Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Analisis Fractal
Analisis Fractal
22 de Febrero de 2011
CONTENIDO
1 OBJETIVOS 2
2 JUSTIFICACIÓN 2
3 INTRODUCCIÓN 2
4 ANTECEDENTES 3
5 GEOMETRÍA FRACTAL 5
5.1 CONCEPTO DE FRACTAL 5
5.2 DIMENSIÓN FRACTAL 6
5.3 ALGUNOS FRACTALES FAMOSOS 8
5.3.1 LOS CONJUNTOS DE JULIA 10
5.3.2 EL CONJUNTO DE MANDELBROT 12
5.4 PROPIEDADES DE UN FRACTAL 13
5.5 CLASIFICACIÓN DE LOS FRACTALES 13
6 UTILIDAD DE LOS FRACTALES 14
6.1 LOS FRACTALES EN LA NATURALEZA 14
6.2 APLICACIONES DE LOS FRACTALES EN LA CIENCIA Y 15
TECNOLOGÍA
7 ANÁLISIS FRACTAL 17
7.1 CONTEO DE CAJAS (BOX-COUNTING). 18
7.2 DIVISORES (MÉTODO DEL COMPÁS). 19
7.3 RELACIÓN ÁREA-PERÍMETRO. 20
7.4 MÉTODO “SLIT ISLAND” (SIM). 21
2
7.5 AUTOSIMILARIDAD EN SERIES TEMPORALES O 22
ESPACIALES.
7.6 ANÁLISIS DE FLUCTUACIÓN SIN TENDENCIA (DFA) 23
7.7 ANÁLISIS DE IMÁGENES Y TEXTURA. 24
7.8 ANÁLISIS MULTIFRACTAL. 24
7.9 SOFTWARE PARA EL ANÁLISIS FRACTAL 25
8 CONCLUSIONES 26
9 REFERENCIAS 26
3
1 OBJETIVOS
Presentar la noción del concepto de fractal y las bases de la geometría
fractal.
Dar una breve explicación de algunos de los métodos de análisis fractal.
Mencionar algunas de las múltiples aplicaciones de los fractales y los
métodos de análisis basados en esta técnica.
Mostrar un panorama de la tendencia en la utilización de las
herramientas derivadas de la geometría fractal.
2 JUSTIFICACIÓN
Los métodos de análisis fractal han demostrado ser una herramienta con un
gran potencial para el estudio de datos y la obtención de información en
distintas ramas del conocimiento.
3 INTRODUCCIÓN
Cuando intentamos comprender y describir el mundo que nos rodea o cuando
atacamos un problema por vez primera generalmente tendemos a hacer
simplificaciones y desmenuzarlo en componentes de menor complejidad. Esta
forma de comenzar a entenderse con los fenómenos de la naturaleza es muy
útil tanto en la ciencia como en la vida cotidiana. Nos da en el mayor de los
casos modelos con una aproximación suficiente a la realidad con los cuales
poder trabajar para fines prácticos. Para qué complicarse más las cosas.
4
Figura 1: Simplificación de la naturaleza.
“Las nubes no son esferas, las montañas no son conos, las costas no son
círculos, y la corteza de los árboles no es lisa, ni los relámpagos viajan en una
línea recta”, reflexiona Benoît Mandelbrot, padre de la geometría fractal, en su
libro The Fractal Geometry of Nature [2].
A este tipo de formas geométricas que, entre otras propiedades, contienen una
imagen de sí mismas en cada una de sus partes, se les llama ahora fractales y
hace ya más de una década que inundaron el mundo científico con un conjunto
de nuevas reglas para enfrentarse con el reto de conocer y describir la
naturaleza [1].
4 ANTECEDENTES [3]
Karl Theodor Wilhelm Weierstrass (1815-1897)
5
Georg Ferdinand Ludwig Philipp Cantor (1845-1918)
6
Gaston Maurice Julia (1893-1978)
7
vislumbrarse muy claramente al observar uno de los fractales más famosos: el
triángulo de Sierpinski (Figura 2).
Establecer la dimensión de un objeto regular "a ojo" parece ser cosa fácil y
requiere tan sólo de un poco de sentido común. De esta forma decimos que un
punto es adimensional, un segmento de recta es unidimensional, que un
cuadrado es bidimensional y un cubo es tridimensional. Estamos
acostumbrados a ver la dimensión de un objeto como un número entero que
indica la cantidad de direcciones independientes o grados de libertad sobre los
que uno se puede mover en el espacio que contiene a dicho objeto, es decir, su
dimensión topológica. Sin embargo, a fin de estudiar los fractales, es necesario
encontrar una expresión matemática que nos permita caracterizar la
dimensión de un objeto de forma general.
8
Para tal fin, consideremos un segmento de recta de una unidad de longitud. Si
triplicamos su tamaño, esto es, lo expandimos con un factor de escala igual a
tres, obtenemos un segmento de recta de longitud tres el cual obviamente
contiene tres componentes congruentes, es decir, tres copias del segmento
original de longitud uno (Figura 3). Por razones que serán más claras
posteriormente, notamos que .
3 = 31
9
escala de 2, un cuadrado por un factor de 2.5 y un segmento de recta por uno
de .
2
log N
D=
log r
10
resultante se procede de la misma manera en cada uno de sus lados y así
sucesivamente (Figura 5).
En este caso, a toda escala sobre la figura, cada lado de longitud L es dividido
en secciones de un tercio de extensión, l=L/3 (r=3), y en el proceso se generan
cuatro particiones de tamaño similar (N=4). Entonces, usando la fórmula de
Hausdorff-Besicovitch para caracterizar la dimensión de este peculiar objeto
obtenemos:
¡Un objeto con dimensión fraccional!
log 4
D= ≅ 1.2619
log 3
11
Tal es el caso, por ejemplo, del triángulo de Sierpinski que es el resultado de
seccionar a toda escala un triángulo equilátero en cuatro particiones similares
cuyos lados son tan sólo la mitad de los de la figura original (r=2). Una vez
hecho esto se extrae la sección central, de forma que queden las tres partes de
los vértices (N=3), y sobre éstas se actúa de la misma manera, como se
muestra en la Figura 6.
Su dimensión de Hausdorff es entonces:
log 3
D= ≅ 1.585
log 2
De forma análoga puede construirse la carpeta de Sierpinski (Figura 6) si la
iteración consiste en dividir a todos los niveles un cuadrado en secciones de un
noveno de área (r=3), eliminando la participación del centro (N=8). Entiéndase
por iteración a la repetición de la misma operación o transformación a toda
escala.
La dimensión de esta figura es:
log 8
D= ≅ 1.893
log 3
Comparando los resultados obtenidos para las tres figuras estudiadas se hace
evidente que la dimensión de Hausdorff cuantifica hasta qué punto el objeto
cubre el espacio en el que se encuentra inscrito. Mientras la curva de Koch
12
malcubre el plano, D=1.263, la carpeta de Sierpinski, D=1.893, lo logra casi
completamente. [1]
log 8
D= ≅ 1.5
log 4
Figura 7: Greca fractal.
En otras palabras, es más que una colección de puntos, pero menos que una
línea.
Los fractales también pueden ser generados en base a un número sobre el que
se hace una operación de forma recursiva. Esta operación puede ser, por
13
ejemplo, el elevar al cuadrado un número real lo cual se denotaría por la
expresión:
Z n +1 = Z n2
Así, tomando un número inicial , como ejemplo, se tendría la secuencia:
Z0 = 2
2, 4, 16, 256, 65536, … , ∞ en la que cada elemento de la serie es el cuadrado
de su antecesor. A esta secuencia de números que se genera se le denomina la
órbita de la iteración, y el punto al que se tiende a llegar (infinito, en este caso)
se le llama su atractor.
Los conjuntos de Julia son una familia de fractales, que se obtienen al estudiar
el comportamiento de los números complejos al ser iterados por una función de
este tipo. Este trabajo fue desarrollado por dos matemáticos franceses, Gaston
Julia y Pierre Fatou, a principios de nuestro siglo. Sus resultados fueron la base
sobre la que se construyó la revolución fractal de los ochenta. En particular,
Benoît Mandelbrot recuperó su análisis sobre el comportamiento de los
números complejos cuando la iteración consiste en elevarlos al cuadrado y
sumar una constante al resultado, esto es:
Z n +1 = Z n2 + c
Donde c también es un número complejo.
Las órbitas que ahora se generan son secuencias de números complejos y sus
características dependen fundamentalmente de los valores del punto inicial Z0
del que se parte y la constante c seleccionada.
Desde 1906, Fatou había demostrado que para cada valor de c, la aplicación de
esta iteración sobre todos los puntos del plano complejo genera órbitas que en
su mayoría terminan en atractores que tienden a infinito, salvo para un
conjunto bien definido de puntos. En estos casos, la iteración tiende a órbitas
periódicas donde se repite la misma secuencia de números después de cierto
número de iteraciones o puntos que convergen hacia atractores finitos. A estos
puntos, cuya iteración no escapa a infinito, se les llama prisioneros, mientras
los otros son escapistas. El conjunto de todos los puntos prisioneros pertenecen
a lo que llamaremos el cuerpo de un conjunto de Julia.
Para localizar los puntos que conforman el conjunto de Julia para una constante
c dada, hay que recorrer el plano complejo buscando la frontera donde se pasa
de tener órbitas que se disparan a infinito, a la región donde esto ya no
sucede. Al efectuar este procedimiento con la ayuda de un ordenador y
colorear los puntos del plano de acuerdo con la velocidad con la que escapan o
14
convergen, se obtienen figuras de gran complejidad y belleza, como las que se
muestran en la Figura 9.
c = 0.32+0.043i c = 0.194+0.6557i
Del análisis de la Figura 9 se hace evidente que existen dos clases principales
de conjuntos de Julia; aquellos para los cuales el cuerpo está formado por una
sola pieza (el área del cuerpo se dice que es conexa) y otros en los que el
cuerpo está desmembrado en infinitas colecciones de puntos más o menos
aisladas (disconexa).
15
Benoît Mandelbrot, en la década de los setenta, fue el primero en localizar los
valores de la constante c que dan lugar a conjuntos de Julia conexos. Al hacerlo
se encontró con que esta colección de valores de c, que en su honor tiene el
nombre de conjunto de Mandelbrot, también tenía una estructura sorprendente
cuando se representaba en el plano complejo. [1]
z0 = 0 (término inicial)
, ∀c ∈ £
zn +1 = zn + c (relación de inducción)
2
16
representan de diferentes colores según la velocidad con que la órbita se va a
infinito, se obtienen las representaciones usuales del conjunto de Mandelbrot
(Figura 10).
Es preciso mencionar que no basta con una sola de estas características para
definir un fractal. Por ejemplo, la recta real no se considera un fractal, pues a
pesar de ser un objeto autosimilar, carece del resto de las características
exigidas.
17
Fractales con cuasiautosimilitud. Exige que el fractal parezca
aproximadamente idéntico a diferentes escalas. Los fractales de este
tipo contienen copias menores y distorsionadas de sí mismos.
Matemáticamente D.Sullivan definió el concepto de conjunto cuasiauto-
similar a partir del concepto de cuasi-isometría. Los fractales definidos
por relaciones de recurrencia son normalmente de este tipo.
18
Figura 11: Fractales naturales. Izquierda: Brócoli romanescu. Derecha: Hoja de
helecho.
Los fractales mostraron su utilidad por primera vez cuando se generó con ellos
un modelo simple para la aparición de ruido en ciertas líneas de transmisión en
sistemas de comunicación digital, esto es, la presencia de breves
interrupciones eléctricas que confunden y dificultan la comunicación, del tipo
de las que estamos acostumbrados a oír cuando hablamos por teléfono o
escuchamos el radio. [1] El análisis de las señales demostró que las
interrupciones aparecían por paquetes, pero dentro de estos paquetes se
distinguía una estructura intermitente, y dentro de ésta, más interrupciones
recurrentes, etc. Un registro gráfico de las interrupciones dio lugar a un patrón
fractal similar al conjunto de Cantor (Figura 8).
El polvo de Cantor es uno de los más famosos, a pesar de no ser tan atractivo
visualmente. Su estructura está detrás de varias cosas en el mundo real y así
se ha utilizado como modelo para representar desde la distribución de los
19
anillos de Saturno y las fluctuaciones en el precio del algodón a partir del siglo
pasado, hasta las variaciones que el nivel de las aguas del río Nilo ha
experimentado desde hace 2000 años. Más aún, cuando la idea que subyace
en la construcción de este conjunto se extiende a tres dimensiones, el patrón
que se genera coincide sorprendentemente con la distribución de estrellas y
galaxias en el universo.
Las primeras antenas diseñadas, fueron arreglos planos y lineales tipo fractales
delgados, organizando los elementos en un patrón Fractal para reducir el
número de elementos en el arreglo y obtener antenas de banda ancha o
desempeño en múltiples bandas. Actualmente se está trabajando con curvas y
objetos fractales como los triángulos de Sierpinski, árboles fractales, curvas e
islas de Koch, entre otras (Figura 12) que minimicen el área de la antena,
aprovechando su capacidad natural multibanda.
Figura 12: Antenas fractales. De izquierda a derecha: Antena fractal para teléfono
móvil inspirada en la distribución de Cantor; respuesta en frecuencia de dicha antena;
antena fractal inspirada en la curva de Koch.
20
Se han utilizado técnicas derivadas de la teoría de fractales en la compresión
de imágenes, música, video y datos en general.[13]
21
Infografía y Paisajes fractales y otros objetos.
artes plásticas
Biología Crecimiento tejidos, organización celular, evolución de
poblaciones.
Música Composición musical.
Física Transiciones de fase en magnetismo, modelado de
sistemas dinámicos.
Química Agregación por difusión limitada.
Geología Análisis de patrones sísmicos. Fenómenos de erosión.
Modelos de formaciones geológicas.
Economía Análisis bursátil y de mercado. Filosofía de la fábrica
fractal.
7 ANÁLISIS FRACTAL
Derivados de la matemática fractal, han surgido un gran número de métodos
para analizar las propiedades fractales de fenómenos naturales, resultados de
experimentos, imágenes y en general datos en los que se investiga si tienen o
no, y si lo tienen, en qué medida, el comportamiento de un fractal, es decir, se
analiza su dimensión fractal. Algunos de estos métodos, mismos que se
presentan en este trabajo, son:[18]
Este es uno de los métodos más utilizados para calcular la dimensión fractal de
objetos en una imagen por su sencillez y fácil implementación en un
ordenador.
Para calcular la dimensión de un objeto fractal, que bien puede ser la imagen
de una costa, imaginemos que sobre la imagen se extiende una malla
uniformemente espaciada y contemos cuántas cajas se requieren para cubrir el
conjunto[19], como se muestra en la Figura 14. La dimensión fractal de éste
objeto se calcula viendo cómo cambia éste número al ir haciendo la malla más
y más fina.
22
Figura 14: Método de conteo de cajas aplicado para calcular la dimensión fractal de la
costa de Inglaterra.
1/ log[N
N log[1/ε ]
ε ]
1.07 0.477121
12 3
92 255
1.44 0.778151
28 6
72 25
1.88 1.079181
77 12
65 246
15 2.19 1.380211
24
7 59 242
37 2.57 1.681241
48
4 29 237
D= 1.241
Figura 15: Cálculo de la dimensión fractal de la costa de Inglaterra.
Así, para la imagen de la Figura 14, se registra el número de cajas que
contienen una parte de la costa de Inglaterra (N) y la longitud de las cajas (ε ),
al ir haciendo estas últimas cada vez más pequeñas. Se calcula el logaritmo de
estos dos valores y se puede observar que guarda una relación lineal, como se
aprecia en la Figura 15. La pendiente de la recta será la dimensión fractal
buscada. En este caso y en muchos más en los que no se forma una recta
perfecta, se toma la pendiente de la recta que más se acerca a los puntos
obtenidos, ya sea por mínimos cuadrados o cualquier otro criterio.
23
Cabe notar que existen otras variantes de este método que utilizan en lugar de
cajas, el máximo número de discos de radio r centrados en el conjunto, en este
caso, cuyo centro se encuentra sobre la costa (Figura 16-centro), o el mínimo
número de discos que cubren el conjunto (Figura 16-izquierda).
Figura 17: Método del compás aplicado para calcular la dimensión fractal de la costa
de Inglaterra.
Obsérvese la isla de la Figura 17. En el caso de la izquierda se ha medido la
longitud de la costa utilizando una medida o regla de menor tamaño con
respecto del caso del centro y éste último con respecto del caso de la derecha.
La longitud medida depende obviamente del tamaño de la regla.
24
El método del compás consiste en mover una regla de longitud δ a lo largo de
la curva. La longitud estimada de dicha curva será el producto del número de
pasos N de tamaño delta necesarios para cubrir la costa, esto es, .
L = Nδ
Valores de delta inferiores darán longitudes mayores; a medida que nuestra
regla se hace más y más pequeña, añadimos más detalles y la longitud medida
de la costa crece.
log ( L )
D = lim
δ →0 log ( 1/ δ )
25
(A=n2, L=n), llena completamente el plano bidimensional ( ),
D = log n 2 / log n = 2
mientras que para una isla rectangular de longitud n y ancho unitario (A=n× 1,
L=n), es decir, una línea recta, .
D = log n / log n = 1
Los perímetros y áreas de las islas son medidos con cajas de longitud E de
forma muy parecida al método del conteo de cajas, contando cuántas cajas son
necesarias para cubrir la isla en su totalidad, en el caso del área, y cuántas
cajas tocan el contorno de la misma, en el caso del perímetro. Como se puede
prever, el tamaño de la caja de conteo E se va haciendo cada vez más pequeño
pero en este caso la dimensión fractal se determina mediante la siguiente
ecuación que relaciona el área de la isla con su perímetro:
A / E 2 = I / E 2 + 0.5P / E
Donde el término corresponde al área de la isla, es el número de
2 2
A/ E I /E
cajas dentro de la frontera y es la mitad del número de cajas sobre la
0.5 P / E
frontera del objeto a analizar. E, como ya se mencionó, es el tamaño de la caja
en pixeles usada para contar.
( A/ E )
1 1
2 2
∝ (P / E ) D
26
Figura 18: Estimación de la dimensión fractal con el método SIM para fracturas en una
aleción metálica HS-21.
27
Figura 19: Autosimilaridad en series temporales.
28
7.6 ANÁLISIS DE FLUCTUACIÓN SIN TENDENCIA (DFA)
29
En éste método una imagen, la cual se supone tiene una textura, es
interpretada como un terreno en tres dimensiones, en donde cada coordenada
x,y de la imagen tiene una tercera dimensión asociada z que representa la
intensidad de color del pixel.[18]
Figura 21: Método de conteo de cajas modificado para imágenes con textura.
30
obtiene como resultado una representación de las dimensiones fractales
obtenidas frente a las intensidades correspondientes.
HarFA
FracLab
Fractalyse
31
FracTop
Fractal3e
ImaCalc
Kindratenko
SimuLab
FracLac (módulos para ImageJ)
8 CONCLUSIONES
El estudio de los fractales así como de los métodos de análisis fractal sigue en
desarrollo y aplicándose cada vez en un mayor número de ramas del
conocimiento.
Al igual que con otras técnicas de análisis de datos tales como el análisis en
frecuencia por transformada de Fourier, Wavelets o análisis estadísticos, es
importante conocer este tipo de herramientas para tener un panorama más
amplio a la hora de enfrentarnos a la resolución de un problema.
9 REFERENCIAS
[1] Talanquer, V. Fractus, Fracta, Fractal. Fractales, de laberintos y espejos.
Fondo de Cultura Económica. México, 1996.
[2] Mandelbrot, B. The Fractal Geometry of Nature. W. H. Freeman and
Company. New York, 1977.
[3] Historia de los Fractales. Recuperado el 20 de febrero de 2011 de
http://www.geometriafractal.com/protagonistes.htm.
[4] Función de Weierstrass. Recuperado el 20 de febrero de 2011 de
http://es.wikipedia.org/wiki/Funci%C3%B3n_de_Weierstrass.
[5] Georg Cantor. Recuperado el 20 de febrero de 2011 de
http://es.wikipedia.org/wiki/Georg_Cantor.
[6] Aleksandr Liapunov. Recuperado el 20 de febrero de 2011 de
http://es.wikipedia.org/wiki/Aleksandr_Liapunov.
[7] Lyapunov fractal. Recuperado el 20 de febrero de 2011 de
http://en.wikipedia.org/wiki/Lyapunov_fractal.
[8] Giuseppe Peano. Recuperado el 20 de febrero de 2011 de
http://es.wikipedia.org/wiki/Giuseppe_Peano.
[9] Wacław Sierpiński. Recuperado el 20 de febrero de 2011 de
http://es.wikipedia.org/wiki/Wac%C5%82aw_Sierpi%C5%84ski.
[10]Helge von Koch. Recuperado el 20 de febrero de 2011 de
http://es.wikipedia.org/wiki/Helge_von_Koch.
[11]Gaston Julia. Recuperado el 20 de febrero de 2011 de
http://es.wikipedia.org/wiki/Gaston_Julia.
[12]Benoît Mandelbrot. Recuperado el 20 de febrero de 2011 de
http://es.wikipedia.org/wiki/Beno%C3%AEt_Mandelbrot.
[13]Fractal. Recuperado el 20 de febrero de 2011 de
http://es.wikipedia.org/wiki/Fractal.
[14]Conjunto de Mandelbrot. Recuperado el 20 de febrero de 2011 de
http://es.wikipedia.org/wiki/Conjunto_de_Mandelbrot.
32
[15]Braun, E. Caos, fractales y cosas raras. Fondo de Cultura Económica.
México, 1996.
[16]Mocencahua, D. Antenas Fractales. Facultad de Ciencias de la
Electrónica. Benemérita Universidad Autónoma de Puebla. Segundo
Congreso Nacional de Electrónica. 2002.
[17]Montoya, A. Antenas fractales: un paso en la evolución de las
telecomunicaciones. Universidad de Antioquia. Medellín, Colombia.
[18]Santacruz, C.; Santacruz, V.; Chanona, J.; Jaramillo, E.; Welti, J.;
Gutierrez, G. Fractal Theory Applied to Food Science. Encyclopedia of
Agricultural, Food, and Biological Engineering. 2007, 1-13.
[19]Minkowski–Bouligand dimensión. Recuperado el 20 de febrero de 2011
de http://en.wikipedia.org/wiki/Minkowski
%E2%80%93Bouligand_dimension
[20]Contaje por cajas (Box-countig). Recuperado el 20 de febrero de 2011
de http://www.dmae.upm.es/cursofractales/capitulo8/1.html
[21]Kayama, A.; Tanaka, M.; Kato, R. Application of slit island method to the
evaluation of the fractal dimension of the grain-boundary fracture in
high-temperature creep. Journal of Materials Science Letters. 2000, 565-
567.
[22]Fractal Mechanisms in Neural Control. Recuperado el 20 de febrero de
2011 de http://www.physionet.org/tutorials/fmnc/
[23]Platónov, A. Aplicación de imágenes de satélite SAR en los estudios de
contaminación marina y de dinámica de las aguas en el mediterráneo
noroccidental. Universidad Politécnica de Cataluña. 2002, 58-64.
[24]Harte, D. Multifractals. Theory and applications. Chapman & Hall/CRC
Press. EUA, 2001.
[25]Gálvez, E. Análisis Fractal del Mercado de Valores de México (1978-
2004). Escuela Superior de Comercio y Administración del IPN. México,
2005.
[26]Hinojosa, M.; Montelongo, O.; Ortiz, U. Análisis fractal de la
microestructura dendrítrica en una aleación de aluminio. Ingenierías.
Julio-Septiembre 2000, Vol. III, No. 8, 13-19.
[27]Gomis, P.; Caminal, P.; Vallverdú, M.; Wagner, G. Análisis fractal del
sistema de control cardiaco durante isquemia de miocardio. XXV
Jornadas de Automática. 2004.
[28]Santiago, M.; Yannibelli, V.; Pacheco, Y.; Senor, P.; Pecelis, M.; Caselli, E.
Diagnóstico de osteoporosis mediante análisis fractal de radiografías de
fémur. XV Congreso Argentino de Bioingenieria.
[29]Wang, G.; Ren, X.; Li, L.; Wang, Z. Multifractal analysis of surface EMG
signals for assessing muscle fatigue during static contractions. Journal of
Zhejiang University - Science A. Vol. 8, No. 6, 2007, 910-915.
33