que la gura que desaba generar ya tiene una textura
deseable, detenga el programa.
Repitiendo este algoritmo una cantidad razonable de veces obtendr
a una gura en su pantalla,
la cual por lo general resulta bonita.
Ejemplos de sistemas de transformaciones anes contractivas.

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

Aplicando T al resultado obtenido, tenemos




1
2
1
2
K
K+
T (K) = T (T (K)) = T
3
3
3




2
1
1
K T
K+
= T
3
3
3

 
 

1
1
2
1
2
1
8
=
K
K+
K+
K+

.
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

Por ejemplo, tomando K = [0, 1] , nos queda

...............................................................................................................................................
.
1
... ...
... .....
..
...
.
.
...
...
...
...
...
... T2
T1 ......
...
.
.
...
.
.
.........
.........
...............................................
.................................................
2
0 ..... ...... 13
1
... ...
3
.. ...
.. ..
... ....
... .....
.. ...
.
..
.. ..
T1 ..... ......T2
T1...... ...... T2
..
.
.........
.........
...........
.........
.
.
..
................
................
................
................
6
7
8
1
0 19 92 93
9
9
9

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

2. Producto de Conjuntos de Cantor

Sea 0 < < 1/2 , denamos las transformaciones anes contractivas
1 (x, y) = ( 0
0

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

Con otros valores de obtenemos otras gura, por ejemplo

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 =

u2 = 1+ 2 3 i y u1 = 3+ 2 3 i . Existen tres triangulos equilateros en cada vertice vj , T1 con

vertice {v1 , u2 , u3 } , T2 con vertices {v2 , u1 , u3 } , y T3 con vertices {v3 , u1 , u2 } . Denimos
tres transformaciones anes, {w1 , w2 , w3 } con las condiciones w1 (T ) = T1 , w2 (T ) = T2 , y

Sergio Plaza

29

w3 (T ) = T3 , que jan los vertices vj y preservan la orientaci

on, es decir, se tiene det(Ti ) > 0
para i = 1, 2, 3 . Por ejemplo, w1 (v1 ) = v1 , w1 (v2 ) = u3 y w1 (v3 ) = u2 . Cada wj tiene
1
1
factor de contracci
on igual a , y las formulas para cada una de ellas son: w1 (z) = z ,
2
2

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


.

La siguiente gura muestra la primera etapa de la construcci

on del triangulo de Sierpinski,
T , y sus imagenes por las transformaciones w1 , w2 y w3
....
.. ...
... ......
.
.
...
...
...
..
...
...
.
.
. w3 (T ) .....
.
.
...
.. ..
...
.
.............................................................................
.
.
.
.
.. .. .....
.. ...
.
.. ...
... .....
... .....
.
.
.
.
.
...
...
...
...
...
...
...
...
...
...
..
...
.
...
.
.
.
.
. w1 (T ) ...
. w2 (T ) .....
.
.
.
.
...
... ...
.. ..
...
.
.
.
.
.
.....................................................................................................................................................

Primera etapa en la construcci

on del tri
angulo de Sierpinski

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

Sierpinski obtenido comenzando con un disco y despues con un dinoaurio

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

Conociendo la localizacion de las imagenes de dos puntos podemos determinar aj y bj . A

partir de la gura tenemos

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

bj es siempre la imagen de 0. Un calculo muestra que w1 (z) = 13 z , w2 (z) = 13 ei 3 z + 13 ,

w3 (z) = 13 ei 3 z + 3+ 6 3 i , y w4 (z) = 13 z + 23 , donde e+i = e (cos() + i sen()) es la

exponencial compleja clasica.

Sergio Plaza

31

Matricialmente, las transformaciones wj ( j = 1, 2, 3, 4 ) son dadas por




1/3 0
x
w1 (x, y) =
0 1/3
y

w2 (x, y) =

w3 (x, y) =

w4 (x, y) =


 

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


.

El atractor de este sistema de funciones iteradas es la curva de Koch.

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

El atractor de este IFS es conocido como curva de Kiessweitter

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)

10. La siguiente gura


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) =

11. La siguiente gura es generada por el IFS {w1 , w2 } dado por


w1 (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

Cambiar esta figuras, esta mal, colocar la figura correcta

12. Familia de Dragones
Las imagenes generadas por la siguiente familia de contracciones son comunmente
llamados



a11 a12
x
dragones, por su similitud con aquellos de los grabados chinos, S (x, y) =
+
a21 a22
y


1
, donde |aij | < 1
0

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=

donde los coecientes pertenecen a un conjunto nito D C, D = {1 , . . . , k , 1 , . . . ,  },

llamado conjunto de dgitos. (Esto sera estudiado con msa detalles en una secci
on posterior.)
1
on anterior, podeSi s
olo consideramos la parte fraccionaria
j= j zj de la representaci
mos obtener guras fractales interesantes, estas vienen dadas atraves de las transformaciones
anes contractivas complejas
k : C C , dadas por k (z) = s1 z + (k 1)s1 ,

Sergio Plaza

36

donde k = 1, 2, . . . , n2 + 1 , con s = n + i , n > 0 . Matricialmente las transformaciones j

son dadas por

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 con b = 2 i y D = {0, 1, 2, 3, 4}

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

Las primeras construcciones de, tal vez, los m

as clasicos ejemplos de fractales conocidos se remontan
al siglo XIX y corresponden a curvas continuas que no poseen tangente en cada punto ([12]). Estas
curvas fueron construidas para mostrar que una armaci
on evidente a nuestros ojos es falsa
el gr
aco de una funci
on continua posee tangente bien denida en todos, salvo quiz
as, un
n
umero nito de sus puntos
En 1806, A. -M. Amp`ere dio por primera vez una prueba de la armaci
on anterior. Esta
prueba, ciertamente erronea aparecio en varios textos de estudio, por ejemplo, Duhamed (1856) y
J. Bertrand (1864). Otra demostracion, tambien err
onea fue dada en 1855 por M. E. Lemarle. En
1872, Ph. Gilbert intenta mejorar las lagunas de la prueba de Lemarle, cosa curiosa, el conoca
un ejemplo dado por Hankel en 1870 el cual refutaba la armacion. En 1873, H. -A. Schwarz dio
un ejemplo que convencio a Gilbert de la imposibilidad de dar una demostracion correcta a esa
armaci
on tan amplia.
Seg
un K. Weierstrass (1872), B. Riemann habra sido el primero en armar su conviccion
contraria a la armaci
on hecha m
as arriba, esto alrededor de 1861. Para mostrarlo exhibio una
funci
on continua cuya graca no tiene tangente bien denida en todos sus puntos. Este ejemplo,
como veremos m
as adelante no es correcto. Por otra parte, el mismo Weierstrass propone un
ejemplo similar en 1872 (esta vez correcto).
Los ejemplos de Riemann y de Weierstrass son de caracter analtico, es decir, se tiene una
f
ormula explcita para la funci
on. En general dichas f
ormulas son expresadas en terminos de series
de funciones, lo cual hace difcil comprender geometricamente la raz
on por la cual sus gr
acos no
poseen tangentes bien denidas en la mayora (en alg
un sentido) de los puntos.

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)

El ejemplo propuesto por Riemann para refutar la armacion anterior es la funci

on siguiente,




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)

Weierstrass intento, sin exito, probar que el gr

aco de R(x) no tiene tangente bien denida en
cada uno de sus puntos, y esto lo llevoa formular su propio ejemplo, la funci
on W (x). En 1916,
Hardy prob
o que que el gr
aco de R(x) no tiene tangente bien denida en los puntos irracionales,
as como tambien en los puntos racionales de la forma 2p/(4q + 1) y (2p + 1)/(4q + 2) , ver [18].
Por otra parte, J. Gerver [17] probo que R(x) tiene tangente bien denida en los puntos de la forma
(2p + 1)/(2q + 1) y no tiene tangente bien denida en los puntos de la forma (2p + 1)/2n , n 1 .
Finalmente, s
olo en 1972, Smith consiguio dar una respuesta completa al problema, mostrando que
R(x) no tiene tangente bien denida en los restantes casos.

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

donde d(x) es la distancia de x al entero m

as pr
oximo.

curvas de las funciones x 

T (x)
que
2 muestra

1
0
2
f1 (x, y) =
1
1
2
2

La relacion T(x) = d(x) +

del IFS {f1 , f2 } , donde

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

Llamamos B al atractor. La siguiente gura muestra B = f1 (B) f2 (B) y B = f12 (B) f1

f2 (B) f2 f1 (B) f22 (B)

B = f1 (B) f2 (B)

B = f12 (B) f1 f2 (B) f2 f1 (B) f22 (B)

Algunas variaciones de esta curva de Takagi son dadas a continuaci

on. Vale la pena indicar que
no en todos los casos, la curva obtenida es un fractal, por ejemplo, puede ser una curva regular.

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

= 2 ). A seguir se muestra las etapas de la construccion de la curva de Levy

La gura nal le recuerda a un cangrejo?

4.4.5

Curvas de Peano y de Hilbert

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

cual llena todo el cudrado unitario en el plano.

Curva de Peano

Dado un cuadrado ABCD , por ejemplo, A = (0, 0) , B = (1, 0) , C = (1, 1) y D = (0, 1) , la

curva de Peano es la curva atractor del segmento de [AC] asociado a una familia de 9 contracciones,
similitudes de raz
on 1/3 , transformando el cuadrado grande en los nueve cuadraditos peque
nos
que lo componen, donde el cuadrado lleno ABCD es el atractor.
La construccion de la curva de Hilbert es analoga aquella hecha para la curva de Peano.
La curva de Hilbert es la u
nica curva de Peano binaria llenando el cuadrado [0, 1] [0, 1] y tal
que M (0) = (0, 0) y M (1) = (1, 0) . Ella es denida por el algortmo siguiente.
1. Particionamos el cudrado [0, 1] [0, 1] en 4 cuadrados peque
nos iguales, numeramos cada
uno de esos cuadraditos de manera que dos cuadraditos sucesivos se tocan por un lado.
Comenzamos por el cuadrado de la base extremo izquierdo, y terminamos por el cuadrado
de la base en el extremo derecho
2. Particionamos cada uno de esos cuadrados en 4 cuadraditos peque
nos. Numeramos esos
cuadrados como se muestra en la gura
3. Repetimos el proceso indenidamente

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

[16] K. Falconer, Fractal Geometry. Willey & Sons, 1990.

[17] J. Gerver, The dierentiability of the Riemann function at certain rational multiples of .
Amer. J. Math. 92(1970),3355.
[18] G. H. Hardy, Weierstrasss nondierentiable function. Trans. Amer. Math. Soc., 17 (1916),
301325.
[19] M. Hata, Fractals in Mathematics. Patterns and WavesQualitative Anaylysis of Nonlinear
Dierential Equations, (1986), 259278.
[20] J. E. Hutchinson, Fractal and Self-Similarity. Indiana Univ. Math. J., 30 (1981), 713747.
[21] D. E. Knuth, The Art of Computer Programming. Vol. 2: Seminumerical Algorithms.
AddisonWesley, Reading MA, 1981.
[22] N. Kono, On Generalized Takagi Functions. Act. Math. Acad. Sci. Hungarica.
[23] H. Lauwerier, Fractals: Endlessly Repeated Geometrical Figures. Princeton University Press,
1991.
[24] P. Levy, Les courbes planes ou gauches et les surfaces composee de parties semblales au tout.

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.