Está en la página 1de 56

Anlisis de Sensitividad y Semi-equi

ontinuidad de Autmatas
Celulares a travs de la Existen ia de Patrones Bloqueadores.
Apli a in en el Tratamiento Digital de Imgenes.

Autores: Li . Jess Eduardo Arias; Li . Gonzalo Gutirrez.

Universidad Na ional de Salta.

1.

Introdu in

1.1. Sistemas Dinmi os


Dado un onjunto X y una apli a in T : X X. Estudiar la dinmi a de X a trvs de T , signi a que
nos interesa el orportamientode ada elemento de X al iterarlo su esivamente a travs deT . Llamaremos a X
espa io de estados o espa io de ongura iones, donde los elementos de X des riben todos los estados posibles
del sistema a travs de T . Se denota Id a la fun in identidad en X, es de ir x X, Id(x) = x.

Deni in 1.1. (Sistema Dinmi o) Un sistema dinmi o es un par (X, T ), donde X es un onjunto y
T : X X satisfa e las siguientes propiedades:
1- T 0 : X X tal que T 0 = Id.
2- T i+1 = T i T , para todo i N.
El par (X, T ) es un Sistema Dinmi o Topolgi o (SDT) si X es un espa io mtri o ompa to y T : X X
una apli a in ontinua.

La apli a in T i : X X es una fun in que dene la evolu in de un punto x en el sistema en el instante


i N; se di e enton es que (X, T ) es un sistema dinmi o dis reto donde ono ido su estado en un instante dado,
queda perfe tamente determinado el estado posterior del sistema.

Deni in 1.2.

Sea (X, T ) un SDT dis reto1 .

Dado ualquier punto x X, se dene la rbita del punto x a la su esin


O(x) = {T (x), T 1 (x), . . . , T n (x), . . .}

Un punto x X es un punto peridi o si existe p > 0 tal que T p (x) = x, en tal aso, de imos que p es un
periodo para x. El menor p que satisfa e di ha propiedad se denomina periodo mnimo para x.
La rbita de un punto peridi o on periodo p > 0 es el onjunto:
O(x) = {T (x), T 1 (x), . . . , T p (x)}

Un punto x X es nalmente peridi o, si T m (x) es peridi o para algn m 0; es de ir, existe p > 0
tal que T m+p (x) = T m (x). En el aso m > 0 es denominado preperiodo y p el periodo.
Un punto x X es preperidi o si es nalmente peridi o pero no es peridi o.
Un punto jo x X es estable (gura 1.1 izquierda) si > 0, > 0 :
0, d(T n (y), x) <
1 [Kur03.

y B (x, ) , n

Un punto jo x X es atrayente ( gura 1.1 dere ha) si es estable y ademas


> 0, y B (x, ) , lm d(T n (y), x) = 0
n

B(x, )

B(x, )
B(x, )

B(x, )
b
b

b
b

x
b

b
b

y
b

b
b

x
b

b
b

b
b

b
b
b

b
b

b
b

Figura 1.1: Punto jo estable y atrayente

Deni in 1.3.

Sean (X, T ) e (Y, S) sistemas dinmi os y : X Y una fun in ontinua. Se di e que es


un homomorsmo de X a Y si S((x)) = (T (x)) x X.
T

Deni in 1.4. (I-F-C)

Una inmersin es un homomorsmo inye tivo, un fa tor es un homomorsmo


sobreye tivo y una onjuga in topolgi a es un homomorsmo biye tivo.
Cuando es un fa tor se di e que (Y, S) es un fa tor de (X, T ) o que (X, T ) es una extensin de (Y, S).
Cuando es inye tiva, se di e que (X, T ) es un subsistema de (Y, S). Un sub onjunto Z X de un sistema
dinmi o (X, T ) se di e invariante si T (Z) Z y fuertemente invariante si T (Z) = Z .
Dos sistemas dinmi os se di en topologi amente onjugados si existe una onjuga in topolgi a entre ellos.


Proposi in 1.1.
veri a:

Proposi in 1.2.

Si es un homomorsmo de (X, T ) a (Y, S), enton es para ualquier entero positivo n se


S n ((x)) = (T n (x)) x X

Sea n N. La antidad de puntos peridi os de periodo n es invariante por onjuga in.

1.2. Transitividad, Sensitividad y Equi ontinuidad.

El on epto de transitividad topolgi a, trata de reejar la siguiente ara tersti a; dadas dos zonas arbitrarias del espa io donde est denida la apli a in, existe un punto en la primera zona uya rbita visita, en
algn momento, la segunda.

Deni in 1.5. (Transitividad)


uya rbita sea densa.

Deni in 1.6. (Sensitividad)

un sub onjunto X X si

Un sistema dinmi o (X, T ) es transitivo uando existe un punto x X

Un SDT (X, T ) tiene dependen ias sensitivas a las ondi iones ini iales en

> 0 : x X , > 0; y X, n N : d(x, y) < d (T n (x), T n (y))

El nmero real se denomina onstante de sensitividad.

(Expansividad) Un SDT (X, T ), se di e expansivo si

> 0 : x, y X , x 6= y, > 0; n N : d(x, y) < d (T n (x), T n (y))

En el aso de que T sea una biye in, onsideraremos n Z. En tal aso se denomina onstante de expansividad.

B(x, )

B(T (x), )

B(T 2 (x), )

x
y

T (x)
b

T 2 (x)

B(T n (x), )
...

T n (x)

...

b
b

Figura 1.2: Sensitividad


De imos que T es sensible a las ondi iones ini iales si existe una distan ia tal que dado un x X siempre
es posible en ontrar un y X arbitrariamente er a, tal que una de sus imgenes su esivas a travs de T se
separa eventualmente en una distan ia mayor que . Mientras, el on epto de expansividad signi a que dado un
punto x X, existe una distan ia tal que ualquier y X distinto de x y arbitrariamente er a, sus imgenes
su esivas a travs de T se separan en una distan ia mayor que , es de ir que todo punto er ano a x se aleja
en algn momento. Si (X, T ) es sensitivo, no ne esariamente todos los puntos er anos a x deben separarse de
x bajo alguna itera in, sin embargo debe existir al menos un punto que des riba ese omportamiento en ada
entorno de x. Claramente si un sistema dinmi o es expansivo y no posee puntos aislados es tambin sensible a
las ondi iones ini iales, por lo que si es una onstante de expansividad, es tambin de sensitividad.

Deni in 1.7. (Equi ontinuidad) Sea (X, T ) un sistema dinmi o. El punto x X es un punto de equi ontinuidad, o de Lyapunov estable, si

, > 0 : y X, n N : d(x, y) < d(T n (x), T n (y)) <


B(x, )
x
y

B(T (x), )
b

T (x)
b

B(T n (x), )

B(T 2 (x), )
T 2 (x)

b
b

...
...

T n (x)
b

Figura 1.3: Comportamiento de un punto de equi ontinuidad en (X, T )


Denotarmos on E al onjunto de puntos de equi ontinuidad en X. El sistema dinmi o es equi ontinuo
si todos sus puntos son de equi ontinuidad, es de ir E = X. Queda laro que un punto x es equi ontinuo si
para ualquier punto y que est su ientemente er a de x, sus imgenes su esivas estn er a de las imgenes
su esivas de x. La no in de equi ontinuidad de un punto x est aso iada on la idea que las rbitas de ualquier
punto arbitrariamente prximos de x no se separan de la rbita de x. Si un sistema es sensitivo, laramente no
posee puntos equi ontinuos, es de ir E = , lo ontrario no es ierto en general, pero es vlido para los sistemas
transitivos.

Proposi in 1.3.

no es sensitivo.

Sea (X, T ) un sistema dinmi o. Si T tiene un punto de equi ontinuidad, enton es (X, T )

Demostra in:

Sea y X un punto de equi ontinuidad para T . Supongamos que T es sensitiva, enton es


> 0 tal que para todo x X y > 0 existe z X on d (x, z) < y d (T n (x) , T n (z)) para algn n > 0.
Pero por la deni in de equi ontinuidad, esta propiedad no es validad para el punto y . Luego (X, T ) no es
sensitivo.


Deni in 1.8.

Sea (X, T ) un sistema dinmi o y U X ualquier sub onjunto de X.

U es denso en X si la lausura de U es todo el espa io X, es de ir, U = X.


U es residual en X si existe una famila {Vi }iN de onjuntos abiertos y densos en X tal que

iN

Vi U .

Proposi in 1.4.

Un sub onjunto U de un espa io mtri o X es denso en X si y solo si la interse in de U


on ualquier sub onjunto no va o de X es no va a.

Teorema 1.1. (Teorema de las ategoras de Baire)

Todo sub onjunto residual de un espa io mtri o ompa to es no va o y denso.

Demostra ion:

Consieremos la familia {Ui }iN de sub onjuntos abiertos y densos en X y sea U =

Ui su

iN

interse in. Sea V0 ualquier onjunto abierto y no va o de X y mostremos que U V0 6= . Como U0 es denso
U0 V0 6= x U0 V0 , > 0 : B(x, ) U0 V0

pues U0 V0 es abierto en X. Tomando V1 = B x, 2 tenemos que V1 U0 V0 .
B(x, )

U0 V0

B(x, 2 )

Figura 1.4: Teorema de Baire


Por indu in matemti a, omo Ui es denso, onsiderando un onjunto abierto Vi Vi1 se tiene que
Ui Vi 6= Vi+1 : Vi+1 Ui Vi

donde Vi+1 es un abierto en X y ademas Vi+1 Vi . Armamos que siendo X ompa to, el onjunto V =
es no va o y por lo tanto existe x Vi para ualquier natura i. Como

T
Vi
i

Vi Vi1 Ui1 Vi2 Ui2 Ui1 . . . V0 U0 U1 . . . Ui1

resulta que x V0 U y por lo tanto U es denso.

Teorema 1.2. Un sistema dinmi o (X, T ) esT transitivo si y solo si para todo parTde sub onjuntos abiertos no
va ios U, V X, existe n N tal que T n (U ) V 6= , o de manera equivalente U T n (V ) 6= .

Demostra in:

Para la dire ta, sea (X, T ) un sistema dinmi o transitivo y sea z X on orbita densa.
Sean U, V abiertos en X y onsideremos
x U,
y V,

1 > 0
2 > 0

tales que B (x, 1 ) U


tales que B (y, 2 ) V

Enton es existen n, k N tales que w = T n (z) B (x, 1 ) y T k (w) = T n+k (z) B (y, 2 ). Enton es w
U T n (V ).
S n
T (V ) es denso en X:
Para la re ipro a, veamos primero que si V es un abierto arbitrario, enton es
nN

omo por hipotesis, dado ualquier x X y ualquier > 0S, es posible determinar un n(x, ) N tal que
B (x, ) T n(x,) (V ) 6= . Enton es, es natural ver que
T n(x,) (V ) interse a ualquier entorno del
n(x,)N
S
S n
S n
punto x X y omo
T (V ), tenemos que
T (V ) es denso en X.
T n(x,) (V )
nN
nN
n(x,)N


S n
T
T (Vi )
Como X es ompa to, su topologa admite una base numerable {Vi }iN . Enton es el onjunto
iN

nN

es interse in numerable de abiertos densos por lo que es residual. Ademas, por el teorema 1.1 es no va o

y denso en X. Sea y un elemento de

iN

nN


T n (Vi ) , enton es para ualquier i N existe n N tal que

y T n (Vi ) y por lo tanto T n (y) Vi . Luego la orbita de y to a todos los elementos de la base, mostrando as
que la orbita de y es densa.

La no in de transitividad nos di e que el sistema dinmi o (X, T ) es indes omponible, esto es, el espa io X
no puede ser expresado omo la unin de dos abiertos no va ios, disjuntos y T -invariantes. Suponiendo que fuese
posible expresar a X omo la unin de dos abiertos U, V disjuntos, no va ios e invariantes por T ,Ty suponemos
adems que el sistema (X, T ) es transitivo, enton es tiene que existir un natural n tal que T n (U ) V 6= . Pero
T n (U ) U y por lo tanto U V 6= , luego no es des omponible.
Otra propiedad ara teristi a de los sistemas dinmi os y del onjunto de puntos de equi ontinuidad E es la
propiedad de ser inversamente invariante por T .

Proposi in 1.5.

En ualquier sistema dinmi o vale que T 1 (E) E equivalentemente T (X E) X E .


Es de ir, el onjunto de puntos de equi ontinuidad es inversamente invariante.

Demostra in

Si E = , enton es T 1 (E) = {x X : T (x) E} = . Supongamos que E 6= , sea x


T 1 (E), es de ir T (x) E y > 0. Como T (x) es un punto de equi ontinuidad, existe 0 < < tal que para
todo z X que satisfa e d(T (x), z) < impli a que para todo n N, d T n (x), T n1 (z) < .
Luego, existe 0 < < tal que si y X satisfa e d(x, y) < , enton es d (T (x), T (y)) < d (T n (x), T n (y)) <
y por lo tanto x E .


Deni in 1.9.

Sea (X, T ) un sistema dinmi o y > 0, se dene el onjunto E omo:

Proposi in 1.6.

E = {x X : > 0, y, z B(x, ) n 0 : d (T n (y), T n (z)) < }

Para ualquier > 0, se veri a que

E es inversamente invariante
E es abierto
T
E=
E m1
m>0

Demostra in:

Si E = , el resultado es trivial. Supongamos que E es no va io y onsideremos T (x) E , para tal T (x)


debe existir 0 < < 2 tal que si y, z B(T (x), ) enton es d(T n (y), T n (z)) < , n 1. Por ser T
ontinua, tomando tal ,existe < tal que
y B(x, ) d(T (x), T (y)) <
B(x, )
y
b

x
z

B(T (x), )
b

b
b
b

T (y)
T (x)
b

T (z)

Figura 1.5: E inversamente invariante

Luego, tomando y, z B(x, ), se veri a que T (y), T (z) B(T (x), ) y por lo tanto
d(T n+1 (y), T n+1 (z)) < , n 0

mostrando que x E

Sea x E y > 0 tal que y, z B(x, ), n 1 d(T n (y), T n (z)) < y veamos que B(x, 2 ) E .
Sea y B(x, 2 ) y tomemos a B(y, 2 ) omo el entorno de y , de manera tal que tomando z, w B(y, 2 )
enton es
d(z, x) d(z, y) + d(y, x)
d(w, x) d(w, y) + d(y, x)
Luego z, w B(x, ) d(T n (z), T n (w)) < , n 1, es de ir y E .
Usaremos doble in lusin. Para la primera in lusin, sea x E y m > 0, enton es existe > 0 tal que si
1
d(z, y) < , enton es para todo n > 0, d(T n (z), T n (x)) 2m
. Luego si y, z B(x, ) enton es
d(T n (y), T n (z)) d(T n (y), T n (x)) + d(T n (x), T n (z))

1
1
1
+
=
2m 2m
m

esto es, x E m1 , m > 0


T
Para la segunda in lusin, sea x
E m1 , enton es x E m1 para ualquier m > 0. Dado > 0, sea
m>0

1
< . Por estar x E m1 , existe > 0 tal que si d(x, y) < enton es
m > 0 de manera tal que m
1
n
n
d(T (x), T (y)) < m < . Luego x E.

Deni in 1.10. Un SDT (X, T ) es semi-equi ontinuo si E es un onjunto residual en X.


Teorema 1.3. (Akin,Aulansder y Berg (1996)) Un SDT transitivo es, o bien sensitivo,
equi ontinuo.

o bien semi-

Demostra in:

Sea (X, T ) un sistema dinmi o transitivo y > 0. supongamos que E es no va o y tampo o


denso en X, es de ir E 6= X. Enton es el onjunto U = X E es abierto y no va o. Por la proposi in 1.6, E
es abierto e inversamente invariante, por lo que T n (E ) es abierto y T n (E ) E . Ademas, por el Teorema
1.2
6= U T n (E ) U E =

Produ iendo una ontradi on. Enton es, para ualquier


T > 0, E es, o bien va o, o bien denso.
E m1 , es un onjunto residual y por ello (X, T ) es
Ahora, si para todo > 0, E es no va o, enton es E =
m>0

semi-equi ontinuo. Veamos que si para algn > 0, E = , enton es el sistema es sensitivo on onstante de
sensitividad 2 . Tomando x X y > 0, existen y, z B (x, ) y n 0 tales que d (T n (y), T n (z)) , y omo
d (T n (y), T n (z)) d (T n (y), T n (x)) + d (T n (x), T n (z))

se on luye que d (T n (y), T n (x)) + d (T n (x), T n (z)). Por lo tanto, o bien d (T n (y), T n (x)) 2 , o bien
d (T n (x), T n (z)) 2 .

2.

El Full Shift

AZ

Deni in 2.1. Sea A un alfabeto nito on ardinal N


Zd

2 y onsideremos el espa io Zd = {n = (n1 , n2 , . . . , nd ) :


omo el onjunto de todas las su esiones d-innitas uyos ele-

ni Z, 1 i d}. Denimos el Full Shift A


mentos estn en A, es de ir
Y
d
AZ = {(xn ) nZd : xn A} =
A
2

Zd

2 Mu has

ve es nos referiremos a AZ omo espa io de ongura in del autmata elular.


d

Por ejemplo, si parti ularizamos para A = {0, 1}, enton es el Full Shift tridimensional resulta ser
3

AZ =



x(i,j,k) : i, j, k Z x(i,j,k) A

Figura 2.1: Representa in de AZ y AZ


2

y el Full Shift bidimensional AZ es el onjunto


2

2.1. Bloques y Patrones


Deni in 2.2.
d-dimensional

AZ =



x(i,j) : i, j Z x(i,j) A

Sea un alfabeto A y n1 , n2 , . . . , nd N. Un bloque u de tamao n1 n2 . . . nd es un array




u = u(i1 ,i2 ,...,id )

donde (i1 , i2 , . . . , id ) N (n1 , n2 , . . . , nd ) y u(i1 ,i2 ,...,id ) A, siendo N (n1 , n2 , . . . , nd ) el onjunto denido omo
N (n1 , n2 , . . . , nd )


(i1 , i2 , . . . , id ) Zd : 0 i1 n1 1, 0 i2 n2 1, . . . , 0 id nd 1

El bloque va io es aquel formado por ningn smbolos de A. Denimos AN (n1 ,n2 ,...,nd ) omo el onjunto de
todos los bloques u de tamao n1 n2 . . . nd que pueden formarse on el alfabeto A, es de ir
AN (n1 ,n2 ,...,nd )

Deni in 2.3.




u = u(i1 ,i2 ,...,id ) : (i1 , i2 , . . . , id ) N (n1 , n2 , . . . , nd ) u(i1 ,i2 ,...,id ) A

Dos ve tores n, s Zd se di en ser adya ente si |nj sj | 1, 1 j d.


Dado dos ve tores distintos n, s de Zd , un amino que ini ia en n y termina en s es una su esin de
d-uplas {n, n1 , n2 , . . . , nk , s} Zd tal que n es adya ente a n1 , ni es adya ente a ni+1 y nk es adya ente a s.
Un sub onjunto nito P Zd on ardinal mayor que 1 se di e que es un onjunto one tado de ve tores si
para ualquier par de uplas n, s P existe al menos un amino P .
b

Figura 2.2: Un amino


7

Deni in 2.4.

Dado un alfabeto nito A y P Zd un sub onjunto nito one tado de ve tores. Un patrn u
dado por P es ualquier su esin nita de elementos de A indexada segn el onjunto P , es de ir
u = {un }nP

El onjunto de todos los patrones que se puede formar on el alfabeto A dado P es




AP = u = {un }nP : un A

Notemos que los elementos de la deni in 2.2 son asos parti ulares de patrones dada por la deni in
2.4, basta tomar P = N (n1 , n2 , . . . , nd ). Para el aso del Full Shift unidimensional, los patrones que se pueden
formar son su esiones nitas de elementos de un alfabeto que llamaremos palabras. Para el aso bidimensional
podemos dar el siguiente ejemplo: Tomemos P = {(0, 0) , (0, 1) , (1, 0) , (1, 1) , (2, 1)} Z2 omo un onjunto
one tados de ve tores y A = {0, 1} , el onjunto de patrones que se puede formar on el alfabeto A dado por
P es


0
0
0
0
0
1
0
1
1
0
1
0
1
1

0
0
0
1
1
0
1
1
0
0
1
1
1
0


0

1

0

1

1

0

1

0
0
0
1
0
1
1
0
1
0
1
1
1
1

0
1
0
0
1
1
0
0
0
1
1
0
1
1


0

1

0

0

1

0

1

0
1
0
1
0
0
1
0
1
1
1
1

0
0
0
1
1
0
0
1
0
0
1
1


0

1

1

0

1

0

0
1
0
0
0
0
1
1
1
1
1
0

0
1
1
0
1
1
0
0
0
1
1
0


0

0

1

0

1

1

0
0
0
0
0
1
1
1
1
0
1
0

0
0
1
1
1
0
0
1
1
0
1
1


1

0

1

0

0

1

Nota 2.1.

Se emplear el smbolo para de ir que ualquier elemento presente en tal posi in no forma parte
del patrn denido por el onjunto P .

Dado un punto x = (xn ) nZd y un onjunto nito P = {n1 , n2 , . . . , nk } Zd , representaremos on x|P a


d
las omponentes del punto x AZ segn las posi iones dadas por P , es de ir:
x|P = {xn1 , xn2 , . . . , xnk }

En parti ular, para ualquiera n1 , n2 , . . . , nd N



x|N (n1 ,n2 ,...,nd ) = x(i1 ,i2 ,...,id )

donde (i1 , i2 , . . . , id ) N (n1 , n2 , . . . , nd ). De imos que un bloque u de tamao n1 n2 . . . nd o urre en el


punto x (denotado omo u x) si existe un ve tor n = (j1 , j2 , . . . , jd ) Zd tal que
x|N (n1 ,n2 ,...,nd )+(j1 ,j2 ,...,jd ) = u

siendo N (n1 , n2 , . . . , nk )+(j1 , j2 , . . . , jd ) la trasla in del onjunto N (n1 , n2 , . . . , nk ) por el ve tor (j1 , j2 , . . . , jd ).
d
De manera equivalente, de imos que un patrn u AP o urre en un punto x AZ (denotado omo u x) si
existe un ve tor n Zd tal que
x|P+n = u

Ejemplo 2.1.

x|P+n = {xn1 +n , xn2 +n , . . . , xnk +n }

Para el aso bidimensional, un bloque u de

u(0,n1) u(1,n1)

..
..

.
.
u=
u(0,1)
u(1,1)
u(0,0)
u(1,0)

tamao m n es un arreglo re tangular

. . . u(m1,n1)

..
..

.
.

...
u(m1,1)
...
u(m1,0)

tal que u(i,j) A, i, j Z : 0 i m 1, 0 j n 1. El

u(0,n1) u(1,n1)

..
..

.
.
AN (m,n) =

u
u

(0,1)
(1,1)

u(0,0)
u(1,0)

Ejemplo 2.2.

onjunto AN (m,n) es

. . . u(m1,n1)

..
..

.
.

...
u(m1,1)

...
u(m1,0)

Consideremos el punto x AZ sobre el alfabeto A = {0, 1} denido del siguiente modo:

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

... 0 0 0 0 1 1 ...

... 1 0 1 0 1 1 ...

x=
1 0 1 1 0 1

... 0 1 0 0 1 1 ...

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

1 0
enton es el bloque u = 1 1 de tamao 2 3 o urre en x, eligiendo (i, j) = (0, 1) se veri a que
0 0

x(0,1)
x(1,1)
x(0,0)
x(1,0) = u.
x(0,1) x(1,1) 

0 0 1
Y el patrn u =
AP donde P = {(0, 0) , (1, 1) , (0, 1) , (1, 1)} o urre en x, tomando (i, j) =



x
x(1,2) x(2,2)
(1, 1) se veri a que (0,2)
= u.
x(1,1)

Ejemplo 2.3.

Sea A ualquier alfabeto nito y onsideremos los Full Shifs AZ y AZ . Sean x AZ y z AZ ,


P1 = {2, 1, 0, 1, 2} Z, P2 = {(0, 0) , (1, 0) , (1, 1) , (1, 2)} Z2 y P3 = {(0, 0) , (0, 1) , (1, 0) , (1, 1) , (1, 1)}
Z2 . Enton es
x|P1 +i

x|P2

z|P3 +(i,j)

2.2. Cilindros en A

i Z

xi2 xi1 xi xi+1 xi+2

x(0,0)

z(i1,j+1)
z(i1,j)

x(1,2)
x(1,1)
x(1,0)

z(i,j+1)
z(i,j)

z(i+1,j+1)
z(i+1,j)

i, j Z

Zd

Si onsideramos A on la topologa dis reta, enton es ualquier sub onjunto de A es un abierto y errado
( lopen). Dado n Zd , denimos las proye iones anni as
pn : AZ
x

A
7 xn

Estas fun iones indu en la topologa produ to en AZ . Esto es:


d

AZd

pn1 (B)

 1

pn (B) |B A

o
n
d
x AZ : pn (x) = xn B

Ejemplo 2.4.

Consideremos d = 1 y A = {0, 1}. Sea B = {1}, notemos que el punto x denido omo
x = . . . 0001011 0100110 . . .

1
Z
est en p1
1 (B). Ms an, ualquier x A que umple xj = 1 est en pj (B). Es de ir:

p1
j (B) = {. . . xj2 xj1 1xj+1 xj+2 . . .}
j
p1
j (B) = C1 = Cj (1)

Ejemplo 2.5.
p1
(1,1) (B)

Consideremos d = 2, es de ir el Full Shift AZ . Sea B = {0} A. El siguiente punto x est en

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

... 0 0 0 0 1 ...

... 1 0 0 0 1 ...
x=

... 0 1 0 0 1 ...

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

Ms an

...

p1
(i,j) (B) = . . .
...

.
.
.

.
.
.

.
.
.

.
.
.

.
.
.

x(i2,j+1)
x(i2,j)
x(i2,j1)

x(i1,j+1)
x(i1,j)
x(i1,j1)

x(i,j+1)
0
x(i,j1)

x(i1,j+1)
x(i+1,j)
x(i+2,j1)

x(i+2,j+1)
x(i+2,j)
x(i+2,j1)

.
.
.

.
.
.

.
.
.

.
.
.

.
.
.

...
...
...

Es bin ono ido que la topologa produ to es la menos na de todas las topologas de AZ que ha en
d
ontinuas las proye iones pn : AZ A. Adems, la topologa produ to tiene omo subbase a los onjuntos de
la forma pn1 (V ) donde V A. Los elementos de la base de la topologa produ to son
\

pn1 (Bn ) =

Cn =

nIZd

siendo

nZd

A
Bn

Cn

si n
/I
si n I

y donde I es un sub onjunto nito de Zd , on Bn A. Los onjuntos nitos Bn pueden ser expresados omo
Bn =

Bn,i

1i|Bn |

en donde Bn,i son onjuntos unitarios en A. Adems


pn1 (Bn ) =

1i|Bn |

o
d
x AZ : xn Bn,i =

pn1 (Bn,i )

1i|Bn |

Como la topologa produ to ontiene todos los abiertos p1


n (V ) (donde V A), sus interse iones nitas y
todas las uniones
de
tales
interse iones,
podemos
onsiderar
que los elementos de la base de la topologa son
T
pn1 (Bn ) on Bn onjuntos unitarios en A. Ms an, los ilindros son interse iones nitas
de la forma
nIZd

de estos onjuntos y tambin son elementos de la base de la topologa. Formalmente;

Deni in 2.5.

ilindro

Consideremos n1 , n2 , . . . , nk Zd , (k > 0) y a1 , a2 , . . . , ak letras del alfabeto A. Se dene el


on omponentes a1 , a2 , . . . , ak en las oordenadas n1 , n2 , . . . , nk al onjunto
Y
,n2 ,...,nk
Cn
Can11,a
=
2 ,...,ak
nZd

10

donde


Cn =

En parti ular:

A
aj

n 6= n1 , n2 , . . . nk
n=
nj

j {1, 2, . . . , k}

Para n1 , n2 , . . . , nd N y j1 , j2 , . . . , jd Z, el ilindro on bloque u AN (n1 ,n2 ,...,nd ) en la posi in


(j1 , j2 , . . . , jd ) Zd es el onjunto
n
o
d
C(j1 ,j2 ,...,jd ) (u) = x AZ : x|N (n1 ,n2 ,...,nd )+(j1 ,j2 ,...,j2 ) = u

Para ualquier onjunto nito P Zd , el ilindro que ontiene el patrn u AP ini iando en la oordenada
n Zd es el onjunto
n
o
d

Cn (u) = x AZ : x|P+n = u

Por ejemplo, onsiderando el Full Shift bidimensional AZ , donde A es ualquier alfabeto nito, enton es para
ualquiera m, n N e (i, j) Z2 , el ilindro C(i,j) (u) es
2

x(i,j+n1)

C(i,j) (u) = x AZ :

x(i,j+1)

x(i,j)

..
.

x(i+1,j+n1)

...

...

x(i+m1,j+n1)

x(i+1,j+1)
x(i+1,j)

...
...

x(i+m1,j+1)
x(i+m1,j)

..
.

..
.

=
u

donde u AN (m,n) es un bloque de tamao m n omo se muestra en el ejemplo 2.1.

Ejemplo 2.6.

0 1
Si onsideramos por ejemplo u = 1 0 AN (2,3) siendo A = {0, 1}, enton es
1 0

x(1,5) x(2,5)
0 1

2
C(1,3) (u) = x AZ : x(1,4) x(2,4) = 1 0

x(1,3) x(2,3)
1 0

Los ilindros onforman una base para la topologa de AZ . Adems el Full Shift AZ umple las siguientes
propiedades:
d

Proposi in 2.1.

El Full Shift AZ es ompa to.

Demostra in:

A on la topologa dis reta por ser nito es un onjunto ompa to. Como AZ =

el produ to numerable de espa ios ompa tos, por el teorema de Ty hono


ompa to.

nZd

A es

se sigue que AZ es un onjunto




Proposi in 2.2.

El onjunto de puntos aislados del Full Shift AZ es va o.

Demostra in:

Supongamos que existe x AZ tal que x es punto aislado. Consideremos adems n1 , n2 , . . . , nk


d
Z , (k > 0) y a1 , a2 , . . . , ak A. Deniendo a1 = xn1 , a2 = xn2 , . . . , ak = xnk , se tiene que
 \ Zd
,n2 ,...,nk

{x}
A 6=
Can11,a
,...,a
2
k

T d
y por lo tanto ualquier abierto B que ontiene a x umple que (B {x}) AZ 6= . Luego x no es punto
d
aislado ( ontradi in). Por lo tanto el Full Shift AZ no posee puntos aislados.

Proposi in 2.3.

El Full Shift A

3 El Teorema de Ty hono
4 Un espa io mtri o (X, d)

xU

Zd

e y X U ([Kur03).

es totalmente dis onexo .


4

asegura que el produ to topolgi o de espa ios ompa tos es ompa to ([Kur03).
es totalmente dis onexo si para ualquier par de puntos distintos x, y X existe un lopen U tal que

11

Demostra in

Sea x = (xn )nZd e y = (yn )nZd dos puntos distintos del Full Shift AZ que dieren en la
n Z oordenada. Sean Cxnn , Cynn los ilindros on palabra xn , yn en la posi in n respe tivamente. Se veri a
que
\
Cynn =
Cxnn
d

y Cynn est ontenido en el omplemento de Cxnn . Luego AZ es totalmente dis onexo.

Nota 2.2.

Cuando un onjunto es Compa to y no posee puntos aislados se di e que es perfe to, por lo que el
d
Full shift AZ es un onjunto perfe to.
Un espa io topolgi o que es perfe to, totalmente dis onexo y no va o es denominado un espa io de Cantor.
d
Por lo que el Full Shift AZ es un espa io de Cantor5 .

Deni in 2.6.

Denimos la distan ia de Cantor para dos puntos del Full Shift AZ de la siguiente manera.

0 x=y
d(x, y) =
2i x 6= y


donde i = mn knk : n Zd , xn 6= yn y knk = max {|ni | : 1 i d}.

Ejemplo 2.7.
x(i,j)

Consideremos el Full Shift AZ donde A = {0, 1} y sean x, y AZ denidos del siguiente modo:
(
0 si |i + j| es par
=
1 c.o.c

y(i,j) =

x=

0
1

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

.
.
.

.
.
.

.
.
.

.
.
.

.
.
.

.
.
.

0
1
0

1
0
1

0
1
0

1
0
1

0
1
0

.
.
.

.
.
.

.
.
.

.
.
.

.
.
.

.
.
.

.
.
.

.
.
.

.
.
.

.
.
.

.
.
.

.
.
.

0
0
0

1
1
1

0
0
0

1
1
1

0
0
0

.
.
.

.
.
.

.
.
.

.
.
.

.
.
.

.
.
.

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

si |i| es par
c.o.c

y=

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

Enton es i = mn {knk : xn 6= yn } = 1, luego d(x, y) = 21 = 12 .

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

Para el Full Shift unidimensional AZ , la distan ia entre dos puntos ualesquiera x, y es ada vez menor si
el bloque entral en el que ambos
puntos oin idan es ada vez mayor. De manera similar, por ejemplo para
2
el Full Shift bidimensional AZ , la distan ia entre dos puntos x, y es ada vez ms hi a si el bloque entral
en el que ambos puntos
oin iden es ada vez ms grande. La gura 2.3 muestra la distan ia entre dos puntos
2
distintos x, y AZ siendo las oordenadas donde ambos puntos dieren.
5 [Dorka06,

Nep06, Nep03.

12

(i4 , j4 )
b

(i3 , j3 )
b

(i2 , j2 )

0
-4

-3

-2

-1

d(x, y)
b

-1

(i1 , j1 )
-2

-3

-4

Figura 2.3: distan ia en AZ

2.3. Transforma iones

Deni in 2.7. Sea j {1, 2, . . . , d}, denimos el j -simo ve tor anni o ej al ve tor uyas omponentes son
0 en todas las posi iones, ex epto en la j -sima omponente uyo valor es 1.
Por ejemplo en Z2 los ve tores anni os son (1, 0) y (0, 1).

Deni in 2.8.

Consideremos el Full Shift AZ , n = (n1 , n2 , . . . , nd ) Zd y x ualquier punto de AZ . Se


d
d
dene la trasforma in shift en la dire in ej a la fun in j : AZ AZ tal que
j (x)n = xej +n = x(n1 ,...,nj1 ,nj +1,nj+1 ,...,nd )

As omo en el Full Shift unidimensional AZ la fun in desplaza las oordenadas de ualquier punto x AZ
d
un lugar ha ia la izquierda, en el Full Shift AZ ada j desplaza un lugar anterior las j -simas omponentes
d
de ualquier punto x AZ .

Ejemplo 2.8.

Consideremos el alfabeto A = {0, 1} y sea x AZ denido omo

x=

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

.
.
.

.
.
.

.
.
.

0
1
1

0
1

0
1
1

1
1

1
0
1

0
0

.
.
.

.
.
.

.
.
.

.
.
.

.
.
.

1
0
1

1
0

0
0
1

0
0

.
.
.

.
.
.

...

...

...
...
...

Enton es

1 (x) =

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

.
.
.

.
.
.

.
.
.

0
1
1

1
1

1
0
1

0
0

1
0
1

1
0

.
.
.

.
.
.

.
.
.

.
.
.

.
.
.

0
0
1

0
0

.
.
.

.
.
.

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

2 (x) =

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

.
.
.

.
.
.

.
.
.

0
1

1
0

0
1

1
1

1
0

1
0

.
.
.

.
.
.

.
.
.

.
.
.

.
.
.

1
0

1
1

0
0

1
0

.
.
.

.
.
.

...

...

...
...
...

Donde los smbolos representa los proximos valores no expli itados de los puntos 1 (x) y 2 (x) respe tivamente.

Las transforma iones shifts j son fun iones biye tiva, por lo que admiten inversa j1 . Adems, onsiderando
j0 = id, para ualquier entero k la omposi in jk (x) = jk1 (j (x)) est bien denida. Es posible tambin
realizar la omposi in de diversas transforma iones shifts, esto es, si x es ualquier punto sobre el Full Shift
d
AZ y j, k d enton es
13

(j k ) (x)n

Ejemplo 2.9.


js kt (x)n

k (x)n+ej

= kt (x)n+sej

xn+ej +ek

= xn+sej +tek

Consideremos el punto x del Full Shift AZ denido en el ejemplo 2.8 enton es

(1 2 ) (x)

(2 1 ) (x)

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

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

.
.
.

.
.
.

.
.
.

0
1

1
1

1
0

1
0

1
0

1
1

.
.
.

.
.
.

.
.
.

.
.
.

.
.
.

0
0

1
0

.
.
.

.
.
.

.
.
.

.
.
.

.
.
.

.
.
.

.
.
.

0
1

1
1

1
0

1
0

1
0

1
1

0
0

1
0

.
.
.

.
.
.

.
.
.

.
.
.

.
.
.

...
...

...
...
...

...

...

...
...
...

Gra ias a las d transforma iones shift j , denimos la trasforma in m donde m = (i1 , i2 , . . . , id ) Zd omo
la omposi in de las poten ias de j del siguiente modo:

Deni in 2.9.

Sea x AZ ualquier punto del Full Shift y sea m = (i1 , i2 , . . . , id ) Zd . Denimos la


trasforma in m omo:

(m (x))n = 1i1 2i2 . . . did (x)n = xn+m

A modo de ejemplo, si restringimos al aso AZ , sean (j, k) , (r, s) Z2 y tomemos x ualquier punto del Full
2
Shift AZ . Enton es
2

(j,k) (x)

(r,s)



= 1j 2k (x)(r,s) = 1j (x)(r,s)+ke2 = x(r,s)+je1 +ke2 = x(r,s)+(j,k)

En el ejemplo 2.9 se tiene que (1,1) (x) = (1 2 ) (x) = (2 1 ) (x).

2.4. Puntos Fijos y Puntos Peridi os por

Deni in 2.10.

Zd

Un punto x A

se di e que es jo en la dire in ej si j (x) = x.

En el aso unidimensional, un punto jo en AZ bajo la transforma in es ualquier x AZ tal que (x) = x.
2
Consideremos el aso parti ular d = 2, es de ir, el Full Shift bidimensional AZ y los ve tores anni os e1 y e2
de Z2 respe tivamente. Sea x = x(i,j) i,jZ tal que 1 (x)(i,j) = x(i,j)+e1 = x(i+1,j) = x(i,j) para ualquier par
de enteros i, j . Para que esto o urra, ualquier la del punto x tiene que ser una on atena in innita de una
misma letra del alfabeto A, es de ir:
j Z, a A : x(i,j) = a, i Z

La gura 2.4 muestra esquemati amente omo son los puntos jos por 1 en el Full Shift AZ , donde A es
ualquier alfabeto nito y a, b, c son letras ualesquiera de A. Para otro ejemplo sobre el alfabeto A = {0, 1} el
2

14

..
.

... a

x=
... b
... c

..
.

..
.

..
.

a
b
c

a
b
c

..
.

..
.

...
...
...

Figura 2.4: Estru tura de los puntos jos en AZ en la dire in e1 = (1, 0)


2

siguiente punto x AZ denido del siguiente modo veri a que 1 (x) = x.


2

x=

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

..
.

..
.

..
.

0
1
1

0
1

0
1
1

0
1

0
1
1

0
1

..
.

..
.

..
.

..
.

..
.

0
1
1

0
1

0
1
1

0
1

..
.

...
...

...
...
...

..
.

En base a lo mostrado anteriormente, podemos denir uando un punto x AZ es un punto jo por j .
d

Deni in 2.11. Un punto x AZ

a, m Z.

se di e que es punto jo en la dire in ej si a A : x(n1 ,n2 ,...,nj1 ,m,nj+1 ,...,nd ) =

aaaaaaaaaaa
b

bbbbbbbbbb
e2

Esta deni in es extendible para ara terizar los puntos peridi os de periodo k en la dire in ej . Como

d
ualquier punto del Full Shift AZ puede ser interpretado omo un arreglo d-dimensional innito x(n1 ,n2 ,...,nd ) nk Z
on valores en A y dado que para ualquier entero positivo k vale jk (x)n = xn+kej , enton es x = jk (x) si, y
slo si, para ualquier n = (n1 , n2 , . . . , nd ) se umple que
x(n1 ,n2 ,...nj1 ,nj +k,nj+1 ,...,nd ) = x(n1 ,n2 ,...nj1 ,nj ,nj+1 ,...,nd )

En otras palabras, jando d 1 enteros n1 , n2 , . . . nj1 , nj+1 , . . . nd , la su esin unidimensional


x(n1 ,n2 ,...nj1 ,m,nj+1 ,...,nd )mZ

es la on atena in innita de una misma palabra w de longitud k .

Deni in 2.12.

si jk (x)n

w .

Un punto x AZ se di e que es peridi o de periodo k en la dire in ej (o on respe to a j )


= xn+kej = xn , n Zd . En uyo aso existe un bloque w Ak tal que x(n1 ,n2 ,...nj1 ,m,nj+1 ,...,nd )mZ =

Por ejemplo, si onsideramos en Full Shift bidimensional AZ siendo A2 ualquier alfabeto nito, los puntos
x mostrados en la gura 2.5 representan, respe tivamente, puntos en AZ que satisfa en 12 (x) = x (su esin
de la izquierda) y 22 (x) = x (su esin de la dere ha), siendo a, b, c, d, e, f letras arbitrarias del alfabeto A
2

15

..
.

... a

... c

... e

..
.

..
.

..
.

b
d
f

a b
c d
e f

..
.

..
.

..
.

..
.

12 (x) = x

...

...

...

..
.
... a
... b
... a
... b

..
.

..
.

..
.

..
.

c a
d b
c a
d b

e
f
e
f

..
.

..
.

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

..
.

22 (x) = x

Figura 2.5: Esquema de puntos peridi os de periodo k = 2

Ejemplo 2.10.

Consideremos el alfabeto A = {0, 1}, el punto x AZ denido del siguiente modo veri a
simultaneamente 12 (x) = x y 22 (x) = x.
(
0 si |i + j| es par
x(i,j) =
1 c.o.c

x=

2.5.



d
AZ , j

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

.
.
.

.
.
.

.
.
.

.
.
.

.
.
.

.
.
.

0
1
0

1
0
1

0
1
0

1
0
1

0
1
0

.
.
.

.
.
.

.
.
.

.
.
.

.
.
.

.
.
.

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

Como SDT.


El sistema dinmi o AZ , j resulta ati o6, es de ir, el sistema dinmi o AZ , j es transitivo y el


d

onjunto de puntos periodi os bajo j es denso en AZ para ualquier j = 1, 2 . . . , d.


d


d
Transitividad: Sean U = B (x, 2r ) ; V = B y, 2l donde x, y AZ y mostremos que existe un natural
m Z tal que jm (U ) V 6= . Sea z U , luego zn = xn para todo n Zd : knk r. Tomando m
un entero su ientemente grande para que kn + mej k > r, n Zd : knk l. Para el mismo z tomado
anteriormente exigimos ahora que zn+mej = yn , n Zd : knk l, esto impli a que jm (z)n = yn , es
de ir jm (z) V . Por lo tanto j es transitiva.

d
Densidad de rbitas peridi as : onsideremos x AZ , l N y demostremos que en B x, 2l hay puntos


d
peridi os simultaneos de j . En efe to, deniendo P = n Zd : knk l onstruimos el punto z AZ
que resulta de la on atena in innita en las d dimensiones del patrn x|P (Figura 2.6) de tal manera
d
que j2l+1 (z) = z . Luego en ualquier abierto de AZ existen puntos peridi os para ualquier j .

2l + 1

..
.

x|P

...

...

...
..
.

z AZ

Figura 2.6: Contru in del punto z


6 [Dorka06,

Nep06.

16

..
.

...
..
.

x AZ

..
.

..
.
2

Deni in
2.13. Sea x ualquier punto del Full Shift AZ


, de imos que el punto x es -peridi o si el onjunto


m (x) : m Z es nito. En uyo aso, existe V = {0, m1 , . . . , mk } Zd tal que m Zd V : m (x) =
s (x) para algn s V . En algunos asos diremos que x es -peridi o de grado k .
d

Por ejemplo, si denimos el punto x AZ omo


2

..
.

... a

x=
... b
... a

..
.

..
.

..
.

..
.

b
a
b

a
b
a

b
a
b

..
.

..
.

..
.

...
...
...

donde a, b A, enton es x es un punto -peridi o de grado 2. Una de las propiedades muy importantes de los
puntos -peridi os es que son peridi os para ualquier j :

Proposi in 2.4.

Un punto x AZ es -peridi o si y slo si es peridi o en ada j

Demostra in:

Para la dire ta, supongamos que x AZ es un punto -peridi o, esto es V = {0, m1 , m2 , . . . , mk }


d
d
Z tal que m Z V, m (x) = s (x) para algn s V . Supongamos que
 existe una dire in 1 j d para
el ual x no es punto peridi o on respe to a j . Enton es la rbita O = jn (x) n es un onjunto innito nud

merable de puntos totalmente distintos en AZ , pero por la hipotesis se debe umplir que n N : jn (x) = s (x)
para algn s V . Contradi iendo el he ho que V era nito.
Para la re ipro a, basta tomar k = max {pi } siendo pi el grado de periodi idad de x en la j -sima oorde1id

nada, es de ir on respe to a j . Tomemos V = {s : ksk k d} Zd que es nito: vemos que ualquier ve tor
anoni o ej est en V y si tomamos ualquier m = (m1 , m2 , . . . , md ) Zd enton es por la deni in 2.9
m (x) = (1m1 2m2 . . . dmd ) (x)

y por el teorema del o iente resto mj = cj pj + rj on rj < pj teniendo as que


m (x) = (1r1 2r2 . . . drd ) (x)
P
P
Ademas, k(r1 , r2 , . . . , rd )k rj pj k d (r1 , r2 , . . . , rd ) V . Enton es x es -peridi o.

El onjunto de puntos peridi os bajo j es denso en AZ para ualquier 1 j d, por la proposi in


d
anterior 2.4 se tiene que el onjunto de puntos - peridi o tambin es un onjunto denso en AZ .
d

3.

Autmatas Celulares

 d 
AZ , .

Sea A ualquier alfabeto al que denominaremos onjunto de posibles estados, un onjunto nito V Zd
denominado entorno o ve indad y el onjunto de patrones AV . Denimos regla lo al a ualquier fun in :
AV A que asigna a ada patrn de AV ualquier letra del alfabeto A
Por ejemplo, si onsideramos el onjunto V = {0, 1, 2, . . . , r 1} Z on r > 0 y A ualquier alfabeto nito,
enton es AV = Ar . Es de ir, el onjunto de bloques de tamao r formados on el alfabeto A. Por onvenien ia,
vamos a suponer que el onjunto V Zd siempre ontiene al origen 0 y que adems es un onjunto one tado
de ve tores tal omo se deni en 2.4.

Deni in 3.1. (Autmata Celular)

Sea A un onjunto nito denominado alfabeto, V Zd un onjunto


d
d
nito y : AV A ualquier regla lo al. Una fun in : AZ AZ es un autmata elular indu ido por si
n Zd , (x)n = (x|V+n ). Es de ir, lo que (x) tiene en la posi in n es la imagen por del bloque x|V+n .

17

Ejemplo 3.1.

Consideremos el Full Shift AZ on A = {0, 1} y el onjunto nito V en Z2 denido omo


V = {(0, 0), (1, 0), (1, 1), (0, 1), (1, 1)}

Sea : AV A la regla lo al dada por la siguiente expresin


X

resto
v(i,j) , 2

es de ir, sumar los valores v(i,j) mdulo 2 y donde v AV es un bloque de la forma

v(1,1) v(0,1) v(1,1)

v(0,0) v(1,0)

Esta fun in indu e un autmata elular sobre el Full Shift AZ . Para saber la evolu in del estado x(i,j)
en una prxima itera in, nos tenemos que situar en tal estado
 junto on sus estados ve inos segn indique V.
Tal onjunto de valores es lo que se entiende omo x(i,j)+V , as que

x(i1,j+1) x(i,j+1) x(i+1,j+1)

x(i,j)
x(i+1,j)
(x)(i,j) =

3.1. Cara teriza in de los AC


Teorema 3.1.

Sea : AZ AZ ualquier apli a in tal que j = j para todo j {1, 2, , d}.


d
d
Enton es existe 0 : AZ A tal que para ualquier x AZ y n = (n1 , n2 , , nd ) Zd se umple:
(x)n = (0 1n1 2n2 dnd ) (x)

Demostra in:

Demostremos para el aso d = 2. Consideremos : AZ AZ una fun in tal que 1 =


2
1 y 2 = 2 . Sea 0 : AZ A denida omo
0 (x) = (x)(0,0) x AZ

Enton es


0 1i 2j (x) =

=
=
=
=





0 1i 2j (x) = 1i 2j (x)
1i 2j ( (x))(0,0)


1i 2j ( (x))

(0,0)

(0,0)

2j ( (x))(i,0)
(x)(i,j)
d

Ahora, dado d N arbitrario. Es laro que existe 0 : AZ A tal que para ualquier x AZ , es 0 (x) =
(x)0 . Dado que onmuta on todas las fun iones shift i , se tiene que (0 i )(x) = 0 (i (x)) = (i (x))0 =
i ((x))0 = (x)0+ei . Adems (0 in )(x) = 0 (in (x)) = (in (x))0 = in ((x))0 = (x)0+nei . Como las i
onmutan entre si, se sigue el resultado.


El resultado anterior ser muy util para de idir undo una fun in : AZ AZ es un autmata elular.
Re ordemos una propiedad importante de las fun iones ontinuas sobre espa ios mtri os ompa tos.
d

Proposi in 3.1.

Si f : X X es una fun in ontinua y X es un espa io mtri o ompa to, enton es f es


uniformemente ontinua.

Si : AZ AZ es una fun in ontinua, por ser AZ ompa to (Proposi in 2.1), se tiene que es
uniformemente ontinua.
d

18

3.2. Teorema de Hedlund en A


Teorema 3.2.

Zd
d

Una fun in : AZ AZ es un autmata elular si y slo si es ontinua y j = j


para 1 j d, donde j es la trasforma in shift en la dire in ej . 7 .

Demostra in:

) Supongamos que es un autmata elular on fun in indu tora : AV A, donde

V Z es nito.
d

Veamos que j = j . Sea n Zd , enton es


(j (x))n = (j (x)|V+n ) = (x|V+n+ej )

donde ej es el j -simo ve tor anni o en Zd ,


(j (x))n = (x|V+n+ej ) = (x)n+ej = j ((x))n

por lo tanto onmuta on las dinmi as j .


d

Veamos que es ontinua. Supongamos enton es que d(x, y) 2kr donde x, y AZ , k 0 y r =


max{knk : n V}. Enton es
x|Nk+r (0) = y|Nk+r (0)


on Nk+r (0) = B (0, k + r) Zd = n Zd : knk k + r . Para ualquier n Nk (0) se veri a
(x)n = (x|V+n ) = (y|V+n ) = (y)n

ya que x|V+n = y|V+n por ser V + n un sub onjunto de Nk+r (0).


Luego (x)n = (y)n n Nk (0), esto es d((x), (y)) 2k . Por lo tanto es una fun in ontinua.
) Para la re ipro a, supongamos que es ontinua y j = j para ualquier j {1, 2, , d}; es
d
uniformemente ontinua y existe r 0 tal que x, y AZ on d(x, y) < 2r se veri a que d((x), (y)) < 1.
Por lo tanto si xn = yn para ualquier n Nr (0), enton es (x)0 = (y)0 . Esto quiere de ir que (x)0 es
fun in del patrn x|Nr (0) . Luego existe : ANr (0) A tal que
(x)0 = (x|Nr (0) )

Por el Teorema 3.1, existe 0 tal que


(x)n = (0 1n1 2n2 dnd )(x)

donde ni es la i-esima omponente del ve tor n y 0 (x) = (x)0 . Luego


(0 1n1 2n2 dnd )(x) = 0 (1n1 2n2 dnd (x)) = (1n1 2n2 dnd (x)|Nr (0) ) = (x|Nr (0)+n )

Esto impli a que es un AC on fun in indu tora .




La siguiente proposi in garantiza que ualquier autmata elular puede ser visto omo uno on regla lo al
d
que a ta sobre bloques de tamao 1. Si bien la proposi in resulta vlida sobre ualquier Full Shift AZ , solo
haremos la demostra in para el aso d = 1.

Proposi in 3.2.

elular de radio 1 .
8

7 [Nep06,
8 [Kur03

Cualquier autmata elular : AZ AZ es topologi amente onjugado a un autmata

Nep03, Dorka06

19

Demostra in:
2r+1

:A

Sea (AZ , ) un autmata elular on radio r > 1. Enton es existe una fun in indu tora
A tal que
(x)i = (x[ir,i+r] )

Consideremos el alfabeto B = Ar y denamos el autmata elular (B Z , ), donde esta indu ida por : B 3
B denida del siguiente modo:
u, v, w B : (uvw) = (u[i,r1] vw[0,i] ), i = 0 r 1

Notar que |u[i,r1] vw[0,i] | = |u[i,r1] | + |v| + |w[0,i] | = r 1 i + 1 + r + i + 1 = 2r + 1 por lo que est bien
denida.
Sea : (AZ , ) (B Z , ) una fun in entre sistemas dinmi os tal que x AZ , i Z:
(x)i = x[ir,ir+r1]

B Z
l
B Z
1

AZ
l
AZ

y probemos que efe tivamente es una onjuga in, es de ir, un homomorsmo biye tivo.
Anali emos la ontinuidad de . Sea {x(n) }nN una su esin en AZ tal que x(n) x AZ uando n .
Esto es, dado k N, existe Nk N tal que
(n)

n Nk : x[krr,kr+r] = x[krr,kr+r]
(n)

Todos los elementos de (x) entre k y k se aseguran estar en el bloque x[krr,kr+r] n Nk . Luego
(x(n) )[k,k] = (x)[k,k]

Esto es d((x(n) ), (x)) 2k . Como esto es valido para ualquier k N, se tiene que (x(n) ) (x)
uando n .
Veamos que onmuta on las dinami as y respe tivamente, es de ir:
=

Sea x AZ e i Z, enton es

( )(x)i
( )(x)i

((x))i = (x)[ir,ir+r1]

=
=

((x))i = ((x)i1 (x)i (x)i+1 )


(x[irr,ir1] x[ir,ir+r1] x[ir+r,ir2r1] ) = a0 a1 ar1

Donde las oordenadas extremos del bloque son:

a0
ar1

=
=

(x[irr,ir1] x[ir,ir+r1] x[ir+r,ir1] ) = (x[irr,ir+r] ) = (x)ir


(x[ir1,ir1] x[ir,ir+r1] x[ir+r,ir+2r1] ) = (x[ir1,ir+2r1] ) = (x)ir+r1

20

Luego, es efe tivamente un homomorsmo entre sistemas dinmi os.


Veamos que es una fun in biye tiva. Para la inye tividad, supongamos x, y AZ tal que (x) = (y).
Enton es, para ualquier i Z:
(x)i = (y)i
x[ir,ir+r] = y[ir,ir+r]

De lo que resulta x = y . Para la sobreye tividad, sea y B Z e i Z donde se sabe que


(i)

(i)

yi = a0 ar1
(i)

(i)

Denimos x AZ de manera que xir xir+r = a0 ar1 , i Z. Que es una orresponden ia ni a entre
los elementos de y y x. Mostrando as que es una onjuga in topolgi a.


3.3. Tipos de Entornos


Debido al resultado de la proposi in 3.2, se puede suponer que ualquier autmata
elular : AZ AZ

V
d
puede ser visto omo aquel indu ido por una regla lo al : A A, donde V = n Z : knk = max |ni | 1 .
d

(a)

(d)

k=0

(b)

(e)

k=1

( )

(f)

k=2

Figura 3.1: Entornos de Moore y Neumann en Z2 . (a), (b) y ( ) E. Moore, (d), (e) y (f) E. Neumann
V
se osiderarn
 Adems
los autmatas elulares indu idos por reglas lo ales : A A, donde V =
P
d
n Z : knk = |ni | 1 .


Los entornos que respetan la forma V = n Zd : knk = max |ni | k son denominados entornos de
Moore de radio k .


P
Los entornos de la forma V = n Zd : knk = |ni | k son denominados entornos de Neumann de
radio k .

En la gura 3.1 se puden apre iar las diversas estru turas que poseen los entornos de Moore y Neumann en Z2
respe tivamente para k = 0, 1, 29 .

Nota 3.1.

Vamos a espe i ar on una nota in las dos lases de entornos men ionados anteriormente. Nos
referiremos a:
N (k) omo el entorno de Neumann de radio k .
M (k) omo el entorno de Moore de radio k .
9 Re ordemos

que nuestro espa io de ongura in ser AZ , para este espa io el entorno de Moore se ompone de un total de
9 elulas, in luyendo la entral ([?).
2

21

Una regla lo al se di e que es totalsti a uando el valor del prximo estado de una lula depende de
la suma de los estados presente que involu ran sus ve inos, segn el entorno de trabajo, y el estado a tual de
di ha lula. es de ir

(x)n =

sN (x,n)

Siendo N (x, n) = x|n+V . Aunque tambin existen reglas lo ales en que slo se onsideran la suma de los ve inos
que rodean a una lula, on ex ep in del entro del entorno.

(x)n =

(x,n)
sN

s, xn

Siendo N (x, n) = x|n+V {xn }. Los Ejemplos 3.3, 3.1 y 3.9 son Autmatas Celulares uya regla lo ales respetan
esta forma.

3.4. Equi ontinuidad y Sensitividad en los AC


Los autmatas elulares denidos sobre el Full Shift AZ on A = {0, 1} uyas reglas lo ales operan sobre
la ve indad V = {1, 0, 1} son denominados autmatas elulares elementales10 . El nmero posible de reglas
|V|
lo ales que se pueden formar es 22 = 28 = 256.
Estos autmatas fueron propuestos por Wolfram quien ademas sugiri la nota in que onsiste en asignar a
ada una de las reglas lo ales existentes, un ni o nmero omprendido entre 0 y 255.

3.4.1. Equi ontinuidad y Sensitividad en


AZ ,

En 1.2 hemos visto undo un sistema dinmi o (X, T ) posee puntos de equi ontinuidad y sensitividad.
Adems uno de los resultados ms importante en la teora de los sistemas dinmi os es el teorema de Akin,
Aulansder, Berg (Teorema 1.3) en donde los SDT sobre espa ios mtri os ompa tos transitivos pueden ser
lasi ados de dos maneras: sensitivos o semi-equi ontinuos. Proponemos ahora estudiar bajo que ondi iones
los autmatas elulares poseen puntos de equi ontinuidad o sensitividad.

Proposi in 3.3.
ini iales.

Si : AZ AZ es un autmata elular transitivo enton es es sensible a las ondi iones

Demostra in:

Si : AZ AZ es un autmata elular transitivo,


 por el teorma 1.3 o es sensible a las
ondi iones ini iales o es semi-equi ontinuo. Supongamos que AZ , es transitivo y semi-equi ontinuo. Debido
a la primera ondi in, existe un x
AZ uya orbita es densa, esto es O (
x) = AZ . Adems, para ualquier
n
> 0 existe un natural n tal que (
x) E y omo E es inversamente invariante por resulta que x
es un
punto de equi ontinuidad. Para todo > 0 y para todo x AZ , por la transitividad del sistema existe n N tal
que n (B (x, )) B (x, ), es de ir
d (n (x), x)

En parti ular n (x)0 = x0 y omo esto es vlido para ualquier x, tambin para k (x) para ualquier k Z, es
de ir, n (x)k = k (n (x))0 = n ( k (x))0 = xk
y por lo tanto n (x) = x para ualquier x AZ . En parti ular
n1
para x, por lo que O(
x) = x
, (
x),. . . ,
(
x) = AZ . Lo ual es absurdo y que provino de suponer que el AC
es semi-equi ontinuo, luego AZ , es sensitivo.

Ejemplo 3.2. (Regla del tra o - N=184)

Consideremos el AC : AZ AZ donde

(x)i = 1 x[i1,i] = 10 x[i,i+1] = 11

10 Los AC elementales son AC unidimensionales que a tan sobre un alfabeto binario y uya regla de transi in trabaja on
bloques de tamao 3, es de ir on radio de la regla lo al igual a 1 ([Kur03,[Dorka06 y [?).

22

Este AC es omunmente denominado regla del tr o por el he ho de que su omportamiento se asemeja al
tr o de los autos en una arretera vehi ular. Una part ula representada por 1 se mueve ha ia la dere ha ada
vez que en el lado dere ho de su entorno haya un lugar disponible. Se puede veri ar que los puntos x = 0 e

y = 1 son puntos jos y que una rbita peridi a de periodo dos es {(01) , (10) }.

Figura 3.2: n (x) , n = 0, . . . , 200


Es f il ver que para ualquier a, b A y para ualquer par de enteros k1 6= k2 se umple que
(Ck1 (a)) Ck2 (b) 6=

Si k1 = k2 = k , debido a omo est denida la fun in de transi in de este autmata elular, es posible
determinar un natural n para el ual (x)k = b donde x Ck (a). Por lo tanto este autmata elular es
transitivo, por lo que resulta sensitivo. En general, si AZ , es un AC expansivo, enton es es sobreye tivo. La
regla del tra o no es sobreye tiva por lo que no es expansivo.

Ejemplo 3.3. (Regla de la Suma - N=90) Consideremos el autmata elular : AZ AZ


y donde (x)i = r (xi+1 + xi1 , 2)

on A = {0, 1}

000 001 010 011 100 101 110 111


0
1
0
1
1
0
1
0

En la Figura 3.3 se muestra el omportamiento de la rbita por el AC de un punto arbitrario sobre el Full
Shift.

Figura 3.3: n (x) , n = 0, . . . , 100


m

Si la ongura in ini ial fuese por ejemplo x = 0 10 enton es 2 (x) ontiene exa tamente dos 1, uno
en la 2m oordenada y otro en la 2m oordenada respe tivamente.

Un autmata elular : AZ AZ es semi-equi ontinuo si y slo si no es sensible a las ondi iones ini iales.
La existen ia de un punto de equi ontinuidad impli a que el sistema es no sensible a las ondi iones ini iales.
En general el re pro o de esta impli a in no es verdadera; sin embargo la sensibilidad y ausen ia de puntos
de equi ontinuidad son propiedades topolgi as equivalentes para los autmatas elulares.
Una de las propiedades importantes que poseen los autmatas elulares unidimensionales semi-equi ontinuos
es la existen ia de iertos patrones denominados palabras bloqueadoras. La importan ia de que exista o
no una palabra que sea bloqueadora radi a en que ara teriza a los Autmatas semi-equi ontinuos,
segn la

lasi a in desarrollada por Petr Krka [Kur03. Como resultado se tiene que dado AZ , un AC, enton es
23

es semi-equi ontinuo si y slo si existe una palabra bloqueadora. Todos los puntos que ontienen un nmero
innito de o urren ias de palabras bloqueadoras es equi ontinuo. Adems el onjunto de tales puntos es residual.

Deni in 3.2.

Sea s > 0, una palabra u A+ on |u| s es s-bloqueadora para el autmata elular


: A A si existe un valor p [0, |u| s] denominado desplazamiento tal que
Z

x, y C0 (u) , n 0, n (x)[p,p+s1] = n (y)[p,p+s1]


p

0
x, y

p+s
u

(x), (y)
2 (x), 2 (y)
3 (x), 3 (y)
..
.
..
.

Figura 3.4: Palabra s-bloqueadora


Es de ir, una palabra u se di e que es s-bloqueadora si ada vez que u o urre en un punto x AZ , u determina
una palabra de longitud s en todos los iterados de x. A modo de ejemplo, en el autmata elular de la regla
mayorante (ejemplo 3.6) las palabras 00 y 11 son palabras 2-bloqueadoras. De esta forma, si x, y C0 (00)
enton es (x)0 = (x1 00) = 0 = (y)0 y (x)1 = (00x2 ) = 0 = (y)1 , por lo tanto (x) , (y) C0 (00)
y as su esivamente. Idem para la palabra 11. Demostraremos que si x AZ ontiene un nmero innito de
o urre ias de una palabra bloqueadora, enton es es un punto de equi ontinuidad para : AZ AZ . Para ello
ne esitamos de las siguientes deni iones.

Deni in 3.3.

Sea u A+ y k 0. Denimos el onjunto bitransitivo T (u, k) al onjunto



T (u, k) = x AZ : i k, x[i,i+|u|1] = u i k, x[i,i+|u|1] = u

Adems, denimos los onjuntos T (u) y T omo


\
T (u) =
T (u, k)

k>0

Proposi in 3.4.

T =

uA+

T (u)

Dado ualquier u A+ y k > 0, el onjunto bitransitivo T (u, k) es abierto y denso.

Demostra ion:
Veamos que T (u, k) es abierto. Notemos que
T (u, k) =

ik; jk

(Ci (u) Cj (u))

que es una unin arbitraria de onjuntos abiertos. Luego T (u, k) es abierto


Veamos que es denso. Re ordemos que un onjunto es denso si la interse in on ualquier bola es no
va a. Sea enton es l N, x AZ y onsideremos la bola B x, 2l . Tomemos i1 k, i1 + |u| 1 < l
y i2 k, i2 > l, laramente

B x, 2l Ci1 (u) Ci2 (u) 6=

Por lo que B x, 2l T (u, k) 6= , es de ir T (u, k) es un onjunto denso en AZ

Debido a la proposi in 3.4, se puede asegurar que los onjuntos T (u) y T son residuales.
24

m+p

m+p+r
u

m+q1

n+p+r n+q1

n+p
j
u

Figura 3.5: x T (u)

Proposi in 3.5.

Los onjuntos T (u) y T son residuales.

Con tales propiedades nos proponemos a mostrar que ualquier autmata elular : AZ AZ de radio r
que ontiene una palabra r-bloqueadora es semi-equi ontinuo.

Teorema 3.3.

Sea : AZ AZ un autmata elular de radio r > 0. Las siguientes ondi iones son equivalentes


1. AZ , no es sensitivo.

2. AZ , tiene una palabra r-bloqueadora

3. AZ , es semi-equi ontinuo

Demostra in:

(1 2) Supongamos que no es sensitivo y sea m N tal que 2m + 1 r. Para = 2m


existe un punto x AZ y > 0 tal que y AZ

d (x, y) < k 0, d k (x) , k (y) <

Sea p > 0 tal que 2mp < y elijamos u = x[mp,m+p] A2m+2p+1 . Si y, z Cmp (u) enton es

y[mp,m+p] = z[mp,m+p] = u y por lo tanto d (y, z) < 2mp < , luego k 0, d k (y) , k (z) < .
Es de ir:
y[mp,m+p] = z[mp,m+p]

= k (y)[m,m] = k (z)[m,m]
= k (y)[m,rm1] = k (z)[m,rm1]

debido a que ada imagen oin iden en un bloque de tamao 2m + 1 y r 2m + 1. Enton es


mp (y)[0,2m+2p] = mp (z)[0,2m+2p]



= mp k (y) [p,p+r1] = mp k (z) [p,p+r1]

Por lo tanto si y, z C0 (u) enton es k 0, k (y)[p,p+r1] = k (z)[p,p+r1] , es de ir u es una palabra


r-bloqueadora.
(2 3) Sea u Aq una palabra r-bloqueadora y sea p q r el desplazamiento dado por su deni in.
Mostremos que los puntos de T (u) son de equi ontinuidad. Sea x T (u) y onsideremos = 2j , seguro
existen m, n Z tales que m + p j y n + p + r j para los uales x[m,m+q1] = u = x[n,n+q1] tal omo se
muestra en la gura 3.5.
Sea = mn {2m , 2nq } y supongamos que d (x, y) < , enton es x[m,m] = y[m,m] y x[nq,n+q] =
y[nq,n+q] y por lo tanto x[m,n+q1] = y[m,n+q1] . Notemos que debido a esto, si denimos uvu = x[m,n+q1]
donde v Anmq enton es x, y Cm (uvu) y en onse uen ia
x, y Cm (u) = k (x)[m+p,m+p+r1] = k (y)[m+p,m+p+r1] k 0
x, y Cn (u) = k (x)[n+p,n+p+r1] = k (y)[n+p,n+p+r1] k 0

(3.1)

Para m + p + r i n + p 1, omo es un autmata elular de radio r, x[m,n+q1] = y[m,n+q1] y




(x)i = x[ir,i+r] = y[ir,i+r] = (y)i obtenemos que

25

(x)[m+p+r,n+p1] = (y)[m+p+r,n+p1]

(3.2)

Probemos por indu in matemti a que k (x)[m+p,n+p+r1] = k (y)[m+p,n+p+r1] k 0. Supongamos que


se umple para un ierto k N y veamos que es vlido para k + 1, teniendo en uenta la expresin 3.1 resulta
k+1 (x)[m+p,n+p+r1]

=
=

k+1 (x)[m+p,m+p+r1] k+1 (x)[m+p+r,n+p1] k+1 (x)[n+p,n+p+r1]


k+1 (y)[m+p,m+p+r1] k+1 (x)[m+p+r,n+p1] k+1 (y)[n+p,n+p+r1]

(3.3)

y ha iendo uso de la expresion 3.2 se puede ver que


k+1 (x)[m+p+r,n+p1]


k (x) [m+p+r,n+p1]


= k (y)[m+p,n+p+r1]
=

k+1 (y)[m+p+r,n+p1]



= k (x)[m+p,n+p+r1]

= k (y) [m+p+r,n+p1]

remplazando en 3.3 obtenemos que k+1 (x)[m+p,n+p+r1] = k+1 (y)[m+p,n+p+r1] . Como m + p j y j



n + p + r tenemos que d k (x) , k (y) < 2j on d (x, y) < , es de ir x es un punto de equi ontinuidad.
Adems T (u) es un onjunto residual en AZ probando as que AZ , es un sistema semi-equi ontinuo.
(3 1)Es dire ta onsiderando la deni in de equi ontinuidad.


Ejemplo 3.4. (regla del Produ to - N=128)

Consideremos el autmata elular (AZ , ) on A = {0, 1} y


uya regla lo al es (x)i = (xi1 xi xi+1 ). Otra forma de ver la regla lo al es mediante una tabla tal omo se
muestra a ontinua in
000 001 010 011 100 101 110 111
0
0
0
0
0
0
0
1
Este autmata elular tiene omo un punto jo atrayente, el 0 . En efe to si x AZ es tal que i Z : xi =
0, enton es (xi2 . . . xi+2 ) = (xi2 xi1 xi )(xi1 xi xi+1 )(xi xi+1 xi+2 ) = 000. Es de ir, (x)[i1,...,i+1] =
000 y 2 (x)[i2,...,i+2] = 00000. En ose uen ia, la antidad de eros en una prxima itera in se propaga en
dos eros adi ionales y por lo tanto
d (x, 0 ) < 2n d ((x), 0 ) < 2n1

luego n (x) 0 uando n . Otro punto jo es el 1 pero este punto no es atrayente.
La Figura 3.4 muestra el omportamiento de la rbita por el autmata elular de un punto parti ular sobre
el Full Shift, en di ha imagen se ve reejado lo men ionado anteriormente, es de ir, el he ho que el punto
onverge al 0 .

Figura 3.6: n (x) , n = 0, . . . , 100


El punto 0 es un punto atrayente y tiene la palabra bloqueadora 000, por lo tanto es un punto de equi ontinuidad para di ho autmata elular.
k
j
Ejemplo 3.5. (Regla mayorante - N=232) Consideremos el AC : AZ AZ dado por (x)i = xi1 +x2i +xi+1 .
000 001 010 011 100 101 110 111
0
0
0
1
0
1
1
1

26

Figura 3.7: n (x) , n = 0, . . . , 100


El AC del ejemplo 3.5 es un muy buen ejemplo omo modelo de opinin de ambio, un individuo mantiene
su opinin siempre que pueda ompartirla on al menos un ve ino en su entorno (gura 3.7).
Veamos que los puntos 0 y 1 son estables. Se puede veri ar sin problemas que el punto 0 es un punto
jo, adems, para = 2k on k N existe = 2k tal que si d (0 , y) < enton es d (n (y) , 0 ) < , n 0,
pues
y[k,k]
(y)[k,k]
..
.
n (y)[k,k]

=
=
..
.
=

02k+1
02k+1
..
.
02k+1

Sin embargo este punto no es atra tor, pues tomando ualquier m N y deniendo = 2m resulta que el
punto y AZ denido omo y[m,m] = 02m+1 y k
/ {m, . . . , m} : yk = 1 umple que d (y, 0 ) < pero
d (n (y) , 0 ) 9 0 uando n . De manera similar se prueba que 1 es un punto jo estable pero no es
atra tor.
Notemos que siguiendo el mismo razonamiento anterior, si x[0,1] = 00, enton es (x)[0,1] = 00 sin importar
que valores haya en x1 y en x2 . Esto muestra que el ilindro C0 (00) es -invariante. De manera anloga, el
ilindro C0 (11) tambin es -invariante. Ms generalmente, sea
E = {u A : |u| = n 2, u0 = u1 , un2 = un1 010 6 u, 101 6 u}

enton es tomando ualquier palabra u E y ualquier entero i, el ilindro Ci (u) es -invariante.


En la regla mayorante los ilindros C0 (00) y C0 (11) son -invariante, es fa il ver que los bloques 000 y 111
son palabras bloqueadoras. Por lo que el autmata elular dado por di ha regla resulta ser semi-equi ontinuo.

Proposi in 3.6.

Cualquier autmata elular de radio r = 0 es equi ontinuo.

Demostra in:

Si r = 0 enton es la regla lo al es una fun in : A A y (x)i = (xi ). Luego


x[m,m] = y[m,m] (x)[m,m] = (y)[m,m]

esto es, d (x, y) < 2m d ( (x) , (y)) < 2m y por lo tanto el AC es equi ontinuo.


Un teorema importante en la dinmi a simbli a es la ara teriza in dada por [Kur03 que asegura que
ualquier autmata elular equi ontinuo, admite un natural k de tal manera que ualquier bloque u de tamao
2k + 1 es una palabra r-bloqueadora. Adems di ho autmata elular es nalmente peridi o, es de ir:

Teorema 3.4.

lentes.

Sea : AZ AZ un autmata elular de radio r > 0. Las siguientes ondi iones son equiva-


1. AZ , es equi ontinuo.

2. Existe un natural k > 0 tal que ualquier bloque u A2k+1 es r-bloqueador.


3. Existen un preperiodo m 0 y un periodo p > 0 tal que m+p (x) = m (x) , x AZ .

27

Demostra in:

(1 2) Como es equi ontinua, para = 2r existe = 2k tal que para ualquiera


x, y A , si x[k,k] = y[k,k] enton es n (x)[r,r] = n (y)[r,r] , n 0. Pero enton es ualquier palabra
u A2k+1 es r-bloqueadora.
(2 3)Consideremos que u A2k+1 y ostruyamos on tal bloque el punto x = u Ck (u) que adems
resulta ser un punto -peridi o de periodo 2k + 1. Debido a que onmuta on la dinmi a

2k+1 (n (x)) = n 2k+1 (x) = n (x) n 0
Z

es de ir, n (x) tambin resulta ser un punto -peridi o de periodo 2k + 1. Enton es n (x) = wn on wn
A2k+1 y por lo tanto
2k+1
|{n (x) : n 0}| |A|

que es un onjunto nito. Esto muestra que debe haber una repeti in en el onjunto de iterados por de x por lo
que {n (x)0 : n 0} es nalmente peridi a on algn preperiodo mu 0 y periodo pu > 0. Para y Ck (u),
{n (y)0 : n 0} tambin resulta ser nalmente peridi a on el mismo preperiodo mu 0 y periodo pu > 0
(debido a que d (x, y) < 2k
 ).



Denamos m = max mu : u A2k+1 y p = mcm pu : u A2k+1 , donde mcm representa el mnimo
omn mltiplo de los pu . Para ualquier x AZ el bloque x[k,k] es r-bloqueador, por lo anterior resulta
m+p (x)0 = m (x)0 . Utilizando nuevamente que onmuta on la


m+p (x)i = m+p i (x) 0 = m i (x) 0 = m (x)i
es de ir, m+p (x) = m (x).
(3 1) Como , 2 , . . . , m+p1 son uniformemente ontinuas, tomando > 0 existe > 0 tal que para
ualquier x, y AZ on d (x, y) < se tiene

i < m + p, d i (x) , i (y) <

Probemos que n (x) = i (x) para algn i < m + p y ualquier x AZ : para n = m + p ya es vlido por la
hiptesis. Supongamos que para algn natural n tal propiedad se veri a y veamos que tambin es vlido para
n + 1.

n+1 (x) = (n (x)) = i (x)
=

i+1 (x)

adems i + 1 m + p y en el aso en que i + 1 = m + p impli ara que i+1 (x) = m (x). Luego se sigue que
AZ , es equi ontinuo.

Ejemplo 3.6. (Regla mayorante - N=232) Consideremos el AC : AZ AZ dado por (x)i =


000 001 010 011 100 101 110 111
0
0
0
1
0
1
1
1

xi1 +xi +xi+1


2

Figura 3.8: n (x) , n = 0, . . . , 100


No es equi ontinuo ya que no ualquier palabra es bloqueadora, sin embargo es semi-equi ontinuo.

28

Ejemplo 3.7. (Regla 108) Consideremos el AC : AZ AZ dado

por (x)i = (xi + xi1 .xi+1 ) mod2.

000 001 010 011 100 101 110 111


0
0
1
1
0
1
1
0

Es semi-equi ontinuo y tambin equi ontinuo. La palabra 01110 es 3-bloqueadora on salto 1, donde para
n > 2 se veri a que n (x) = n+2 (x).
Consideremos todas las posibles extensiones a dere ha e izquierda para 01110 y apliquemos a ada uno de
los bloques la fun in de transi in del AC
0011100

0010100

0011100

0011101

0010111

001110

1011100

1110100

011100

1011101

1110111

01110

Con estos resultados vemos que:


E (C0 (01110)) C1 (101)
E 2 (C0 (01110)) C0 (01110) C1 (111)
Demostremos que E 2n (C0 (01110)) C1 (111) y E 2n+1 (C0 (01110)) C1 (101) para ualquier natural n:
Supongamos que x E 2n (C0 (01110)), por lo tanto x C0 (01110) y apli ando al bloque 01110 se tiene
que
x
= ... 0 1 1 1 0 ...
E (x) = . . . 1 0 1 . . .
es de ir, E (x) E 2n+1 (C0 (01110)) y E (x)[1,3] = 101. Luego E (x) C1 (101).

De manera similar, supongamos que x E 2n1 (C0 (01110)), enton es x C1 (101) y onsieremos todas
las posibles extensiones a dere ha e izquierda del bloque 101 a los uales apli aremos :
01010 01011 11010 11011
111 111 111 111

mostrando de esta manera que E (x) E 2n (C0 (01110)) y E (x) C1 (111).


Por otro lado, la palabra 1001 tambin es 3-bloqueadora, de he ho
010010

1001

010011

1001

110010

1001

110011

1001

ms an, E (C0 (1001)) C0 (1001). Las palabras del onjunto B


B = {00, 1111, 01110, 0110110, 010110, 011010, 10101}

son 2-bloqueadora ya que:


00 1111 01110 0110110 010110 011010 10101
00 00
101
11111
1111
1111 11111
00 00 01110
000
00
00
000
00 00
101
00
00
00
00

y ualquier palabra v A7 que ontenga al menos una o urren ia de las palabras de B es 2-bloqueadora (gura
3.9). Mostrando as que E es equi ontinuo. El preperiodo y periodo para E es m = p = 2.

29

Figura 3.9: para este punto arbitrario en AZ on A = {0, 1}, siendo 0 = , 1 =  es posible observar que los
patrones en B son bloqueadores.

3.5. Ejemplos de AC en A
Ejemplo 3.8.

Z2

Sea el Full Shift AZ on A = {0, 1}, V = {(0, 0); (0, 1); (1, 0); (1, 1); (1, 1)} Z2 y onsideremos
la regla lo al vista en el ejemplo 3.1. Sabemos que denir un AC bidimensional tal que


(x)(i,j) = x(i,j)+V
= x(i,j) ; x(i,j+1) ; x(i+1,j) ; x(i+1,j+1) ; x(i1,j+1)
!
P
= r
x(i,j) , 2
(i,j)V

En la gura 3.10 se muestra el omportamiento de la rbita por el AC de un punto en parti ular del Full Shift
2
AZ , siendo 0 =  y 1 = .

n=0

n=1

n=3

n=9

n = 13

n = 14

Figura 3.10: Evolu in del autmata elular del Ejemplo 3.8 para diversas itera iones de .

Ejemplo 3.9. (Regla

M1 )
2
Consideremos el Full Shift AZ denido sobre el alfabeto A = {0, 1}. Considerando V = {(0, 0) (1, 0) (1, 0) (0, 1) (0, 1)
2
2
Z2 , el autmata elular : AZ AZ uya regla lo al est dada por


x(i1,j) + x(i,j) + x(i+1,j) + x(i,j1) + x(i,j+1)
(x)(i,j) =
3

es una generaliza in de la regla mayorante para el aso bidimensional.

Nota 3.2.

En este aso se ha tenido que dividir por tres por el he ho que el entorno V tomado para la regla
lo al est ompuesto por 5 elementos, de esta forma nuestra fun in indu tora asignar el valor que ms se
repiti en el patrn u AV . A diferen ia del ejemplo 3.6 donde ada patrn era una palabra de longitud 3.

30

onsiderando el alfabeto A = {0, 1} siendo 0 =  y 1 = , enton es la gura 3.11 muestra omo es el


omportamiento de la rbita por el autmata elular para dos puntos distintos. Tal omo o urra en el ejemplo
3.6, el estado de una lula se preserva en una prxima itera in siempre que al menos dos lulas

ve inas

ompartan el mismo estado. Notemos que para este ejemplo, si onsideramos los patrones u =


1
1


1
enton es
1

n (C0 (u)) C0 (u)

0
0

0
yv=
0

n (C0 (v)) C0 (v)

Es de ir, los ilindros a ordes a los patrones u y v son -invariantes. Para estos asos parti ulares vamos a de ir
que los patrones u y v son -invariantes, dando para ello la siguiente deni in.

Deni in 3.4.

Dado un AC : AZ AZ y un patrn u AP para algn P Z2 . El patrn u se di e que


es -invariante si el ilindro C0 (u) es -invariante.

En el ejemplo 3.6 habamos obtenidos que los ilindros C0 (00) y C0 (11) tambin resultaban -invariantes
para di ho autmata. Sin embargo, para el aso bidimensional no o urrir siempre lo mismo, pues tal resultado
depende mu ho sobre la geometra del entorno en que trabaja nuestra regla lo al . Gra ias a estos patrones
vamos a poder lasi ar al AC del ejemplo 3.9 omo un sistema dinmi o semi-equi ontinuo (deni in 1.7).

n=0

n=1

n=6

n = 100

n=0

n=1

n=6

n = 100

Figura 3.11: Comportamiento de la rbita por el AC del ejemplo 3.9 de dos puntos distintos en AZ .
2

3.5.1. Juego de La Vida de Conway


Podemos de ir que es el AC ms popular en la a tualidad. Introdu ido en el ao 1970 por John Horton
Conway a raz de su publi a in en la revista S ienti Ameri an, es uno de los autmatas elulares bidimensionales ms ono idos y que populariz el estudio de autmatas elulares en di ha d ada. Desde un punto de
vista teri o, el juego de la vida de Conway es equivalente a una mquina universal de Turing, es de ir, todo lo
que se puede omputar algortmi amente se puede omputar
en el juego de la vida.
2
El AC de Conway trabaja sobre el Full Shift AZ donde A = {0, 1}, el valor 0 se interpreta omo una lula
muerta y el valor 1 omo una lula viva. La regla lo al que rige la evolu in de ada lula en di ho autmata
depende de un total de 9 lulas que respetan la estru tura de un entorno de Moore11 de radio 1 y un onjunto
de sen illas reglas dada a ontinua in:
Na imiento: una lula muerta obra vida si existen exa tamente 3 lulas vivas en su respe tivo ve indario;
Muerte: una lula viva muere si tiene a lo sumo 1 ve ino vivo (aislamiento) o si tiene ms de 3 lulas
ve inas vivas (superpobla in);
Superviven ia: toda lula viva permane e viva si tiene 2 o 3 ve inos vivos.
11 Vease

la se in 4.1.3, 3.3

31

n=0

n=1

n=2

n = 10

n = 25

n = 50

Figura 3.12: Comportamiento de la rbita por el AC de un punto arbitrario sobre el Full Shift AZ .
2

La Figura 3.12 muestra


el omportamiento de la rbita por el AC del juego de la vida de un punto arbitrario
2
sobre el Full Shift AZ siendo 0 =  y 1 = .
Existen numerosos tipos de patrones que pueden tener lugar en el juego de la vida, omo patrones estti os,
patrones re urrentes ("os iladores") y patrones que se trasladan por el tablero ("naves espa iales"). Los ejemplos
ms simples de estas tres lases de patrones se muestran en la gura 3.13. Las lulas vivas se muestran en negro
y las muertas en blan o. El bloque y el bar o son vidas estti as, el parpadeador y el sapo son os iladores y el
planeador y la nave espa ial ligera (LWSS, lightweight spa eship) son naves espa iales que re orren el tablero a
lo largo del tiempo.

parpadeador

bloque

barco

planeador

nave ligera

sapo

Figura 3.13: Patrones en el juego de la vida

3.5.2. Sobre la Equi ontinuidad en

AZ

La propiedad de equi ontinuidad permite apturar la no in del omportamiento prede ible en ualquier
autmata elular : AZ AZ . Hemos probado que los autmatas elulares unidimensionales equi ontinuos
estn ompletamente ara terizados por sus palabras bloqueadoras y que a su vez resultan ser nalmente perd
d
idi os12 . A ontinua in vamos a ver que ualquier AC : AZ AZ equi ontunuo impli a ser nalmente
peridi o y posteriormente en 3.5.3 extenderemos la no in de palabras bloqueadoras para asos de dos dimensiones de manera tal de poder ara terizar a los AC equi ontinuo y semi-equi ontinuo en fun in de las
mismas.

Teorema 3.5.

Sea : AZ AZ un autmata elular. Las siguientes ondi iones son equivalentes

1. es equi ontinuo
d

2. M 0 tal que para todo x, y AZ on d (x, y) < 2M se veri a que d (n (x) , n (y)) < 1 n 0

Demostra in:

di ha propiedad.

(1 2) Por ser equi ontinua, impli a que para = 1, existe = 2M tal que satisfa e

12 [Kur03.

32

(2 1) Sea = 2k > 0 y tomemos = 2(k+M) enton es tomando un par x, y AZ on d (x, y) < 2M


se umple por hipotesis que la distan ia entre sus iterados es menor que 1, es de ir:
n (x)0 = n (y)0 n 0

Por nuestra ele in de , tenemos que si d (x, y) < 2(k+M) enton es d (m (x) , m (y)) < 2M siempre que
kmk k . Luego, para todo n N,
(n (x))m

(m (n (x)))0

= (n (m (x)))0

(n (m (y)))0

(m (n (y)))0

= (n (y))m

Con luyendo que si d (x, y) < enton es d (n (x) , n (y)) < para ualquier n N , enton es resulta ser
equi ontinua.


El siguiente teorema permite extender el resultado 3.4 a dimensiones superiores a uno, donde hemos visto
que ualquier autmata elular : AZ AZ que sea equi ontinuo satisfa e ser nalmente peridi o.

Teorema 3.6.

Sea : AZ AZ un autmata elular. es equi ontinuo si y solo si es nalmente peridi o.

Demostra in:

Para la impli a in re ipro a. Sea r el radio del autmata elular , asumamos que existen
d
d
m 0, p > 0 tal que m+p (x) = m (x) , x AZ y denamos M = r (m + p). Tomemos x, y AZ que
satisfaga d (x, y) < 2M , enton es xn = yn siempre que knk M . Como es un AC de radio r impli a que
existe una fun in indu tora : ANr (0) A tal que

(x)s = x|s+Nr (0)
siendo Nr (0) = B (0, r) Z. Luego si tomamos s Zd tal que ksk M r es inmediato ver que x|s+Nr (0) =
y|s+Nr (0) y por lo tanto
d ( (x) , (y)) < 2M 2r = 2r(m+p1) < 1

adems, si d (x, y) < 2M enton es xs+Nnr (0) = ys+Nnr (0) siempre que ksk M nr y onsiderando el
razonamiento anterior resulta para ada n < m + p
d (n (x) , n (y)) < 2M 2nr = 2r(m+pn) < 1
d

Probemos que n (x) = i (x) para algn i < m + p y ualquier x AZ : para n = m + p ya es valido por la
hipotesis. Supongamos que para algn natural n tal propiedad se veri a y veamos que tambin es valido para
n + 1.

n+1 (x) = (n (x)) = i (x)
=

i+1 (x)

m
adems i + 1 m + p y en el aso en que i + 1 = m + p impli ara que i+1 (x)
 = (x).
n
i
i
i
Luego, dado que (x) = (x) para algn i < m + p y que d (x) , (y) < 1 uando d (x, y) < 2M , se
tiene que d (n (x) , n (y)) < 1, n 0 y por el teorema 3.5 resulta equi ontinua.
Para la impli a in dire ta, asumamos que es equi ontinua y sea M la onstante dada por el teorema
Q
d
[M, M ], omo el onjunto de puntos
3.5. Sea x AZ y onsideremos el patrn ux = x|P on P =
1jd
P
d
ej es la suma de los
-peridi os en AZ es denso, existe z CMe (ux ) que es -peridi o13 , siendo e =
1jd

d ve tores anni os de Zd .
Sea p = (p1 , . . . , pd ) el ve tor formado on los respe tivos j periodos de z , es de ir
p

j j (z) = z, 1 j d
13 La

onstru in del punto z men ionado en esta demostra in puede ser vista en 2.4

33

..
.

..
.

ux

M e

..
.

..
.

z CMe C (ux )

Figura 3.14: z CMe (ux )


Debido a que onmuta on todas las shifts j

p
p
n 0, j j (n (z)) = n j j (z) = n (z)

on lo ual ada iterado n (z) tambin es un punto - peridi o on el mismo ve tor p. O sea que n (z) tiene
que ser de la forma dada por la gura 3.14 y por lo tanto existe un lmite superior para el ardinal del onjunto
de itera iones de n (z) dado por:
p p ...p
|{n (z) : n 0}| |A| 1 2 d
que es nito. Es de ir, debe haber una repeti in en el onjunto de iterados de z por , tomemos el primer mux
y pux tal que
mux +pux (z) = mux (z)

Esto muestra que la su esin {n (z)}n es nalmente peridi a de pre-periodo mux 0 y periodo pux > 0.
Tomando y CMe (ux ) tal que d (y, z) < 2M , por la hiptesis (n (y))0 = (n (z))0 n 0, es de ir,
{n (y)0 }n tambin es nalmente peridi a on pre-periodo mux y periodo pux . Deniendo m = max {mu } y
Q
Q
d
(2M + 1), omo x AZ el patrn ux AP permite denir
p = pu donde u AN y siendo N =
1jd

la su esin {n (x)0 }n nalmente peridi a de preperiodo mux y periodo pux y ux es uno de aquellos en que el
mximo m y el produ to p est denido, se veri a que

m+p (x) 0 = (m (x))0
Usando el he ho que onmuta on las j resulta que
(m+p (x))n

= (n (m+p (x)))0
=
(m (n (x)))0
=
(m (x))n

=
=

(m+p (n (x)))0
n (m (x))0

es de ir m+p (x) = m (x) x AZ mostrando que es nalmente peridi a.




Es posible onstruir un AC equi ontinuo bidimensional a partir de un AC equi ontinuo unidimensional y en


base a tal ostru in poder mostrar que la propiedad de equi ontinuidad en ualquier AC unidimensional es
preservable si el mismo se extiende a dos dimensiones.

Teorema 3.7.

Sea A un alfabeto nito y : AZ AZ ualquier AC equi ontinuo unidimensional, para ada


2
2
j Z sea Hj : AZ AZ la restri in de AZ a AZ por la j -sima la, es de ir:
(Hj (x))i = x(i,j)
2

y onsideremos el AC bidimensional : AZ AZ dado por (x)(i,j) = ( Hj ) (x)i . Si es equi ontinuo


enton es tambin lo es.

34

xi1 ,j

xi2 ,j

i1

i2

Hj

Figura 3.15: fun in Hj

Demostra in:

Dado que para ualquier x AZ la restri in Hj (x) es una su esin unidimensional biinnita que resulta de tomar la j -sima la de x (gura 3.15), y on lo ual es posible apli arse , se tiene
que i Z, (x)(i,j) depende slo de los valores de x dados por di ha la. Por lo tanto resulta estar bien
denida, adems
2 (x)(i,j) = ( (x))(i,j) = ( Hj ) ( (x))i

pero omo (Hj )(x) representa la j -sima la de (x) y por lo tanto (Hj ) (x)i = (x)(i,j) , luego 2 (x)(i,j) =

2 Hj (x)i . De manera similar es posible mostrar por indu in matemti a que
n (x)(i,j) = ( n Hj ) (x)i

Mostremos ahora que es equi ontinuo. Sea > 0, omo es equi ontinuo existe = 2k > 0 tal que
2
x, y AZ : d (x, y) < d ( n (x) , n (y)) < , n 0. Sea = y x, y AZ tal que d (x, y) < , enn
n
n
ton es d (Hj (x) , Hj (y)) < siempre que |j| k . Luego d ( (x) , (y)) = d (( Hj ) (x) , ( n Hj ) (y)) =
d ( n (Hj (x)) , n (Hj (y))) < , n 0 mostrando as que es un AC equi ontinuo.


Esta onstru in tambin puede ser extendida para el aso de d dimensiones, donde en base a un AC ddimensional equi ontinuo es posible la ostru in de un AC (d + 1)-dimensional equi ontinuo sobre el mismo
alfabeto A 14 .

Ejemplos de AC equi ontinuos


Ejemplo 3.10.

Consideremos I : AZ AZ la fun in identidad. Enton es para ualquier > 0, simplemente


d
tomando = se veri a que x, y AZ on d (x, y) < se tiene que d (I n (x) , I n (y)) = d (x, y) < para
todo n 0. Resultando ser I equi ontinua.

Ejemplo 3.11.

Sea : AZ AZ ualquier autmata elular de radio r = 0 uya regla lo al es : A A.


d
k
Para = 2 > 0 hagamos = y tomemos x, y AZ on d (x, y) < . Para todo n Zd on knk k y
ualquier n 0
n (x)n = n (xn ) = n (yn ) = n (y)n
es de ir, d (n (x) , n (y)) < , n 0 mostrando as que es equi ontinua.

Ejemplo 3.12.

Consideremos el AC equi ontinuo unidimensional E dado por el ejemplo 3.7. Gra ias al teorema
3.7 es posible onstruir un AC equi ontinuo bidimensional en base a E , y uya regla lo al : AV A que
a ta sobre el entorno V = {(0, 0) (0,
1) (0, 1) (1, 0) (1,
0)} =N (1)
est denida
omo

Si v AV es alguno de

0
0
0
0
0
1
1
0
0
1
1
1

0
0
0
0
0
1
1
0
0
1
1
1

14 [Emily06.

35

0
0
0
0
0
1
1
0
0
1
1
1

0
0
0
0
0
1
1
0
0
1
1
1

(v) = 0.

Si v AV es alguno de

0
1
0
0
1
1
1
1
0
1
0
1

0
1
0
0
1
1
1
1
0
1
0
1

0
1
0
0
1
1
1
1
0
1
0
1

0
1
0
0
1
1
1
1
0
1
0
1

, (v) = 1.

En la gura 3.16 se muestra el omportamiento de la rbita por este AC para un punto en parti ular, donde

A = {0, 1} y 0 = , 1 = . Veamos que pasa si apli amos la regla lo al a algunos patrones, tal omo se hizo

en el ejemplo 3.7.

1
1

1
1

1
1
1
1


1
1
1
1

1
1

1
1

1
0

1
0
1

1
0
1
0
1

1
0
1
0
1

1
0
1
0
1

1
0

1
0
1

0
0

0
0

0 0
0 0

1
1

1
1
1

0
0

0
0

1
1
1
1
1

1
1
1
1
1

1
1
1
1
1

1
1

1
1
1

0 0
0 0

0
0
0
0

0
0

0
0

...

...

0
0

0
0
0

0
0
0
0

0
0
0
0
0

0
0
0
0
0

0
0

0
0

0
0
0
0

0
0
0
0
0

0
0

0
0
0

0
0
0
0

0
0

0
0

Esto muestra que en regiones donde ini ialmente predominan los 1 los 0, a lo largo terminarn predominando
solamente los 0, tal omo o urra on el autmata elular E del ejemplo 3.7.
De igual manera se puede probar formando otros bloques del mismo tamao donde ada olumna, puede ser
formada on los elementos de B del ejemplo 3.7. De algn modo notamos que el bloque formado on 0 a ta
omo si fuera bloqueador para di ho autmata. Extenderemos estos resultados en la se in dada a ontinua in.

n=0

n=1

n = 10

n = 100

Figura 3.16: n (x) , n = 0, 1, 10, 100

3.5.3. Sobre la Semi-Equi ontinuidad en AZ

En la se in 3.4.1 de este aptulo hemos ara terizado a los AC : AZ AZ semiequi ontinuos a


travez de sus palabras bloqueadoras. Vamos a extender la no in de palabra bloqueadora a dos dimensiones
denominandolos patrn
y examinar la existen ia de tales patrones para la propiedad de semi 2 bloqueador

Z
equi ontinuidad en A , .

Deni in 3.5.

Un bloque u AN (k,l) de tamao k l se di e que es (r, s)-bloqueador ( on r k y s l) si


existen enteros no negativos p k r y q l s tales que x, y C(0,0) (u) y n 0 tenemos
n (x) |[p,p+r1][q,q+s1] = n (y) |[p,p+r1][q,q+s1]

El par (p, q) usualmente es denominado desplazamiento.

Nota 3.3.

Vamos a referirnos tanto a u omo patrn o bloque debido a que la deni in 2.2 es de alguna
manera equivalente a la deni in 2.4.
La deni in 3.5 da la idea del omportamiento lo al del AC para ualquier par de puntos x, y del ilindro
C(0,0) (u). Si el patrn u o urre en un punto x en determinadas ordenadas P enton es los valores de n (x) son
ompletamente determinados para un sub onjunto de oordenadas de P para todo n 0.

36

(0, l)

(k, l)

r
s

p
q

(k, 0)

(0, 0)

Figura 3.17: Patrn bloqueador


En el aso2 que r 2= k, s = l y p = q = 0 de imos que u es ompletamente bloqueador. Mostraremos ahora
que si : AZ AZ de radio r es no sensitivo, enton es admite al menos un patrn u (r, r)-bloqueador. Este
teorema sera el equivalente a 1 2 del teorema 3.3.

Teorema 3.8.

Sea : AZ AZ un AC de radio r no sensitivo, enton es existe un patrn u que es (r, r)bloqueador para .

Demostra in:

y = 2mp

Sea m un entero tal que 2m + 1 r. Como no es sensitiva, para = 2m existe x AZ


on p 0 tal que

y AZ , d (x, y) < = d (n (x) , n (y)) < , n 0

Sea u el patrn entral de x dado por , es de ir


u = x|P

siendo P = [m p, m + p] [m p, m + p]. Luego para ualquier par de puntos y, z C(m+p)e (u) donde
e = (1, 1) vemos que
y|[mp,m+p][mp,m+p]

d (n (y) , n (z)) <

n 0

z|[mp,m+p][mp,m+p]

es de ir n (y) |[m,m][m,m] = n (z) |[m,m][m,m] para todo n 0, y omo elegimos m de tal manera que
2m + 1 r, u resulta ser (r, r)-bloqueador.


Asumiendo la existen ia de patrones ompletamente bloqueadores para un AC : AZ AZ obtendriamos


la proposi in equivalente a 2 3 del teorema 3.3, es de ir, resultara ser semi-equi ontinua.
2

Teorema 3.9.

Sea : AZ AZ un AC de radio r. Si existe un patrn u de tamao k k ompletamente


bloqueador on k r, enton es es semi-equi ontinua.

Demostra in:

Sea u AN (k,k) un patrn ompletamente bloqueador on k r, es de ir:


x, y C(0,0) (u) : i (x) |[0,k1][0,k1] = i (y) |[0,k1][0,k1] , i 0

Sea E (n) el onjunto denido omo:


n
o

2
E (n) = x AZ : = (n, x) , y B (x, ) d i (x) , i (y) < 2n , i 0
 2 
T
Claramente vemos que
E (n) es el onjunto de puntos de equi ontinuidad15 de AZ , . Vamos a demostrar
n0

que el onjunto de puntos de equi ontinuidad ontiene una familia de onjuntos abiertos y densos en AZ , es
de ir, es residual.
15 La

demostra in es muy similar a lo desarrollado en la proposi in 1.6.

37

Veamos que E (n) es abierto para ualquier n 0. Fijando un n y tomando x E (n), sea = (n, x) el
dado por la deni in de E (n). Notemos que para ualquier y B (x, ) se umple que d i (x) , i (y) <
2n , i 0. nProbemos que Bo(x, ) E (n).
2
d(x,y)
Sea = mn d(x,y)
, para z AZ : d (y, z) < por la desigualdad triangular
2 ,
2
d (x, y)

< + =
2
2 2

d (x, z) d (x, y) + d (y, z) < d (x, y) +


por lo que d i (x) , i (z) < 2n , i 0. Por nuestra ele in de obtenemos el siguiente anlisis

d i (x) , i (y) < 2n
d i (x) , i (z) < 2n
= d i (y) , i (z) < 2n

por lo tanto uando d (y, z) < resulta d i (y) , i (z) < 2n , i 0, es de ir, y E (n). Luego
B (x, ) E (n).

Veamos que ada E (n) es un onjunto denso. Sea w ualquier patrn uyas
T dimensiones sea un multiplo
entero de k , es de ir, w AN (kl1 ,kl2 ) y mostremos que p Z2 : E (n) Cp (w) 6= . Costruyamos el
punto x Cp (w) que ontenga el patrn w omenzando en la posi in p y que el resto de las oordenadas
de x estn ubiertas a orde al patrn u (ver gura 3.18).

...

u
..
.

w
b

..
.

p
...

p ke1 ke2

Figura 3.18: Constru in de x


Mostremos ahora que x E (n), sea = 2km donde m = max {n, mi : 0 i 4} siendo mi las
2
distan ias entre 0 on los verti es de x|p+N (kl1 ,kl2 ) = w y supongamos que y AZ veri a d (x, y) < .
Claramente por la ele in de nuestro
x|[km,k+m][km,k+m]

y|[km,k+m][km,k+m]

x|p+N (kl1 ,kl2 )

x|[km,k+m][km,k+m]

= y Cp (w)

Adems, en ualquier bloque y|s+N (k,k) = u ontenido en y|[km,k+m][km,k+m] se veri a que


i (y) |s+N (k,k) = i (x) |s+N (k,k)

ya que por hiptesis u es ompletamente bloqueador. Como d (x, y) < observemos que
(y) |p+N (kl1 ,kl2 ) = (x) |p+N (kl1 ,kl2 )

siendo y|p+N (kl1 ,kl2 ) = x|p+N (kl1 ,kl2 ) = w. Por la ostru in del punto x, y|p+N (kl1 ,kl2 ) = w est en errada por una frontera de patrones u, al igual que en el teorema 3.3 es posible probar por indu in matemti a
que i (y) |p+N (kl1 ,kl2 ) = i (x) |p+N (kl1 ,kl2 ) . Supongamos que tal propiedad resulta vlida para algn i N
y la demostremos para i + 1: omo la omposi in n est bien denida


i+1 (y) |p+N (kl1 ,kl2 ) = i (y) |p+N (kl1 ,kl2 ) = i (y) |p+N (kl1 ,kl2 )+V

38

p + (0, kl2 ) + (r, r)

p + (kl1 , kl2 ) + (r, r)

w
p
b
b

p (r, r)
u
b

p (k, k)

p + (kl1 , 0) + (r, r)
R

Figura 3.19: Regin [p r, p + kl1 + r] [q r, q + kl2 + r]




donde V = n Z2 : knk r . Notemos que si p = (p, q) enton es

p + N (kl1 , kl2 ) + V = [p r, p + kl1 + r] [q r, q + kl2 + r]

Esta regin onsta de dos subregiones disjuntas, la regin p + N (kl1 , kl2 ) y la regin anular R tal omo
se muestra en la gura 3.19. Los valores de i (y) son iguales a los de i (x) en

todo p + N (kl1 , kl2 ) por la hiptesis indu tiva

todo R por el he ho que y|R son partes de un patrn u en la misma ubi a in




Luego i (y) |p+N (kl1 ,kl2 )+V = i (x) |p+N (kl1 ,kl2 )+V = i+1 (x) |p+N (kl1 ,kl2 ) . Enton es los valores
de i (y) y i (x) son iguales en por lo menos todo el bloque entral de tamao (2n + 1) (2n + 1). Por
lo tanto

d (x, y) < d i (x) , i (y) < 2n , i 0 x E (n)

Teorema 3.10.

Sea : AZ AZ un AC de radio r. Si existe un l r tal que ualquier patrn de tamao


por lo menos l l es ompletamente bloqueador, enton es es equi ontinua.

Demostra in:
elijamos = 2

Sea x AZ y mostremos que x es un punto de equi ontinuidad. Tomemos = 2k > 0 y


2
. Para y AZ que satisfa e d (x, y) < se veri a
(
y|P1 = x|P1
y|P = x|P
y|P2 = x|P2

(k+l)

siendo P = [k l, k + l] [k l, k + l], P1 = [k, k] [k, k] y P2 = [l, l] [l, l]. Las regiones P1 , P2


determinan una regin entral anular R tal omo se muestra en la gura 3.20

39

k+l
k+l
l

k
S

u
l

P1

P2

R
P1
P

P2
P

Figura 3.20: Region R


Podemos ubrir esta regin R on patrones u de tamao por lo menos l l y que por hiptesis sabemos que
son ompletamente bloqueadores. Luego i 0
i (x) |R = i (y) |R

Debido a que el radio de es r k , al igual que en el teorema 3.9 es posible ver que los valores de i (y) son
iguales a los de i (x) en el bloque entral de tamao (2k + 1) (2k + 1), ya que slo dependen del bloque entral
de tamao [2 (k + r) + 1] [2 (k + r) + 1] y k + r k + l. Supongamos que tal propiedad es vlida para algn
i N y onsideremos dos posibles asos:
Si l k es inmediato por el he ho que el bloque entral [l, l] [l, l] determina un patrn ompletamente
bloqueador y que la regin anular determinada por [k, k] [k, k] y [l, l] [l, l] es R.
Si k l enton es el bloque [k r, k + r] [k r, k + r] onsta del bloque entral [k, k] [k, k] donde
vale la hiptesis indu tiva y la regin anular S donde i (y) |S = i (x) |S ya que S est ompletamente ontenida en la regin R o bin est ubierta por patrones de tamao l l que son ompletamente
bloqueadores.

Luego si d (x, y) < enton es d i (x) , i (y) < para ualquier i 0, es de ir, resulta ser equi ontinua.

A ontinua in veremos ejemplos de AC bidimensionales semi-equi ontinuos : AZ AZ on A = {0, 1}.


Algunos de los uales ya fueron vistos anteriormente.
2

Ejemplo 3.13. Consideremos el AC unidimensional del ejemplo 3.4. Sabemos que di ho AC es semi-equi ontinuo
gra ias al he ho que el bloque 000 resulta ompletamente bloqueador. Si onstruimos el AC bidimensional
2
2
: AZ AZ mediante el teorema 3.7 y uya regla lo al est
denidosobre el entorno de Neumann N (1),

enton es resulta ser semiequi ontinuo. De he ho, el patrn

0
0
0

0
0
0

0
0
0

es ompletamente bloqueador.

Ejemplo 3.14. Consideremos el AC bidimensional del ejemplo 3.9 (Regla M1). Enton es tal autmata es
semi-equi ontinuo, de he ho los bloques


 

0 1 0
1 1
0 0
,
, 0 0 0
1 1
0 0
0 1 0
son ompletamente bloqueadores y uyos transormados resultan -invariantes.

40

Ejemplo 3.15.

sin embargo, no se puede de ir nada a er a de los patrones

Consideremos el AC bidimensional : AZ AZ uya regla lo al que a ta sobre bloques


M(1)
vA
est denida de la siguiente manera
(
P
0 si
v(i,j) 3
(v) =
P
1 si
v(i,j) 4


1 1
para todo (i, j) M (1) (entorno de Moore de radio 1). Notemos que el patrn u =
es ompletamente
1 1
bloqueador, pues




1 1

1 1
1 1

1 1
0
0

0
0

es el omportamiento de este AC.

n=0

0
0
0

0
0
0

0
0.
0

La gura 3.21 muestra omo

n = 50; 100; 150

Figura 3.21: Comportamiento de la rbita por el AC del Ejemplo 3.15 para un punto arbitrario sobre AZ .
2

3.6. Sobre la sensitividad en A

Z2

Existe tambin una extensin de los resultados sobre la sensitividad de AC unidimensionales para dimensiones
superiores a uno. Sabemos que ualquer AC unidimensional transitivo es sensitivo a las ondi iones ini iales
y adems ualquier AC semi-equi ontinuo no es sensitivo16 . Haremos la onstru in de un AC bidimensional
sensitivo en base a un AC unidimensional sensitivo, re ordando para ello la ostru in vista en el teorema 3.7 y
on el simple he ho de mostrar que las propiedades de sensitividad y no sensitividad de los AC son preservables
bajo esta onstru in. Para ello enun iamos a ontinua in el siguiente teorema

Teorema 3.11.
AZ

Sea : AZ AZ un AC unidimensional y onsideremos para ada j Z la fun in Hj :


2
2
AZ del teorema 3.7. Sea : AZ AZ el AC bidimensional denido omo
(x)(i,j) = ( Hj ) (x)i

Enton es es sensitivo si y slo si tambie lo es.

Demostra in:

Para la re ipro a, supongamos que es sensitivo. Enton es existe = 2k > 0 tal que para
ualquier x A y > 0 existe y B (x, ) y n > 0 se veri a
Z

d ( n (x) , n (y))
2

Mostremos que tambin es la onstante de sensitividad para . Para z AZ y = 2m > 0 sea y0


B (H0 (z) , ) la su esin unidimensional dada por la la 0 del punto z y n > 0 tal que
16 [Emily06.

d ( n H0 (z) , n (y0 ))

41

y onsideremos ualquier punto y AZ que umpla d (z, y) < y H0 (y) = y0 .


Como d (H0 (z) , H0 (y)) < es inmediato ver que d ( n H0 (z) , n H0 (y)) y en el teorema 3.7 hemos
visto que n (z)(i,j) = ( Hj ) (z)i . Debido que los puntos n (z) y n (y) dieren en la la 0 on onstante
se demuestra que d (n (z) , n (y)) on lo ual resulta sensitiva on osntante de sensitividad .
Para la dire ta, supongamos que no es sensitiva. Tomando = 2k > 0 existe x AZ y = 2m > 0
tal que y B (x, ) AZ los iterados por de x e y permane en en errados en un entorno, es de ir,
2
d ( n (x) , n (y)) < , n 0. Sea z AZ tal que Hj (z) = x para todo j Z on |j| max {k, m} = M
(gura 3.22).
HM

H0

HM

..
.
..
.

Figura 3.22: Constru in de z


Las 2k +1 y 2m+1 las entrales del punto z son iguales a la su esin unidimensional x. Sea = mn { , }
2
y mostremos que y B (z, ) AZ , d (n (y) , n (z)) < , n 0
2

Sea y AZ tal que d (y, z) < . En parti ular para j Z on |j| M tenemos que d (Hj (y) , Hj (z)) =
d (Hj (y) , x) < y por lo tanto d (( n Hj ) (y) , ( n Hj ) (z)) < , n 0, esto es
( n Hj ) (y)[k,k] = ( n Hj ) (z)[k,k]

y por lo tanto n (y)(i,j) = n (z)(i,j) para todo n 0 y (i, j) Z2 : |i| , |j| k , es de ir d (n (y) , n (z)) <
, n 0. Enton es no es sensitiva.


Ejemplo 3.16.

Consideremos el Full Shift AZ , para ualquier 1 i d, i es sensitiva on onstante de


d
d
sensitividad = 1. Sea enton es x AZ y = 2k > 0 y onsideremos y AZ tal que d (x, y) < , es de ir
x|P = y|P

on P =

d
Q

1, de he ho

4.


[k, k]. Supongamos adems que xn 6= yn para todo n Zd on knk > k , enton es d ik+1 (x) , ik+1 (y) <
i=1

x|(k+1)ei
ik+1 (x)

6= y|(k+1)ei
6= ik+1 (y)

Pro esamiento Digital de Imgenes.

La te nologa digital moderna ha he ho posible la manipula in de seales multidimensionales mediante


sistemas que abar a desde ir uitos digitales simple hasta omputadoras en paralelos avanzadas. Una de las
seales multidimensionales ms famosa que se ono e es la imagen digital y segn el motivo de su manipula in
puede dividirse en tres ategoras:
Pro esamiento de imagen
Anlisis de imagen
Comprensin de imagen

imagen de entrada = imagen de salida


imagen de entrada = medibilidad de salida
imagen de entrada = des rip in de los niveles

Uno de los objetivos de este trabajo es la utiliza in de los Autmatas Celulares para llevar a abo algunas
tareas inherentes al pro esamiento digital de imgenes. Para ser ms espe i os, la tarea en este plan de
trabajo se realiza sobre el pro esamiento digital bidimensional, aunque mu hos de los on eptos y t ni as
del pro esamiento pueden ser extendidos a tres o ms dimensiones. En mu has apli a iones que involu ran
42

pro esamiento digital de imgenes, uno de los problemas ms omunes es la presen ia de ruido, tal omo ruido
impulsivo sal y pimienta, ruido gaussiano, et . Entre los mtodos ms usados para su manipula in estn
las t ni as de dominio espa ial denominadas mas aras onvolu ionales y el ejemplo ms omn es el Filtro
Gaussiano. La dete in de bordes es otra opera in esen ial en el pro esamiento de imgenes, en parti ular
en el pro esamiento de imgenes biologi as, medi as o quimi as. Existen diversas metodologa para dete tar
bordes en una imagen digital y mu hos de ellos estn basados en la lo aliza in de regiones donde la intensidad
del pixel ambia.

4.1. Representa in de una imagen

Una imagen digital es una fun in matri ial F = x(m,n) MN de tamao M N des rita en un espa io
dis reto bidimensional, donde ada entrada x(m,n) representa la intensidad del olor en la (m, n)-posi in.
Cualquier interse in de una la m y una olumna n, esto es, ualquier posi in (m, n) es denominado pixel
(Figura 4.1).

Figura 4.1: Representa in de una imagen


En resumen, las imgenes digitales pueden ser vistas omo grillas re tangulares uyos elementos son pixeles
formados por ombina iones de olores primarios tomados arbitrariamente, ada uno de estos olores des ompone
a la imagen en anales. Un anal, en este ontexto, es la imagen en es ala de diferentes intensidades de un mismo
olor primario y que tiene el mismo tamao que la imagen en olor original. Dado que ada matriz en un anal
es una matriz de intensidades, on los valores intermedios entre una mnima intensidad () y una mxima
intensidad (), di ha matriz, as omo la imagen que representa suelen de irse que estn en es ala de grises,
an en un anal de olor diferente.
 Por ejemplo, las famosas
 imgenes RGB estn formadas por la superposi in de tres fun iones R =
r(m,n) MN , G = g(m,n) MN , B = b(m,n) MN donde R es una imagen a es ala de grises dada por el
anal rojo, G es una imagen a es ala de grises dada por el anal verde y B dada por el anal azul.

Original

Canal rojo

Canal verde

Canal azul

Figura 4.2: Canales RGB


En este trabajo slo onsideraremos imgenes a es alas de grises dada por el anal negro, los distintos tonos
o niveles de olores presentes en estas imagenes varan desde la tonalidad ms os ura (negro) ha ia la tonalidad
ms lara (blan o).

43

Figura 4.3: Ejemplo de imagenes a es alas de grises

4.1.1. Valores Estndares


Existen valores estndares para algunos parmetros en ontrados en la representa in de una imagen digital.
Estos valores se originan de forma onven ional, para el tratamiento de los mismos mediante algoritmos
impuestos debido a la te nologa a tual (por ej. aparatos de videos estndares, et ). La siguiente tabla muestra
valores estandares para algunos parmetros de ualquier imagen digital:
Parametros
Filas
Columnas
Nivel de gris

Smbolo

Valores tpi os

M
N
L

256, 512, 625, 1024


256, 512, 768, 1024
2, 64, 256, 1024, 4096, 16384

Cuadro 1: Valores estndares


Notemos que los valores estndares de ualquier parmetro respetan en ser poten ias de 2. El nmero de
niveles de grises es usualmente una poten ia de 2, esto es, L = 2b donde b es el nmero de bits en la representa in
binaria del nivel de grs. Cuando b = 1 la imagen se ono e omo imagen binaria, uyo niveles de grises son
solamente negro y blan o, respe tivamente {0, 1} = {, } (Figura 4.3 dere ha). Para ualquier L on que se
trabaje, el valor 0 representar el olor negro y el valor mximo representar el blan o. Usualmente trabajaremos
on L = 2 L = 28 1 = 255.

4.1.2. Tipos de Opera iones


Los
digital para transformar una imagen de entrada
 tipos de opera iones que se apli an en una imagen

F = x(m,n) MN en una imagen de salida Fe = y(m,n) MN pueden ser lasi ados en tres ategorias:
Puntual: El valor de salida en una oordenada espe i a depende solamente del valor de entrada en la
misma oordenada

Lo al: El valor de salida en una oordenada espe i a depende de los valores de entrada en un entorno o
ve indad alrededor de di ha oordenada.
Global: El valor de salida en una oordenada espe i a depende de todos los valores de la imagen de
entrada.

Espe i amente, en este trabajo nal vamos a apli ar opera iones del tipo lo al, donde la trasforma in de un
pixel en el pro esamiento de la imagen depende de una ierta antidad de pixeles al su alrededor.

4.1.3. Tipos de Entornos


Las opera iones sobre entornos juegan un rol importante en el pro esamiento digital de imgenes. Los
entornos lo ales que utilizaremos estan mostrados en la gura 3.1 y son omunmente denominados entornos de
Neumann y entornos de Moore (gura 4.4).

44

Figura 4.4: Tipos de Entornos

4.1.4. Histograma de distribu in


Un histograma de distribu in es una estima in de la distribu in de probabilidad onjunta de los niveles de
grises de una imagen, asumiendo para ello independen ia estadsti a entre los pxeles de la misma. El histograma
de una imagen digital es una fun in dis reta denida sobre el rango de valores de grises omo


x(m,n) = i
|F | = i
=
HF (i) =
M N
M N

Figura 4.5: Histograma de distribusin


La gura 4.5 muestra el histograma de distribu in de la imagen representada a su lado, este histograma nos
muestra por ejemplo que los niveles de grises que ms presenta la imagen estan omprendidos entre [80, 90] o
[120, 130]. El histograma de distribu in de una imagen digital ser muy util omo herramienta para omparar
geomtri amente uanta informa in se perdi ante una opera in de ltrado de ruido, omparando para ello
los histogramas de distribu in de la imagen original y los obtenidos on distintos algoritmos de ltrados.
Mostraremos dos tipos de apli a ines en el tratamiento digital de imgenes que involu rarn autmatas
elulares. La primera de ellas onsiste en ltrar ruido Salt & Pepper (sal y pimienta) y la segunda en la dete in
de bordes. A ontinua in presentamos brevemente en que onsiste ada opera in:

4.1.5. Filtrado de Ruido


Un modelo de degrada in de una imagen onsiste bsi amente en una fun in de degrada in tal que, dada
una imagen de entrada F de tamao M N se obtiene una imagen de salida G del mismo tamao resultante
de haberle apli ado a F una matriz H (matriz de ruido). Esta agrega in se puede ha er tanto multipli ando
elemento a elemento F on H o habiendo sumado a la matriz F la matriz H . En uyos asos de imos que el
ruido generado es multipli ativo o aditivo. Estos tipos de ruidos son denominados Ruidos Espa iales.
El tipo de opera in que altera el valor de un pixel en fun in de los valores de los pixeles que lo rodean
es denominada opera in espa ial u opera in de ve indad, esta opera in pertene e a la segunda ategora
presentada en 4.1.2. Filtrar una imagen onsiste en apli ar una transforma in de forma que se a enten o
disminuyan iertos aspe tos de la misma. Es de ir, la restaura in de la imagen G eliminado la mayor antidad
de ruido presente en la misma, obteniendo de esta manera una imagen F que se aproxime los ms que se pueda
a la imagen F original. Los ltros que se pretenden ver en este trabajo son denominados ltros espa iales.
45

Las matri es de ruido que se generarn son obtenidas a partir de la utiliza in de nmeros pseudo-aleatorios,
es de ir a travs de variables aleatorias de diversas distribu iones y que luego son adi ionados a la imagen
original dada. Nosotros generaremos matri es de ruido Salt & Pepper (S&P) utilizando numeros pseudoaleatorios on distribu in uniforme. La forma que agregaremos ruido S&P a ualquier imagen est dada
de la siguiente manera


G= 

si p1
si p2
c.o.c

siendo 0 < p1 < 0,5; 0,5 < p2 < 1 dos otas para la variable aleatoria uniforme en (0, 1). Existen t ni as
de valora in objetivas que permiten determinar la alidad de una imagen ltrada F en fun in de la imagen
original F y que se dividen en tres metodologas distintas segn la disponibilidad de la imagen F .
T ni as FR F ull Ref erence.
T ni as NR N o Ref erence.
T ni as RR Reduced Ref erence.
En este trabajo se utilizarn t ni as FR, donde la evalua in objetiva de la alidad se realiza mediante la
evalua in del error entre F y F . Una forma de ompara in es por medio de los histogramas de distribu in de
ambas o bien utilizando variantes de la mtri a M SE (Mean Square Error), espe ialmente por el valor P SN R
(Peak Signal to Noise Ratio). El valor de PSNR es una medida relativa de la alidad de la imagen que basa en
el MSE, el ual mide el error uadrti o medio y se al ula on la siguiente frmula.
1 PM PN
(F (i, j) F (i, j))2
M N i=1 j=1


M AXF2
P SN R = 10 log10
SE
 M
b
1
= 20 log10 2MSE
M SE

En parti ular para una imagen a es alas de grises on 256 niveles distintos resulta
P SN R = 20 log10

256 1

M SE

Este valor generalmente est entre 20 y 50 dbs (de ibeles). Se di e que es una medida relativa debido a que un
solo valor de PSNR no aporta ninguna informa in a er a de la alidad del mtodo para resolver el problema,
solo uando se ompara ontra otro valor de PSNR se puede estable er un punto de ompara in entre la alidad
de la imagen obtenida on respe to a la original.

4.1.6. Dete in de Bordes


Los bordes de una imagen digital se pueden denir omo transi iones entre dos regiones de niveles de gris
signi ativamente distintos. Suministran una valiosa informa in sobre las fronteras de los objetos y puede ser
utilizada para segmentar la imagen, re ono er objetos, et .
La dete in de bordes de una imagen adquiere espe ial relevan ia en apli a iones mdi as; por ejemplo,
para delimitar hasta dnde se ha extendido un tumor, e ografas, et . Al analizar las imgenes en blan o y
negro, hay que saber dnde est ambiando el olor y qu tipos de ambio est bus ando el mdi o, ya que esos
datos le van a ayudar en su diagnsti o.
La mayora de las t ni as para dete tar bordes emplean operadores lo ales basados en distintas aproxima iones dis retas de la primera y segunda derivada de los niveles de grises de la imagen. En general, podemos
de ir que los pasos fundamentales en la dete in de bordes son:
1. Realizar un suavizado de la imagen para redu ir el ruido;
2. Dete tar los posibles andidatos a ser puntos del borde;
46

3. Sele ionar, de entre los andidatos, aqullos que pertene en realmente al borde.
Sin embargo, mediante el empleo de autmatas elulares, es posible onstruir algoritmos apa es de dete tar
bordes en una imagen a es ala de grises fabri ando reglas lo ales que midan la varia in de niveles de grises
presentes en un entorno alrededor de un pixel y asignando valores onvenientes para desta ar el borde.

Figura 4.6: Opera iones on AC


5.

Utiliza in de AC en el pro esamiento digital

Debido a la forma de representa in que


hemos dado para una imagen digital, es posible aso iar a ualquier
2
imagen un punto sobre un Full Shift AZ desde el origen, donde el alfabeto A est formado por
los diversos
2
estados que puede tomar un pixel. Sin embargo, sabemos que todo punto en el Full Shift AZ es de ara ter
innito y una imagen siempre tiene un tamao nito M N . Nosotros ne esitamos apli ar el AC solamente a
los M N estados, pero en las fronteras de nuestra imagen existirn in onvenientes al evaluar la regla lo al
que indu e el AC en di hos estados, por lo que impondremos ondi iones para resolver los mismos. Los tipos de
ondi iones usuales se ono en omo ondi iones de fronteras y las ms usadas son:

Condi iones Fijas o de Diri hlet: Los estados de las lulas fronteras se mantiene jos y no ne esariamente omparten algn tipo de rela in on respe to a la informa in de la imagen F . Todas las lulas
fronteras estn jas on un determinado valor, el ual es denominado espa io invariante.
Condi iones Toroidales o peridi as: Cada lula frontera tiene el mismo valor que la respe tiva

lula ubi ada al prin ipio o al nal, segn que lula frontera se est onsiderando (gura 5.1). Se toman
omo valores apropiados para las lulas fronteras aquellos que permitan ver omo si los bordes de la
imagen se to aran, es de ir, podra visualizarse en tres dimensiones omo un toroide.

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

..
.

..
.

..
.

..
.

..
.

...
...
pixeles originales
condiciones de fronteras

Figura 5.1: Condi iones Peridi as

Condi iones Simtri as o de Neumann: El estado de una lula frontera es el mismo que el estado

de la lula orrespondiente a la posi in simtri a que forma parte del borde de la imagen (gura 5.2). Es
de ir, se onsidera que los estados de las lulas fronteras "reejan" los estados de aquellas lulas dentro
de la imagen que forman el borde de la misma.
47

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

..
.

..
.

..
.

..
.

..
.

...
...
pixeles originales
condiciones de fronteras

Figura 5.2: Condi iones Simtri as


Como supondremos que la fun in que dene al autmata es de radio 1 y que apli aremos la fun in indu tora
a tan slo las M las y N olumnas de la imagen digital, ne esitaremos extender nuestra imagen F a una
nueva imagen F pero de tamao (M + 1) (N + 1) donde la primera la, la ltima la, la primera olumna
y la ultima olumna de F respetan las ondi iones de fronteras men ionadas anteriormente. De esta forma,
podemos apli ar sin ningn tipo de in onveniente la fun in a las M N las y olumnas de la imagen F .
Para los dos tipos de opera iones que hemos men ionado en ?? se utilizaron AC semi-equi ontinuos, adems
on algunas modi a iones de los AC propuestos en los trabajos de [? y [Selv se denieron nuevos AC on la
propiedad antes men ionada. Se disearon e implementaron algoritmos en el lenguaje simbli o Matlab para
ada uno de los autmatas elulares men ionado en este aptulo (ver ??) y la ele in del lenguaje Matlab es
debido a todos los paquetes in orporados que permiten la manipula in de una imgen digital.

5.1. Dete tores de Bordes


En esta se in se apli arn AC bidimensionales que permiten dete tar bordes en imgenes binarias y a
es ala de 255 niveles de grises. Se realizarn simula iones de la apli a in de los AC para la dete in de bordes
y se harn men in de algunas propiedades de estos AC que hemos estudiado a lo largo de este trabajo.

5.1.1. Dete in de bordes por AC

SE1

Consideremos A = {0, 1} omo el alfabeto de trabajo y que uyo elementos representarn las dos ni as
posibles tonalidades presente en una imagen F . Usualmente 0 es una tonalidad mu ho ms os ura que 1, omo
por ejemplo negro y blan o. Sea adems AM(1) el onjunto patrones o motivos que se puede formar on A
a ordes al entorno de Moore M (1). Denamos el AC bidimensional SE1 uya regla lo al SE1 esta dada por:
(v) = 1 si v(2,2) = 1 v(i,j) = 0, (i, j) M (1)

(v) = 0 si v(2,2) = 0 y al menos un ve ino v(i,j) = 1.

donde

v(1,1)
v = v(2,1)
v(3,1)

v(1,2)
v(2,2)
v(3,2)

v(1,3)
v(2,3) AM (1) .
v(3,3)

La regla lo al del AC SE1 tiene 161 motivos diferentes v para los

uales (v) = 1. En general una expresin del tipo fun ional para la regla lo al SE1 resulta ms apropiada.
Por ejemplo, otra forma de haber dado la regla anterior es,
SE1 (v) =

Notemos que el ilindro

1
C0 1
1

1
1
1

1
1
1

1
0



v(2,2) v(i,j) < 1 v(2,2) = 1
c.o.c

resulta ser -invariante y el patrn

1
u = 1
1

1
1
1

1
1
1

es (3, 3)-

bloqueador, por lo que este AC no es sensitivo. Es ms, el patrn u es ompletamente bloqueador, permitiendo de48

1 0
ir que es semi-equi ontinuo. Otros patrones bloqueadores para el AC SE1 son 0 1
0 0

0 0 0
y 0 1 0 . Gra ias a estos patrones se puede determinar la presen ia de bordes
0 0 0


0
1
0 ,
0
1

0
1

 
1
,
0

1
0

 
1
,
1

en nuestra imagen y los

mismos permane en inalterables ante futuras itera ionesdel AC en la eje u in del algoritmo. Un patrn blo0
0
0
0

queador, pero que no garantiza la existen ia de bordes es

0
0
0
0

0
0
0
0

0
0

0
0

uyo transformado de la regin entral

por el AC es 11 11 y solamente des ribe que en di ha zona la imagen no presenta ningn ambio de tonalidad.
Si apli amos el SE1 a una imgen binaria ualquiera, el resultado de los bordes dete tados se puede apre iar en
la gura 5.3, para el ual se ha binarizado la imagen utilizando un parametro de k = 100 (implementa in en
el digo fuente), es de ir, los valores de niveles de grises por debajo de 100 les haremos orresponder el valor
 y los valores de niveles de grises por arriba de 100 les haremos orresponder el valor . El gran problema
que presenta el AC SE1 es el he ho que slo es apli able a imagenes binarias y que el binarizar una imagen
ualquiera para su apli a in ha e que se pierda mu has ve es demasiada informa in presente en la misma. A
ontinua in se presenta dos solu iones alternativas para dete in sin ne esidad de binarizar la imagen.

(a)

(b)

( )

Figura 5.3: Implementa in del SE1 - (a) I. Original, (b) I. binarizada k = 100, ( ) Bordes dete tados por SE1 .

5.1.2. Dete in de bordes por AC SE2 y SE3


El trabajo de [? ofre e el siguiente AC para dete in de bordes:
A = {0, 1, . . . , L} on L = 1 L = 255

En ada pixel se toma omo ve indad N (1), es de ir un entorno de Neumann de radio 1.


Para ualquier patrn v A

N (1)

: (v) =



 vc v(i,j) < , (i, j) N (1)
 c.o.c

siendo vc la lula entral del patrn v y un entero omprendido entre 1 y 254 denominado toleran ia de
vc y las dems lulas
restantes del patrn. El valor depende de la naturaleza de la imagen, por lo que no hay un valor espe  o de
para ualquier imagen digital, por ejemplo, si una imagen presenta una grn variedad de niveles de grises y los
ambios de niveles en regiones onsiderables no son abruptos (es de ir varan 2, 3, 4 5 niveles) enton es se podra
onsiderar = 2, 3, 4, 5 y ver ual se ajusta mejor a los bordes dete tados en las simula ines orrespondientes.
Se propone modi ar el AC anterior del siguiente modo:

niveles. Este valor mide la diferen ia de nivel de grs existente entre la lula entral

Autmata Celular SE2


Para ualquier patrn v AN (1)


: SE2 (v) = 

49



vc v(i,j) < , (i, j) N (1)
vc = 
c.o.c

0
0

Autmata Celular SE3


En ada pixel se toma omo ve indad M (1), es de ir un entorno de Moore de radio 1.
Para ualquier patrn v AM(1)


: SE3 (v) = 





(i, j) M (1) : vc v(i,j) < c
vc = 
c.o.c

El valor c es denominado ardinalidad onsiderable del entorno M (1). Estas ara tersti as fueron implementadas debido al anlisis he ho en los siguientes patrones





 , 

 , 





 , 





...

...

0
0

1
...





donde naturalmente si se analiza la lula entral, puede are er de sentido la presen ia de bordes; por lo que
les asignamos .
Veamos on un ejemplo que o urre en el AC presentado al ini io de 5.1.2 y omparemos los resultados on
el AC SE2 . Consideremos la imagen binaria y apliquemos

0
0

..
.

...

...

0
1

1
1

1
1

1
...

...

...

..
.

..
.

...

...

..
.

Hemos notado que el AC dete to el borde, pero propag en uno la banda de negros y existen demasiados valores
que no son posibles al ularlos por falta de informa in en la imagen. Si apli amos ahora el AC SE2 uya
regla lo al es SE2

0
0

..
.

...

...

0
1

1
1

1
1

1
...

...

...

SE2
1

..
.

..
.

...

...

0
1

1
1

1
1

1
...

...

...

..
.

podemos ver que los bordes se determinan


on ms presi in.
Adems
el AC
SE2 tiene la propiedad de ser

semi-equi ontinuo debido a que los patrones 1


0

1
0
1

0
1
1 , 1
1
1

1
1
1

1
1
1 , 0
1
1

1
0
1

1
0
1

son ompletamente bloqueadores

y -invariantes. Estos patrones permiten dar la idea que los bordes ms importantes de la imagen permane ern
inalterables ante mltiples itera iones del AC uando se pretende renar algn resultado (gura 5.4).
El SE3 tiene propiedades similares al SE2 , las diferen ias sustan iales entre ambos AC son:
El entorno.
El parmetro de ardinalidad onsiderable c.
Que SE3 est denido sobre el entorno M (1) permite brindar ms informa in lo al de la varia ion de niveles
de grises alrededor de ualquier pixel, a diferen ia de lo aportado por SE2 . La ardinalidad onsiderable permite
de idir hasta uantos elementos en el entorno podemos onsiderarlos prximos y poder de idir si di ha posi in
orresponde a un relleno o posible borde en la imagen.
50

(a)

(b)

( )

Figura 5.4: (a) I. original; (b) Bordes dete tados por SE2 ; ( ) Bordes dete tados por el AC dado en [?.

original

= 20; c = 8

original

= 30; c = 8

Figura 5.6: Simula iones del SE3


Las guras 5.5 y 5.6 muestran simula iones del AC SE3 para distintos tipos de imagenes, espe i ando por
ada simula in los orrespondientes y c empleados. Las implementa iones fueron omparados on el ltro por
Diferen ia Gaussiana respe tivamente.

I. original

= 20; c = 7

= 20; c = 8

Dif. Gauss.

I. original

= 7; c = 7

= 8; c = 8

Dif. Gauss.

Figura 5.5: Simula iones del SE3

5.2. Filtrado de Ruido

En 4.1.5 hemos omentado basi amente en que onsiste un modelo de degrada in, ontamina in y t ni a
de ltrado de una imagen digital. Comnmente se ha implementado omo modelo de ltrado el AC bidimensional
dado por la regla mayorante ([?, Selv) y en donde las imgenes resultaban ontaminadas on ruido Salt &
Pepper (S&P) on diversas probabilidades. El alfabeto de trabajo ser siempre A = {0, . . . , 255}. El AC M1
es aquel uya regla lo al M1 est dada omo




ax (i, j) N (1) : v(i,j) = b
v AN(1) , M1 (v) = a A (i, j) N (1) : v(i,j) = a = m
bA

51

Esta expresin es una generaliza in de la regla mayorante vista en el ejemplo 3.9 en la que se tienen en uenta
ms de dos estados. El valor entral del patrn v AN (1) es sustituido por aquel nivel de grs que ms se repite
en v . Para c, d A; c 6= ,  d = ,  podemos garantizar que losbloquesdel uadro 2 son ompletamente

bloqueadores, uyos transformados por M1 son 







































 , 























,c
c





c
c
c

c
c y
c





Cuadro 2: Patrones bloqueadores para M1

que resultan ser -invariantes.

c
c
c

c
c
c

c
d
c

Estos patrones ara terizan a M1 omo un AC semi-equi ontinuo y son algunos de los que permiten la elimina in
de presen ia de ruido en ualquier imagen digital. Sin embargo, existen probabilidades de distorsin en la
imagen debido que asigna en ada pixel el nivel de grs que ms apare e en su entorno. El AC M2 es una breve
modi a in del M1 uya regla lo al M2 est denida omo
N(1)

v A

: M2 (v) =

vc
aA

vc =
6 , 




vc = ,  (i, j) N (1) : v(i,j) = a = m
ax v(i,j) = b
bA

Esto es, si el pxel entral del patrn v AN (1) es blan o o negro, enton es tal pxel es sustituido por aquel que
ms se repite en v . La semi-equi ontinuidad de M2 est garantizada por ualquier bloque -invariante

a1
a4
a7

a2
a5
a8

a3
a6
a9

donde ai 6= ,  i = 1, . . . , 9 y en uanto a bloques que ontengan espe i amente un blan o o un negro,


podemos garantizar que los bloques del uadro 2 y los bloques que apare en en el uadro 3 son ompletamente
bloqueadores. Notemos que los patrones del uadro 3 no son bloqueadores para M1 , adems se suponen que los
estados a orresponden a pixeles originales de la imagen y que no ne esitan ser alterados, ualidad que no se
umpla ne esariamente en M1 debido a su falta de anlisis en patrones de este tipo.

a b
a a
a a


a
a
a , a
a
a

a
a
b


a
a
a , b
a
a

a
a
a


a
a
a , a
a
a

a
a
a


a
a
b , a
a
a

b
a
b

Cuadro 3: Patrones bloqueadores para M2


a
a
a , b
a
a

a
a
a

a
b
a

Una modi a in a la regla lo al del AC M2 que in luye al parmetro c ( ardinalidad onsiderable ), es la


siguiente

v AN(1)


: M2 (v) =


a 6= , 

vc
vc
vc
vc

6 , 
=


= ,  (i, j) N (1) : v(i,j) =  c


= ,  (i, j) N (1) : v(i,j) =  c




= ,  (i, j) N (1) : v(i,j) = a = m
ax v(i,j) = b
bA

que parti ulariza al AC M2 , onsiderando c = 3. Si c = 4, nuestro autmata sigue siendo semi-equi ontinuo
pero pierde la apa idad de sustituir altera iones aisladas tales omo los primeros 4 patrones del uadro 3.
Queremos extender tales AC para que trabajen sobre entornos de Moore M (1) y es aqu donde la ardinalidad
onsiderable c adquiere grn importan ia para ara terizarlos. Si onsideramos el M1 pero uya regla lo al est
denida sobre el entorno de Moore M (1),es de ir




v AM(1) , M1 (v) = a A (i, j) M (1) : v(i,j) = a = max v(i,j) = b
bA

enton es la semi-equi ontinuidad ya no es garantizada por los bloques dados en el uadro 2, y iertas ara tersti as deseables para la elimina in de ruido en imgenes son alteradas por tales ausas, a modo de ejemplo
52

onsiderando el patrn    notamos que resulta imprede ible saber uales sern los transformados por



M1 de ada omponente orrespondiente y o asionando de esta manera iertas perturba iones en la imagen
original, si es que tal patrn efe tivamente orresponde a algn detalle de la misma. Denimos el AC M3 uya
regla lo al M3 trabaja sobre el entorno M (1) y est dada del siguiente modo

v AM (1)

vc


: M3 (v) =


a 6= , 

vc
vc
vc
vc

6= , 


= ,  (i, j) M (1) : v(i,j) =  c


= ,  (i, j) M (1) : v(i,j) =  c




= ,  (i, j) M (1) : v(i,j) = a = m
ax v(i,j) = b
bA

Para nuestro nes pra ti os emplearemos c = 4, 6, 7, 8 y a ontinua in, mostrando diversas situa iones de
ontamina in de imgenes on S&P simularemos el ltrado de las mismas utilizando los AC men ionados
anteriormente. Los mtodos de ltros por AC son evaluados y omparados on t ni as de ltros estandares
(Filtro Gaussiano, Media 3 3, Media 9 9) en terminos del valor de P SN R presente en la imagen ltrada.

5.3. Experimentos y Resultados


Contamina in on S&P (0.08,0.98)

Se presenta la imagen La Alhambra.png ontaminada on ruido S&P on parmetros p1 = 0,08 para


presen ia de negro y p2 = 0,98 para blan o. La tabla 4 presenta los valores P SN R para los AC implementados
y que fueron omparados on diversos ltros (ltro Gaussiano, Media 3 3, Media 9 9) para tener una
ompara in apropiada de que tan ptimos resulta la apli a in de los AC en esta situa in. Para el AC M2 se
utiliz c = 4 y para el M3 se utiliz c = 4, 6, 7. Para estos asos debemos notar que el ltro Gaussiano posee un
valor de P SN R bajo, mientras que el AC M2 es el que mejor resultado propor ion en el ltrado. En uanto
a los ltros Media 3 3 y 9 9 se obtuvieron valores de P SN R entre 20db y 25db, pero no ofre en buenos
resultados visuales en la imagen ltrada.

S&P

Media
33

AC M1 AC M2
99

c=4

AC M3
c=4

c=6

c=7

14.5373 21.6906 21.8169 23.3088 34.0760 29.6875 33.6576 33.7366


Cuadro 4: Valores P SN R para La Alhambra.png

(a)

(b)

( )

(d)

(e)

(f)

(g)

(h)

Figura 5.7: (a) Imagen origial (b) S&P, ( ) F. Gaussiano, (d) F. Media 3 3, (e) F. Media 9 9, (f) AC M1 ,
(g) AC M2 , (h) AC M3

Contamina in on S&P (0.004,0.99)


De la misma manera, se presenta ahora la imagen tigres.png ontaminada on S&P on p1 = 0,004; p2 =
0,99. La tabla 5 muestra los valores de PSNR obtenidos en la simula in de los diversos ltros y la gura 5.8
53

muestra los respe tivos resultados para ada ltro empleado. A diferen ia de la imagen anterior, la ontamina in
de S&P en este ejemplos es mnima, si bien los mejores valores de PSNR estn dados por M2 , M3 y Media 3 3,
se puede notar una gran diferen ia en los histogramas de distribu in de ada ltro (gura 5.9). Los histogramas
que mejor se a entuan al de la imagen original son M2 y M3 , mientras que el histograma dado por Media 3 3
y 9 9 presenta una gran variabilidad entre los 50 y 150 niveles de grises.

(a)

(b)

( )

(d)

(e)

(f)

(g)

(h)

Figura 5.8: (a)Imagen Original, (b) S&P, ( ) F. Gaussiano, (d) F. Media 3 3, (d) F. Media 9 9, (e) AC M1 ,
(f) AC M2 , (g) AC M3

S&P

Media
33

AC M1 AC M2 AC M3

99

c=3

c=4

23.8624 31.4197 28.4010 32.0025 49.8872 48.8316


Cuadro 5: Valores P SN R para tigres.png

original

S&P

F. Gaussiano

F. Media 3 3

F. Media 9 9

AC M2

Figura 5.9: Histogramas para tigres.png

Contamina in on S&P (0.25,0.94)


A ontinua in se presenta la imagen iglesia.png ontaminada on S&P on p1 = 0,25 para negro y
p2 = 0,94 para blan o. En esta situa in la imagen presenta un gran dao respe to a la original provo ado por

la gran antidad de ruido apli ado a la misma. Debido a tal situa in se hi ieron varias itera iones de ltrados
on los AC M2 , Media 3 3 y Media 9 9, tomando para la siguiente itera in la imagen on mejor valor
P SN R en una itera in anterior. La gura 5.11 muestra los diversos resultados obtenidos en ada itera in
para ada uno de los ltros empleados y la tabla 6 representa los diversos valores P SN R que se obtenieron
respe tivamente. En uanto a la gura 5.10 podemos ver la varia in en el rango [0, 255] [0, 6000] de los
histogramas en ada itera in empleada.
54

(a)

(b)

( )

Figura 5.11: Itera iones de los diversos ltros para iglesia.png (arriba-abajo) - (a) F. Media 3 3, (b) F.
Media 9 9, ( ) F. AC
Media
33

AC
99

M2 , c = 4

M3 , c = 6

1 iter.

2 iter.

3 iter.

4 iter.

1 iter.

2 iter.

3 iter.

4 iter.

1 iter.

2 iter.

3 iter.

4 iter.

14.403

21.589

23.047

24.248

14.951

20.231

20.694

21.029

17.485

20.736

22.517

24.385

Cuadro 6: Valores P SN R para iglesia.png

(a)

(b)

(d)

( )

(e)

Figura 5.10: Histogramas - (a) Original, (b) S&P, ( ) F. Media 3 3, (d) F. Media 9 9, (e) F. CA

55

Referen ias

[DougMar 95 Douglas Lind and Brian Mar us. An introdu tion to symboli dynami s and oding. Cambridge
University Press, 1995.
[Dorka06

Dorka Chaves. Atra tores de Transforma iones que Preservan Poten ias del Shift. Trabajo de Grado. Maestra en Cien ias Men in Matemti as. Universidad Centro idental Lisandro Alvarado,
2006.

[Emily06

Emily Gamber. A Topologi al Classi ation of D-Dimensional Cellular Automata. Champel Hill
2006.

[Kur03

Petr Krka. Topologi al and Symboli Dynami s. Cours Sp ialiss, olle tion SMF (2003).

[Nep06

Romero Neptal. Notas de Autmatas Celulares del trigsimo aniversario de Posgrado de


Matemti as. Universidad Central de Venezuela. O tubre 2006.

[Nep03


Romero Neptal. Comentarios sobre la deni in de Autmata
Celular. Boletn de la Aso ia in
Matemti a Venezolana. Vol X, N 1. Ao 2003

[NepRov06 Romero Neptal, A. Rovella, F. Vilamaj. Remark on Cellular automata and shift preserving maps.
Applied Mathemati s Letters 19 (2006) 576-580. ElSEVIER.
[NepAr

Romero Neptal, I. Ar aya. On a Hedlund's theorem and pla e-dependent ellular automata. Universidad Centro idental Lisandro Alvarado. Departamento de Matemti a. De anato de Cien ias
y Te nologa.

[Paul06

Paul L. Rosin. training Cellular Automata for Image Pri essing. IEEE Transa tions on image
pro essing. Vol 15,Nro /, July 2006.

[Pa kWolf85 Norman H. Pa kard and Stephen Wolfram. Two-Dimensional Cellular Automata. Journal of Statisti al Physi s, Vol. 38, Nos. 5/6, 1985.
[Selv

P. Jebaraj Selvapeter and Wim Hordijk. Cellular Automata for Image Noise Filtering. Springer
Verlag.

56