Fractales

y su aplicación a la Ingeniería

Grupo de Investigación:

Jefe del Proyecto:

Ing. Manuel Arévalo Villanueva.

Alumnos Investigadores:
Darwin Padilla Gutiérrez.
Kene William Aguilar Zanabria.

UNIVERSIDAD NACIONAL DE INGENIERIA,

( LIMA - PERU )
http://fiee.uni.edu.pe

Julio 2001
 FRACTALES: MAGIA, MITOS Y MENTIRAS

Desde hace mas de cien años, los matemáticos que se habían topado con
los fractales los consideraban monstruos de una irregularidad insospechable. Pero
no es hasta 1977-1982 que el profesor Benoit Mandelbrot explicó que
precisamente esta irregularidad insospechable es lo que conforma a la naturaleza,
y que por lo tanto es nuestra esencia misma: los que nos constituye. La geometría
fractal se dedica al estudio de las figuras con infinito detalle que describe n
algunos fenómenos naturales. Es la ciencia inherente de lo impredecible. Los
fractales cumplen en general con tres características importantes:

1. Se basan en una geometría compleja y de infinito detalle; es decir,

podemos aumentar mil es de veces el lente de nuestra cámara, y
seguiremos viendo tanto detalle aproximadamente como el que tenía la
figura original.

2. La información que los genera es relativamente poca, y en particular se

basan en un principio de retroalimentación de los resultados creando
iteraciones que dependen de los parámetros de entrada. Normalmente se
manejan números complejos. (Un número complejo es aquel que se
compone de una parte real y de una parte imaginaria).

3. La mayoría de los fractales cumplen con el principio de "similitud a si

mismos" (auto-similar). Un ejemplo de la naturaleza es un brócoli. Al mirar
el brócoli, se observa que es una verdura con un tronco y con un grupo de
"florecillas" en la parte superior. Pero curiosamente, al mirar con mas
cuidado, se observan tallos más delgados con sus respectivas "florecillas"
que a su vez se constituyen por tallos aún más delgado y florecillas más
pequeñas. Precisamente la característica de realizar "zooms" en los
fractales se le conoce con el nombre de similitud a sí mismos. De la misma
manera podemos observar un helecho compuesto de un tallo con su s
respectivas hojas, una nube conformada de nubes mas pequeñas, o bien
una montaña constituida por montañitas.

Existen varios fractales que son ya famosos por sus características. El mas
famoso de todos ellos es el conjunto de Mandelbrot. La formula que describe al
conjunto de Mandelbrot es:
znuevo = z 2 viejo + c
Donde z es un número complejo (Ej. 9+3i) y c es una constante (Ej. -0.122 +
0.745i). En realidad, el conjunto de Mandelbrot se le considera una especie de
diccionario que describe a otros fractales llamados los conjuntos de Julia. Siempre
se comienza con z0=0.
La pregunta a contestar es si después de un cierto número de iteraciones dada la
constante c, el resultado tenderá a infinito o no. Si el resultado es infinito, entonces
en el plano complejo se colorea esta constante de algún color. En cambio, si el
resultado tiende a un valor, se colorea de otro. También, según el número de
iteraciones antes de llegar a un resultado no infinito se puede escoger un color.
Al final, el plano complejo queda como la siguiente figura:

Otro fractal muy famoso es el triángulo de Sierpinsky. Este fractal se construye

al utilizar un triángulo como parámetro inicial, y posteriormente iterando las
siguientes reglas:

1) Se escala el objeto a la mitad

2) Se repite el objeto tres veces: una en la parte inferior izquierda, otra en la parte
inferior derecha y la última en la parte
central superior. Después de una
primera iteración se obtiene como
resultado una figura construida por
tres triángulos. Después de la
segunda iteración serán nueve.
Después de la tercera serán 27, etc.
 Esta figura además tiene varias características dignas de estudio.
No importa con qué figura se comienza (un triángulo, un cuadrado, una cara,
un barco, etc.) Si se siguen las reglas, después de un cierto número de iteraciones
siempre se obtendrá la misma figura.

El triángulo de Sierpinsky. -Es un objeto con dimensión fractal de 1.58. Esto

quiere decir que es un objeto que tiene dimensión mayor a una línea recta
(dimensión 1) y una dimensión menor a la de un cuadrado (dimensión 2).
¡Entonces en la naturaleza existen objetos con dimensión fraccionaria!
¡Están entre una línea y el plano o bien entre el plano de dos ejes y el plano de
tres ejes (entre un cuadrado y un cubo)! Y por lo tanto, existen fractales con
dimensión 4.23, 5.02, etc.

Existe aún mucho material por ahondar en la geometría fractal, que además
está íntimamente relacionada con la teoría del caos. El caos es un
comportamiento que aparentemente es impredecible y que se surge dentro de un
sistema determinístico por ser muy sensible a las condiciones iniciales.
Lo importante es que ya comenzaron a aplicarse los conocimientos teóricos,
como por ejemplo para la comprensión fractal de imágenes. Y en especial para la
comunidad de la computación gráfica, ahora ya se puede pensar que los fractales
no solamente hacen texturas espectaculares de mármoles o de nubes.
También hacen triángulos extraños, y copos de nieve con detalle infinito.
 SISTEMAS DINÁMICOS COMPLEJOS.

El origen de la teoría de sistemas dinámicos complejos data de comienzos del

siglo XX, con los
trabajos de los matemáticos franceses Gaston Julia (1893 - 1978) y Pierre Fatou
(1878 - 1929).

Los trabajos de Julia y Fatou, escritos en 1918 y 1926 respectivamente, no

cobraron valor hasta las últimas décadas del siglo XX, en las que se ha podido
observar la gran importancia y fuerte presencia de los sistemas dinámicos en el
mundo real (predicción del tiempo, dinámica de poblaciones,...).

¿QUÉ ES UN SISTEMA DINÁMICO?

Llamaremos sistema dinámico al par (X,f) formado por un conjunto no vacío X y

una aplicación
f : X---> X.

Dado un punto x ε X, llamaremos órbita de x a la sucesión:

{x, f1(x), f2(x),...} ε X

donde fn es la composición de f consigo misma n veces.

En un sistema dinámico (X,,f), un punto x0 ε X se llama punto fijo si f(x0) = x0, y se

llama punto
periódico de periodo n > 1 si fn(x0) = x0 y fi(x0) ¹ x0 para cualquier i ε [1,n).

Las órbitas de los puntos periódicos se llaman órbitas periódicas del mismo
periodo que el punto.

El punto x0 se llama eventualmente periódico de periodo n si no es periódico y su

órbita nos lleva a un
punto que sí lo es.

Sea (X,d) un espacio métrico, (X,f) un sistema dinámico diferenciable y x0 un punto

periódico de periodo n. Entonces el punto periódico x0 y su órbita se llaman:

Superatractivos si (fn)'(x0) = 0
Atractivos si 0 < |(fn)'(x0)| < 1
Indiferentes si |(fn)'(x0)| = 1
Repulsivos si |(fn)'(x0)| > 1
Intuitivamente, un punto periódico x0 se llama atractivo si la órbita de los puntos
próximos a él converge a la órbita de x0, y se llama repulsivo si existen puntos
infinitamente próximos a él cuya órbita se aleja de la órbita de x0.

Los sistemas dinámicos complejos son los sistemas dinámicos de la forma:

(C,f) / f : C ---> C.

CONJUNTOS DE JULIA.

Estudiamos el sistema dinámico complejo cuadrático:

(C,f(C) / fC(z) = z2 + c, c Î C (c es un parámetro).

Julia y Fatou se plantearon el problema de estudiar la órbita de los puntos z Î C en

el sistema dinámico (C,f(C)).

Observaron que para ciertos valores de c la órbita convergía a un punto fijo de la

aplicación f(C), mientras que en otros la órbita divergía.
Cada uno de estos dos tipos de puntos constituye una región del plano complejo, y
en medio queda una frontera infinitamente delgada que se conoce con el nombre
de conjunto de Julia, y tiene estructura fractal.

Sucesiones, Límites, ...

Aún no nos vamos a desviar de las matemáticas y entraremos en conceptos que si

ya en la recta real, son difíciles de manejar, en los números complejos lo van a ser
más, pero con paciencia y buena letra terminará por entenderse perfectamente.
Vamos a introducir los conceptos de distancia, límite, sucesión e iteración, los
pilares básicos para poder construir nuestros fractales.
Cuando trabajamos en un espacio vectorial, es muy útil poder encontrar una
función que nos sirva para medir distancias, esta función que parte del producto
directo del espacio consigo mismo y tiene su imagen en los números reales, en
nuestro caso, se traduce en que toma dos números complejos (puntos) y nos da
un número real (distancia).

Como toda buena función distancia, debe cumplir tres propiedades :

1) La distancia entre dos puntos siempre es positiva, siendo nula si y solo si, los
dos puntos son los mismos.
2) La distancia entre dos puntos A y B es la misma que la distancia entre los
puntos B y A.

3)La distancia entre dos puntos A y B siempre es menor que la distancia entre A y
un tercer punto C mas la distancia de C a B.

Para trabajar con fractales, utilizaremos la función distancia d: C x C → R definida

por:
d(a+ib,c+id)=sqrt((c-a)*(c-a)+(d-b)*(d-b))

;donde sqrt significa: la raíz cuadrada en su valor positivo.

Visto así parece muy difícil, pero es mas sencillo de lo que parece, en realidad lo
que estoy hallando es el módulo del vector que una a+bi con c+di.
Por el teorema de Pitágoras: El cuadrado de la hipotenusa es la suma de los
cuadrados de los catetos.

Gracias a la distancia definida, podemos hablar de los demás conceptos con la

seguridad de que no vamos a tener problemas.
Cuando hablamos de límite, nos estamos preguntando que ocurre en el infinito, ya
sea en el tiempo o en el espacio, intentar estudiarlo de una forma matemática, no
es fácil, pero gracias a que antes hemos definido una métrica, las cosas se hacen
bastantes más sencillas, por eso solo estudiaremos este concepto en el caso que
nos ocupa.
Sea f una función de C en C y d la métrica del apartado anterior, diremos que f
tiende en el infinito a un punto A si : <Imagen> No nos asustemos que esto sólo es
un formalismo. A nosotros se nos va a plantear un problema, como vamos a
utilizar el ordenador para calcular el límite, no podemos estar infinito tiempo para
saber si una función tiene límite, así que tendremos que adoptar un criterio, el cual
no es único y en cada tipo de fractal se suele especificar, ya entraremos en mas
detalles a su debido tiempo.
Es muy fácil imaginar que es una sucesión (una fila de cosas), esta idea intuitiva
no es del todo correcta, pero suficiente para entender lo que vamos a explicar,
como siempre daremos la definición para los números complejos :
Una sucesión de números complejos es una función de los números naturales en
los números complejos.

Así de sencillo, es una función f que toma un número natural n, y nos da un

número complejo, pero generalmente, se le da un tratamiento distinto, lo que se
hace es fijarnos en la imagen, f(n) y llamarla xn, y entonces diremos que tenemos
una sucesión (xn)n, es decir, x7 es la imagen por f de 2, x7 es la imagen por f de 7,
etc... Nosotros sólo trabajaremos con un tipo muy concreto de sucesiones y que
surgen de lo que se llama iteración.
Dada f, una función compleja, llamaremos iteración a la sucesión xn=f n(x) donde
por f n(x) entendemos la n-ésima imagen de x, así f 3x es f(f(f(x))).
Existe una propiedad que no vamos a demostrar, y que dice que si x es el límite
de alguna sucesión, entonces f(x)=x, es lo que se llama un punto fijo de la función
(obviamente).Y en eso consiste los fractales, en estudiar para que puntos del
plano complejo, la sucesión iterada tiene límite.

REPRESENTACIÓN GRÁFICA.

Para representar gráficamente el conjunto de Julia para un cierto c ∈ C dado, lo

único que hay que hacer es plantear el sistema dinámico (C,fC), y estudiar si la
órbita de los z ∈C diverge o no.
Para saber si dicha órbita diverge, buscamos si algún punto de la órbita tiene
módulo mayor o igual que dos, ya que si esto ocurre, hay un teorema de cálculo
complejo que nos dice que la órbita diverge.
Hay que acotar el número de puntos de la órbita que estudiamos para ver el
carácter de la órbita. Una buena cota práctica puede ser considerar 100 puntos. Si
se toma un número mayor de puntos, la representación del conjunto de Julia será
más exacta, aunque a costa de un mayor tiempo de cálculo.

EL CONJUNTO DE MANDELBROT.

Este conjunto está asociado a los sistemas dinámicos complejos cuadráticos

(C,fC) / fC(z) = z2 + c, c ∈ C.

A la vista de los diferentes conjuntos de Julia que se van obteniendo al elegir

distintos valores del parámetro c ∈C, surge la pregunta de si se pueden clasificar
atendiendo a su forma o estructura.

La idea de la clasificación se basa en el hecho de que para cualquier valor del

parámetro c ∈ C, el conjunto de Julia asociado, puede ser de los tipos siguientes:

1. Conexo.
2. Completamente disconexo.
El conjunto de Mandelbrot es el conjunto de puntos c Î C para los que el conjunto
de Julia asociado al
sistema dinámico complejo (C,fC(z) = z2 + c) resulta ser conexo.
 REPRESENTACIÓN GRÁFICA.

Para representar el conjunto de Mandelbrot, hay que considerar lo siguiente:

Julia probó que para decidir la conexión del conjunto de Julia asociado a un
sistema dinámico complejo cuadrático (C,fC), para cualquier c Î C, es suficiente
estudiar la órbita de z = 0.

Para decidir si la órbita diverge, basta aplicar el teorema de cálculo complejo que
nos dice que una órbita del sistema dinámico complejo (C,fC(z) = z2 + c) diverge si
y sólo si algún punto de la órbita tiene módulo mayor o igual a dos.

Se puede afirmar que si la órbita de un punto permanece en módulo inferior a dos

después de 100 iteraciones, entonces la órbita ya no diverge.

PROPIEDADES

El conjunto de Mandelbrot no es un fractal auto semejante, pero tiene la propiedad

de que es posible descubrir en su frontera infinidad de minúsculas copias del
propio conjunto.
El conjunto de Mandelbrot es conexo (demostrado por J.H.Hubbord y A.Douady).

CONJUNTOS DE PICKOVER
Estos conjuntos fueron desarrollados por Clifford A.Pickover en el Centro de
Investigación Thomas J.Watson de IBM en Worktown Heights, Nueva York
(Mandelbrot también trabajó en este centro).

La idea de estos conjuntos es la misma que la de los conjuntos de Julia, y lo único

que varía es el sistema dinámico complejo que se considera, que no es:
(C,fC(z) = z2 + c), sino otro , como por ejemplo:

(C,fC(z) = z3 + c), ó (C,fC(z) = z2 + sen(z) + c).

 APLICACIONES DE LOS FRACTALES.

A parte de la utilidad que tienen para explicar ciertos resultados de la teoría del
caos y en el estudio de los sistemas dinámicos (estudio de poblaciones), así como
en el modelado de fenómenos naturales (por ejemplo un trabajo sobre el curso de
ríos presentado por B.Mandelbrot), una de las aplicaciones con más futuro de los
fractales es la utilización de técnicas fractales para comprimir imágenes y
secuencias de vídeo.

COMPRESIÓN FRACTAL DE IMÁGENES.

La necesidad de comprimir imágenes proviene de la falta de capacidad de los

dispositivos de almacenamiento para guardar a bajo precio la cantidad de
información que genera una imagen.
Además, la compresión de datos cobra especial importancia en Internet, ya que
cuanto más pequeño sea el archivo a enviar, menos tiempo tardará en llegar y
menos dinero costará el proceso.

METODOS DE COMPRESIÓN.

En compresión de imágenes, se puede distinguir entre la compresión sin pérdida

(por ejemplo el formato GIF), que permite una compresión de 3 a 1 y los métodos
de compresión con pérdida (por ejemplo el formato JPEG; Joint Photographic
Expert Group), que permite una compresión de 25 a 1 sin una excesiva pérdida de
calidad.

La compresión fractal de imágenes pertenece a este último tipo de compresión.

APROXIMACIÓN DE IMÁGENES MEDIANTE FRACTALES.

Con el método de M.F.Barnsley, a partir de una imagen natural obtenemos una

familia de contracciones que generan un fractal que se aproxima a la imagen
natural tanto como queramos. Así, en vez de comprimir la información de cada
punto de la imagen nos basta con guardar la familia de contracciones que generan
el fractal.

Para la compresión de imágenes mediante el método de M.F.Barnsley,

necesitamos funciones contractivas de R4, ya que en cada punto de la imagen
trabajamos con (largo, alto, color, contraste).
 ALGORITMO DE COMPRESIÓN.

Lo primero que hay que hacer es tomar una partición de la imagen en

subconjuntos llamados "regiones dominio". Cada una de estas regiones se
sustituirá por la transformada afín que la genera. Cuanto mayor sea el tamaño de
los subconjuntos de la partición, mayor será la compresión de la imagen, y peor su
calidad.
Ahora tenemos que conseguir las "regiones rango", que son subconjuntos de la
imagen, de tamaño mayor que las regiones dominio (dos o tres veces mayores),
que no tienen porque cubrir todo el conjunto, y que pueden superponerse.
La idea del algoritmo es buscar transformaciones contractivas que transformen a
las regiones rango en regiones dominio.
Para cada dominio buscamos entre todas las regiones rango la que mediante una
transformación contractiva más se parezca al dominio y almacenamos dicha
transformación.
Este proceso es muy lento, al tener que trabajar con un gran número de conjuntos.

ALGORITMO DE DESCOMPRESIÓN.

Lo primero que hay que hacer es elegir dos zonas de memoria capaces de
contener a la imagen una vez descomprimida. Se le aplican a la primera zona de
memoria las transformaciones contractivas obtenidas en la compresión y se
almacena el resultado en la segunda zona.

Ahora se comparan las imágenes contenidas en las dos zonas de memoria y si

son muy distintas se repite el proceso descrito anteriormente.
Este algoritmo de descompresión es muy rápido y tras unas 20 iteraciones del
proceso anterior, obtenemos la imagen descomprimida.

El Caos es el elemento básico que define una nueva ciencia en nacimiento, diría la
ciencia que puede en un mañana temprano revolucionar y convulsionar el mundo
que conocemos. A lo contrario de lo que literalmente la palabra significa el caos
implica orden.

Por otro lado el término fractal es un término viejo pero su significado ha

evolucionado a lo largo de la evolución del lenguaje.
En la actualidad se entiende por fractal unas imágenes obtenidas por el
computador, pero realmente su significado es aplicable a todo tipo de conjunto de
datos.

El hombre siempre ha estado rondando alrededor de este elemento del caos para
obtener resultados inexplicables, soluciones a problemas sin respuesta por parte
de la ciencias matemáticamente rigurosas. Por fractal entendemos el reflejo de
patrones dentro de sí mismos, no estamos hablando de imágenes, de números,
estamos hablando en forma abstracta.

Cuando hablamos de fractal hablamos del mundo...

Hablar de fractal es hablar del mundo, pero visualizar algo fractal a veces es muy
fácil a veces es sumamente difícil. Cuando paseamos entre los árboles de un
bosque lo primero que tratamos de hacer es reconocer los árboles:
este es un abeto, este otro es una acacia, etc.
¿Como lo hacemos? Lo realizamos por comparación:
comparamos un árbol con los recuerdos grabados en nuestra mente y el que más
se parezca nos indicará la clase de árbol que estamos reconociendo.
¡Pero los árboles no son iguales! solamente se parecen y tampoco tienen la
misma cantidad de ramas u hojas. Es una analogía de elemento fractales.

Veamos las hojas en el suelo en un bosque: la imagen fractal que obtenemos es a

veces espectacular, y para muchas personas que habitan en lugares privilegiados
es tan normal, que no lo aprecian.

Caos.

Caos es comportamiento aparentemente impredecible resultante en un

sistema determinístico debido a una gran sensibilidad a las condiciones iniciales.
El caos aparece en sistemas dinámicos si dos puntos de partida arbitrarios
divergen exponencialmente, por lo que su comportamiento futuro es
eventualmente impredecible.
Lo que significa es que el comportamiento caótico, aunque parece al azar,
proviene de una causa bastante rígida. También es altamente sensitivo a cualquier
perturbación, porque todos los cambios en el sistema se compondrán con el
tiempo. También, debido al extremo desorden, predecir el destino futuro del
sistema es prácticamente imposible.

El sistema al que esta definición se refiere puede ser cualquier cosa.

Un grupo de ecuaciones es un sistema, tanto como otras cosas más tangibles,
como los patrones del clima. Todos los sistemas exhiben tendencias caóticas. El
clima es un ejemplo preferido para mucha gente. Los pronósticos no son
totalmente exactos, y pronósticos a largo plazo aún para una semana pueden
estar totalmente errados. Esto es debido a disturbios menores en el flujo de aire,
calentamiento solar, etc. Cada disturbio puede ser menor, pero el cambio que crea
se incrementará geométricamente con el tiempo. Por lo tanto, el clima distará
mucho de lo esperado. Estas mismas características caóticas son validas para
las matemáticas. Ciertos tipos de ecuaciones, por ejemplo, se pueden repetir
muchas veces, creando las imágenes llamadas fractales. Frecuentemente, estas
dos ecuaciones
Consisten de sólo un X e Y de variable y unas pocas constantes. Una vez que las
ecuaciones se repiten, o se iteran, muchas veces, y los resultados se traman
sobre una pantalla de computadora.
Imágenes increíblemente complejas pueden producirse. Estos fractales presentan
todas las características caóticas.
Estos son muy sensibles a cambios pequeños, son caprichosos, y parecen
caóticos, aunque que se creen usando ecuaciones no caóticas, muy directas.

Los Fractales puede producirse de diversas maneras. La mayoría de ellos

mediante un sistema de ecuaciones
en X e Y que son iteradas.
Algún sistema en X, Y, y Z de
ecuaciones. Otros fractales pueden
Operar mediante un conjunto de
reglas, y no tener ninguna
ecuación. El juego de la Vida, por
ejemplo, no contiene ninguna
ecuación.

El comportamiento caótico se modela mediante un conjunto de reglas.

Debido a que la iteración es tan común en los fractales, un programador

que quiera hacer su propio fractal deber comprender como iterar las ecuaciones.
Una manera simple para hacer esto es estructurar las variables para el X-Y
estándar colocando X0, X1, Y0, y Y1 de manera que sean fáciles de recordar. X0 es
igual al valor de la variable matemática Xn-1. Esto simplemente representa el valor
de X para la iteración previa. Asimismo, X1 es igual que Xn. Esto es el valor de X
actual. El que será tramado sobre la pantalla.
Para representar una iteración simple, el siguiente es el código algorítmico para el
Atractor de Henon:

/* BEGIN HENON ATTRACTOR ITERATION */

/* INITIALIZE VARIABLES */
X0 = 1
Y0 = 1
/* START UP A NEVER-ENDING LOOP */
WHILE (TRUE) DO
BEGIN
/* ITERATE THE X AND Y VARIABLES */
X1 = Y0 + 1 - (1.4 * X0 * X0)
Y1 = 0.3 * X0
/* PLOT THE NEW X-Y POINT */
PLOT (X,Y)
/* REASSIGN OLD X AND Y VARIABLES, IN PREPARATION FOR ANOTHER
ITERATION */
X0 = X1
Y0 = Y1
END

¡Ves cuan simple la iteración es!

Esta forma de algoritmo se puede convertir
A cualquier lenguaje: Basic, Pascal, C,
Java, etc. Lo único que las ecuaciones
necesitan
Es cambiarse para crear un Fractal
diferente. Usted podría sustituir fácilmente
las fórmulas del Atractor de Lorenz en el
programa, y guardar el resto del código
inalterado. De hecho, después que Yo creé
“el sueño del Rey” (un Java applet),
solamente alteré las ecuaciones, y ¡Obtuve
un nuevo applet, el del Atractor de Henon!

Un segmento de este algoritmo, sin embargo, debe alterarse fractal por

fractal.
La función PLOT debe escribirse para que El programa haga el zoom del
fractal de tal manera que se adapte a la pantalla, y los Puntos se desplieguen
correctamente. Por ejemplo, el Triángulo de Sierpinsky
Da rendimientos de las variables X e Y con una gama entre 0 y 1. Entonces
cuando ellos se traman en la pantalla el X y él Y deben ser multiplicados por Las
dimensiones de pantalla antes de volverse un pixel sobre el monitor.

¡Los fractales son tan simple como eso! Los programadores novatos no deber
asustarse por la apariencia intimidante de los fractales. Los métodos muy simples
producen resultados muy complejos.
Casi cualquiera con un conocimiento decente de un lenguaje de programación,
aún cuando es QBasic, puede hacer estos fractales. Para descargar ejemplos de
programas y aprender como crear fractales específicos toma una mirada a la
pagina fractal.

CONCEPTOS DE COMPLEJIDAD.

La complejidad revela que el fenómeno microscópico es el resultado de la

emergencia de una dinámica colectiva espacio-temporal del conjunto de sus
componentes interactuando por medio de leyes fundamentales.

EL CAOS.

La única promesa de la Ilustración cumplida fue la secularización como dice

Barbero (1994) y las dos únicas que no ha cumplido, en una visión totalmente
opuesta son las que dice Pagels (1991): el control del clima y la simulación del
cerebro en la que de hecho ya está trabajando la Inteligencia Artificial (IA).
Morin (1988), por su parte piensa que las ciencias todavía no han podido resolver
dos misterios: el del ser y la muerte.

Cumplidas o no lo cierto es que las promesas de la Ilustración de las que el

marxismo fue su más radical continuador descansaban sobre la persecución de
una sociedad reconciliada, igualitaria, libre, abundante, tecnológica y feliz. Todos
daban por descontado que tal día llegaría.
Hoy, al contrario, la preocupación de los científicos es saber el día que
desaparecerá la tierra y todo es estructuras disipativas por efectos de la "barrera
entrópica".

Hay tres revoluciones científicas modernas ninguna de las cuales es reducible a

las otras porque no nacieron ni se desarrollaron de un modo lineal:

a) La mecánica newtoniana que fundó la causalidad científica y el principio

logicial del "todo como la suma exacta de las partes": Dios era matemático.
b) La relatividad einsteiniana vs la cuántica bohrniana, donde para aquellos
actuaba el principio sinérgico del "todo como algo más que la suma de las
partes" y para estos el universo estaba regido por las probabilidades y las
incertidumbres: Dios jugaba a los dados y
c) La teoría de los fractales (caos) mandelbrotiana cuya concepción
hologramatica (bucle recursivo) está llevando a creer que el "todo está en las
partes que están en el todo": Dios está en todos lados y en ninguno.
Esta última es la que puede brindar perspectivas nuevas a las ciencias sociales.
Ya la están explorando algunos antropólogos franceses como Balandier (1990) y
otros estudiosos norteamericanos.
La teoría del caos es como una derivación de la segunda ley de la termodinámica
y la entropía pasiva descubierta por Boltzmann e intuida por Poincaré.
Hoy tiene distintas vertientes que sumariamente podemos resumir así: Verhulst
con sus iteraciones de ecuaciones de crecimiento no lineales:

(Xn+1 = nXn [1-Xn]).

Lorenz (1976) con su "efecto mariposa" al variar infinitesimalmente las condiciones

iniciales del clima; Mandelbrot (1982) con su geometría de fractales, Peano con su
curvatura de las líneas, Thom (1990) y su teoría de la catástrofe, Prigogine (1991)
con sus estructuras disipativas alejadas de todo equilibrio, Cantor con sus
polvaredas de series de números infinitos, Godel con la "demostración" de sus 52
teoremas matemáticos "indemostrables", los números aleatorios y la duplicación
de períodos de Feigenbaum (1978) a partir de la aplicación iterativa del Pi a las
ecuaciones no lineales; Margulis (1986) con su teoría biológica “antidarwinista” de
la cooperación; etc. Todas estas vertientes se están aplicando en varias ciencias
simultáneamente (matemáticas, física, astrofísica, estadística, biología, química,
economía, antropología, etc.) y pueden orientar a las ciencias sociales de una
múltiple manera.

A MODO DE CONCLUSIONES.

1) La paradoja de la paradoja es que reafirma el dualismo que cuestiona. Ella

misma es una binariedad pero que la hace estallar en direcciones caóticas.

2) La tolerancia, como democracia, hay que defenderla no porque sea la única ni

siquiera la más racional de las salidas sino porque es un nudo de flujos
encontrados parecidos a las múltiples corrientes marinas que se han puesto de
acuerdo consigo misma, se levanta y corre.

3) El presente es la única dimensión donde coinciden el tiempo y el espacio y la

paradoja no es más que la inclusión del tiempo en la lógica.

3) Con las otras dimensiones no sucede así. Desde Aristóteles el presente

siempre ha sido expulsado o subordinado a los otros tiempos. El presente es
rico en propiedades en diversidad, pluralidad, colores, que al realimentarse a
sí mismo estalla en nuevas diferencias totalmente espaciales y caóticas.
No hay futuro que ilumine desde él mismo los anteriores momentos. El presente
ha llegado a ser lo que es. Por eso la gran pregunta de la filosofía de hoy es:
¿Qué es lo que es?
Pero es una interrogante que la ha trabajado más la filosofía hindú. Krisnamurti,
por ejemplo, dice que todo el problema occidental es la búsqueda por la búsqueda
misma. No hay que buscar nada. Cómo los occidentales se pregunta con una
terrible sencillez pueden "buscar" algo que no conocen y si ya lo conocen por qué
lo "buscan". Lyotard (1984; 1991) dice algo parecido aunque con sus pesadas e
insoportables claves occidentales. Expresa más o menos que las ciencias
"buscan" reglas, normas, leyes y que al hacerlo, paradójicamente, las emplean. !!
Cómo puede ser? !! Buscar unas leyes que se usan para encontrarlas. Es que
"abrir puertas", como dice George Steiner en su obra "El Castillo de Barba Azul",
es la virtud que se convirtió en vicio en Occidente hasta que termine por abrir la
última: la de los cadáveres.
Ya que de confesiones sobre paradojas trata este bosque de ideas, para terminar
por donde empecé y aunque nadie quiera saberlo, confesaré que la chica del café
es mi novia. Y si supieran lo perfecta que es, incluyendo su único defecto... que
soy yo.

Conjuntos.

Conjunto Abierto.
Dado un conjunto A y dado un xo ∈ A. Con un radio ε>0 y con centro en xo
tracemos una circunferencia. Si en ha circunferencia existe una infinidad de puntos
xi que pertenezcan al conjunto A y si también esto ultimo se cumple para todo xj
∈A se dice que A es un conjunto abierto.

Conjuntos Densos.

Definimos E como un espacio métrico, sea A un espacio métrico, entonces A es

denso si Ā= E . (Ā: cerrado)
Un ejemplo de conjunto denso es el conjunto de los números racionales.

Lema 1.- Decimos que el conjunto A del espacio métrico (E,d) es “fronterizo”, si su
complemento es denso.

Lema 2.- Decimos que A es “nada denso” si el complemento de su clausura es

denso.
 Propiedades de los conjuntos fronterizos y nada densos.

1. A es fronterizo y nada denso.

2. E no es fronterizo ni nada denso.
3. A es nada denso si y solo si Ā es fronterizo.
4. A es cerrado y fronterizo entonces A es nada denso.
5. A es nada denso entonces A es fronterizo
6. A es fronterizo si y solo si Å es igual al conjunto vacío.
7. A es abierto y fronterizo entonces A es igual a φ.
8. A es nada denso entonces Å es igual a φ.
9. Si A⊂ B y B es fronterizo o nada denso, entonces A es fronterizo o nada
denso respectivamente.

Teorema.-Si A es un conjunto abierto o cerrado en un espacio (E,d) entonces β(A)

es nada denso.

Teorema.- Para todo conjunto A en un espacio (E,d) , β(A) es fronterizo.

Teorema.- Si A1,A2,A3,.....,An son conjuntos nada densos en un espacio métrico

(E,d) entonces la sumatoria de todos estos espacios es nada denso.

Lema.- A y B son conjuntos en un espacio métrico (E,d) tales que B es nada

denso y A-B es fronterizo entonces A es fronterizo.

Teorema de Heine-Borel.- Todo conjunto cerrado y acotado en ℜn es compacto.

Teorema de Bolzano-Weirestrass.- Todo conjunto infinito y acotado en ℜn

admite algún punto de acumulación.

Teorema de Cantor.- Definiremos primero lo que es “Propiedad de Cantor”, y se

define como sigue:
Una familia contable de conjuntos {A1,A2,A3,...}, cada uno cerrado y no vacío para
todo número n que pertenezca a los naturales:

An+1⊂ An e inf{δ(An)}=0.
Tiene intercepción no vacía.

Teorema de Cantor.- Un espacio es completo si y solo si posee la propiedad de

Cantor.

Conjunto Magro.- Se dice que un conjunto en un espacio métrico (E,d) es magro

( o de primera categoría ), si es la unión en una familia contable de conjuntos nada
densos.
Nota: Un conjunto que no es magro suele llamarse de segunda categoría.

Teorema (Baire).- Todo conjunto magro en un espacio métrico completo es

fronterizo.

Conjuntos Conexos.

Sea un conjunto A no vacío en un espacio métrico, dados los conjuntos S y T. S y

T son una disconexión de A P(A = S U T) si son no vacíos, abiertos y disjuntos.
Si un conjunto admite disconexión se le llama “Disconexo”.

Los conjuntos conexos al igual que los conjuntos abiertos y cerrados tienen varias
propiedades y teoremas los cuales haremos mención a continuación.

Se dice que un conjunto no vacío A, de un espacio normado U, es convexo sí

∀(x,y)∈A:[x,y]⊂A

Intuitivamente como lo interpretamos, un conjunto convexo debe ser de “una sola

pieza2 y además “abombado”, es decir no tiene hundimientos.
Obs.- Un conjunto constituido por un solo punto es obviamente convexo ya que
[x,x]={x}.

Teniendo en cuenta que un segmento es un arco, observamos de inmediato que

todo conjunto convexo es arco-conexo y por lo tanto conexo.

Nota: Tenemos que la conectividad, arco conectividad y convexidad son

propiedades equivalentes en la recta real y los únicos conjuntos que las poseen
son los intervalos.

Teorema de Cantor.- Sea E un espacio métrico, se dice que E posee la

propiedad de Cantor, si toda familia contable de conjuntos {E0,E1,......,En}, cada
uno cerrado y no vacío, y además para todo número “n” que pertenece a Ν se
cumple que:

En+1⊂En
Inf{δ(En)}=0
Teorema.- Un espacio métrico es completo si y solo si posee la propiedad de
Cantor.

Nota: Un conjunto A en un espacio métrico es “magro2 (también llamado de

primera categoría), si es la unión en una familia contable de conjuntos nada
densos. Un conjunto que no es magro suele llamarse de segunda categoría.

Teorema(Baire).- Todo conjunto magro en un espacio métrico completo es

fronterizo.

Corolario 1: Si el espacio (E,d) es completo, entonces E es de segunda categoría

(no es magro).
Corolario 2: Todo conjunto abierto y no vacío, en un espacio completo es de
segunda categoría.
Corolario 3: Si e es completo y E=UAn, entonces An≠0 para algún n∈Ν.
Corolario 4: Si {A1,A2,....} es una familia contable de conjuntos nada densos en un
espacio completo e, entonces: E-UAn≠0.
Corolario 5: Si {B1,B2,.....}es una familia contable de conjuntos abiertos y densos
en un espacio completo e, entonces ∩Bn es denso.

Teorema.- Un conjunto perfecto A en un espacio E, tal que el sub-espacio A es

completo, no es contable.

Conjuntos compactos y separables.

Una familia u de sub-conjuntos de S, decimos que es un cubrimiento de A, si y

solo si A esta contenido en la unión de la familia U. Un cubrimiento consiste de un
número contable de conjuntos ( llamamos a esto un cubrimiento contable) que
cubren a un conjunto de A.
Un espacio de un conjunto A se llama abierto si consiste solo de conjuntos
abiertos para “cubrirlo”.
Un espacio métrico S se llama separable si y solo si cumple las siguientes
propiedades:

1) Este es un conjunto contable y denso en S.

2) Cualquier cubrimiento de S y un sub-cubrimiento contable.
3) Este es una base contable para un conjunto abierto S.

Un espacio métrico S es llamado secuencialmente compacto si y solo si para

cualquier secuencia en S esta tiende a un punto en S.
Observación.- Un espacio métrico secuencialmente compacto es separable.

Un espacio métrico S es llamado bicompacto si y solo si cualquier familia de

conjunto cerrados ( con una intercepción finita) tiene intercepción no vacía.

Daremos algunas otras definiciones y teoremas que se cumplen en dichos

conjuntos ( de un espacio métrico S ).

a) Un sub-conjunto cerrado de un espacio compacto es compacto.

b) Dada una función f:S-T continua y dada A ⊆S ( A es compacto)
entonces F(A) es compacto.
c) Dada f: S-T continua. Considerando un conjunto B ⊆T entonces:

1) SI B es abierto, entonces f-1(B) es abierto.

2) Si B es cerrado, entonces f-1(B) es cerrado.

Conjunto de Cantor.- A veces también llamado polvo de Cantor, se genera de la

siguiente manera:

1) Se toma un segmento de longitud 1.

2) Se divide en tres partes iguales y se elimina el segmento central.
3) Se repite el paso 2) con cada segmento restante un número “n” de
veces.

Estudiaremos con determinados este fractal, partimos de un segmento de

magnitud 1, con la primera iteración obtenemos 2 segmentos de longitud 1/3, con
la segunda tenemos 4 segmentos de longitud (1/3)2, con la n-esima iteración
llegaría a tener 2n segmentos de longitud (1/3)n.

D=log2/log3=0.630929
Lim (2/3)n=0

Observación.- S=1>dimHF H(F)=0

Representación en la recta L=1.-

Cada punto que pertenezca al conjunto de Cantor tendrá la siguientes forma:

2k/3n : (1/9,2/9,1/3,2/3,7/9,8/9,....)
En el sistema de base 3 un tercio se escribe: 0.1 = 0.022222222.. ; dos tercios se
escriben 0.2; podemos hacer una pequeña tabla con dichos valores:

Base 10 Base 3

1/3 0.02222222
2/3 0.2000000
1/9 0.00222
2/9 0.0200

Dado que constantemente encontramos puntos en la recta que pertenezcan al

conjunto de Cantor que aumentan su denominador en un factor de 3, y los
números que resultan impares pueden separarse como la suma de dos números (
fracciones) de la forma:

(2k+1)/3k=1/3n+2/3m ;k=n+m.

Como consecuencia de esto solo encontrará representaciones que contengan 0 o

2 en el sistema de base 3 de todos los puntos que pertenezcan al conjunto de
Cantor.

Observación.- El conjunto de Cantor en un conjunto Denso.

 Dimensión Fractal.

El calculo de la dimensión fractal para diversas figuras puede hacerse si se tienen

claras ciertas nociones e ideas de lo que es geometría y teoría de conjuntos.
Por ejemplo deduzcamos una sencilla pero útil ecuación, esta nos servirá para
calcular la dimensión de ciertas figuras.
Dado un segmento de longitud L al que dividiremos en N partes iguales, entonces
tomaremos una razón r= 1/N; ahora bien si tenemos una figura de área A ( un
cuadrado de lado l por ejemplo ) y deseamos dividirla en N partes de igual área
tomaremos una razón r= 1/ N1/2 , si es un cubo la razón será r= 1/ N1/3 y así
sucesivamente.

Generalizando: r = 1/ N1/d ..........................(a)

log N
D= .......................(b)
log(1 / r )

Cuando estudiamos figuras fractales observamos en ellas ciertas propiedades que

las hacen diferentes a las figuras que estamos acostumbrados a ver o estudiar
hasta ahora ( triángulos, cubos, cilindros, etc. ).
Utilizando la ecuación (b) y algunos ejemplos sumamente sencillos encontraremos
las principales características de un fractal.

Ejemplo: La Curva de Von Koch.-

Definidas por Von Koch en 1904, estas curvas se forman a partir de un segmento,
por la sustitución de su tercio central por dos segmentos de longitud también un
tercio, pero formando ángulos de 60º. Proceso que se repite recursivamente en
cada segmento de las figuras que progresivamente se van obteniendo. Por tanto
la poligonal de nivel 1 es un segmento:

Para NIVEL=1

Para NIVEL=2

Para NIVEL=3

Continuaremos repitiendo dicho proceso varias veces más hasta que dicho
proceso ya no pueda ser percibido por el ojo humano.
¿Cuál es la longitud final de la Curva de Von Koch?

Rpta: Al inicio del proceso la longitud inicial la llamaremos Lo luego de eliminar el

segmento central tendremos que la longitud es 4/3 Lo si continuamos “n” veces
más la longitud en el n-ésimo paso será:

Lf = ∑ (4/3 )nLo , el límite cuando n sea muy grande de dicha sumatoria será ∞.

Dicha figura esta limitada por una cierta área sin embargo posee un perímetro
infinito.
Entonces
¿En qué dimensión se encuentra dicha figura?

De acuerdo a la formula antes mencionada:

D=log 4/log 3=1.2618 (aproximadamente)

1<D≈1.2618<2

Superficies fractales.
No solo pueden construirse fractales a partir de segmentos sino también con
superficies por ejemplo:
Un triangulo equilátero de área Ao, ahora con r = ½ ubiquemos los puntos medios
de cada lado y con un segmento de lado de longitud y con un segmento de lado
de longitud igual a la mitad del lado del triangulo original construyamos 3
triángulos equiláteros más y ubiquémoslos de tal forma que formen un tetraedro.
La nueva figura tendrá 6 caras de tamaño (área) Ao/4 y r =1/2 .
A2 = (6/4)A1=(6/4)2Ao
An=(6/4)nAo

Lim An = ∞
n ->∞

D= log 6 /log 2= 2.58 ;2 < D < 3.

Observación .- Existen algunas figuras fractales que poseen dimensión entera

como por ejemplo: La curva de Peano.

¿ Cómo se genera la curva de Peano ?

Rpta: Tomemos un segmento de magnitud L, luego con r = 1/3 construyamos 6
segmentos de longitud L/3 y disponiendo los 6 nuevos segmentos de la siguiente
forma:

Para N=1

Para N=2

Y así sucesivamente.

Lf= lim 3n L0=∞

log 9
D= =2
log 3

1<D=2

Si los ejemplos han sido bien comprendidos se podrá estudiar los fractales con
mayor detenimiento y con un análisis mucho más profundo.

¿Qué ocurrirá si con un microscopio apreciamos hasta el mas pequeño detalle del
copo de nieve de Van Koch? ¿Qué observaríamos?

Rpta: La maravilla que se nos revelaría seria el poder “comprobar” una de las más
importantes propiedades que tiene todo fractal, la propiedad de autosimilaridad.
Cada vez que tomemos una pequeña porción y le aumentamos observaremos la
figura original.

Dimensión de Hausdorff.
Dado un conjunto F ! Rn y un numero “s” no negativo, para cualquier " se define:

s
δ (F)= inf { ∑ Ui s /{Ui} sea un δ- cubrimiento de F}
s s
Y definimos (F) como el límite de δ (F) cuando δ tiende a cero.

Nota.- Para dicho limite se tiene que: 0< Ui ≤ δ.

El calculo de la dimensión de un fractal puede ser sencillo usando la formula (b)

pero es posible encontrar casos en los que no es tan sencillo calcular dicha
dimensión. Para esto es que definimos lo que es “Dimensión de Haussdorf”, pero
hay que tener en cuenta ciertas cosas como por ejemplo: Diámetro de un
conjunto, conjuntos compactos y cubrimientos de un conjunto.

¿Cómo se define el diámetro de un conjunto?

Rpta: Dado un conjunto U (no vació) que pertenece al espacio Rn, el diámetro de
U se define como:

U ={ sup x-y / x,y ∈ U }

En palabras sencillas es la mayor “distancia” entre dos puntos de un conjunto que

están contenidos en U.

¿Qué es un conjunto compacto?

Rpta: Un conjunto de Rn se llama conjunto compacto en Rn si cumple que en un

conjunto cerrado y acotado. Por ejemplo, el triangulo inicial de Sierpinski es
acotado por sus lados y es cerrado pues la figura incluye sus lados (frontera).
Cubrimiento de un conjunto .- Esta idea se basa en el hecho de poder, mediante
discos de radio ", cubrir una cierta curva C o usar esferas de radio " para abrir un
plano P, etc.

En general podemos decir que para un conjunto F podemos hallar un conjunto de

discos abiertos o esferas abiertas A = {D1 , D2 , ...., Dn} ; Di : diámetros de
manera que podamos abrir completamente a F.

Como hemos visto en las figuras anteriores una curva es cubierta por pequeños
discos, enfoquemos ahora nuestra atención en el máximo numero de discos que
pueden cubrir una curva C o una superficie plana, etc. teniendo en cuenta que
tengan intercepciones no vacías. Dicho numero será el orden del cubrimiento.

Ejemplo:
En el extremo A de ξ el orden del cubrimiento es 2, en B es 3 y en C es 4.

Observación.- Si U y V son dos cubrimientos de un Espacio Métrico F , decimos

que V es un refinamiento de U si y solo si para todo v ∈ V existe un u ∈ U con vi ∈
u i.

Ejemplo: Un sub-cubrimiento de U es un refinamiento de U.

Con las ideas ya explicadas profundizaremos un poco mas. Llamamos D a la
dimensión en la que se encuentra una figura fractal, ahora bien a este valor lo
llamaremos dimensión de Hausdorf , el cual denotaremos como dimHF.
Dicho valor dimHF nos da un valor en el cual se aprecia un “salto” ( de ∞ a 0 ), por
esto lo llamaremos “valor crítico”.

s s
dimHF = { inf { s / (F) =0} = sup{ s / (F) = ∞} }
s
(F) = ∞ , si s < dimHF.
s
(F) = 0 , si s > dimHF.

Explicaremos esto último de forma sencilla. Con el Copo de Nieve de Von Koch (
es otro nombre de la Curva de Von Koch ), el segmento de recta original esta en
D=1, calculamos que la D(copo nieve) = DimHF= 1.262 ( aproximadamente ).En lugar
de escribir s.

S=1< dimHF=1.262
s
Entonces (F) = ∞; Lf en el límite será ∞.
¿Qué ocurriría si s=dimHF ?
Rpta: Tendríamos que 0 < s(F) <∞ y nada mas diremos por ahora.

Cubrimientos y Dimensión.

• Dados los conjuntos E y F (E⊆F): s(E) ⊆ s(F).

• Dado un conjunto U no vacío, tenemos que : s(U) =0.

Si tenemos un conjunto F, podemos hacer: F= U Fi

F=F1UF2UF3UF4=F*1UF*2
s
(U Fi) = ∑ s(Fi)

Dado un conjunto F (⊂ n ) y un λ>0, entonces:

s
( λF)=λs s( F) donde λF = { λx/ x ∈ F}

Visualización:

Convergencia.

Definición.- Una sucesión es una familia cuyo dominio es el conjunto de los

números naturales enteros positivos).
Si denotamos la función por ƒ, su valor para “n2 es ƒ(N). La sucesión ƒ es el
conjunto
{(n, ƒ(n)/ N=1,2,3,...} ⇒ {1,1/2,1/3,1/4,1/5,.......}
También se escribe {an} para representar la sucesión cuya ordenada
correspondiente a la abcisa X=n es y=an.

Límite de una Sucesión.- Una sucesión {(n,an)} puede tener distinto valor an
para cada valor diferente de “n”; pero sucede a veces que los distintos valores an
tienden a agruparse en torno a cierto número L, cuando existe un número L con la
propiedad de que:
L- an es arbitrariamente pequeño para todos los valores suficientemente
grandes del índice “n”, se dice que an converge hacia el límite L.
Si no existe dicho límite se dice que la sucesión diverge.

Serie.- Una forma muy importante de originar una sucesión {Sn} es por adición.
Supongamos que tenemos los números a1,a2,...an y hagamos que:
S1=a1
S2=a1+a2
.
.
.
Sn=a1+a2+…..+an

Cuando n crece infinitamente, surge la necesidad de considerar el símbolo Sn ,la

expresión recibe el nombre de Serie, y la sucesión {Sn}, se denomina sucesión de
sumas parciales de la serie. La n-esima suma parcial de la serie es Sn.
Si Sn converge hacia un límite S cuando n→∞, diremos que la serie converge y
que su suma es S.

Teorema.- Una condición necesaria para la convergencia de la serie

a1+a2+………..+an+…….
Lim n→∞Sn=0

Definición.- Una serie de la forma Sn= a + ar + ar2 + ..................+ arn+..... recibe

el nombre de serie geométrica, debido a que el cociente de un término con el
anterior al mismo tiene el valor de r. Es fácil ver que la suma Sn ( si r ≠ 1 ) resulta
ser:

a (1 − r n )
Sn=
1− r
Daremos a continuación otros teoremas y definiciones acerca de lo que es
convergencia de series para poder con esta base pasar a estudiar el conjunto de
Mandelbrot y el conjunto de Julia.

Teorema.- Sean S1, S2,...... una sucesión monótona creciente de números reales.
En tal caso, solo pueden presentarse dos casos:

1) Existe una constante M tal que todos los términos de la sucesión son
menores o iguales a M, en este caso la sucesión tiene límite finito L, menor
o igual que M.
2) La sucesión diverge hacia más infinito; es decir, existen términos en la
sucesión {Sn} mayores que cualquier número prefijado, por grande que este
sea.

Teorema.- Si cada término de la serie de términos positivos es menor que el

correspondiente de una serie convergente entonces se dice que dicha serie es
convergente..
Pero si cada término de la serie dada es mayor que el correspondiente de una
serie divergente.

Teorema de Taylor.- Sea ƒ una función que, junto con sus n+1 primeras
derivadas, es continua en un intervalo que contiene los puntos a y x. En tales
hipótesis, el valor de la función en x está dado por:

ƒ(x)= ƒ(a)+ ƒ1(a)(x-a)+......+ ƒ(n)(a)(x-a)n/n!+Rn(x-a)

Rn/(x,a)=∫[(x-a)n/n!]ƒ(n+1)(t)dt

La serie converge hacia ƒ(x) siempre que:

Lim Rn(x,a)=0

Convergencia de la Series de Potencias.-

Convergencia Absoluta.-

Definición.- Una serie ∑Uk se llama absolutamente convergente si converge la

serie formada con los valores absolutos de los términos.

∑Uk= U1+U2+...........
Teorema.- Si una serie converge absolutamente, también converge la serie sin
valores absolutos.

Teorema.- Si la serie ∑Uk converge entonces Lim Un=0

Teorema.- dada una serie Uk y un número ρ>0 tal que:

ρ= Lim Un+1/Un

Tenemos los siguientes casos:

1) ρ<1, entonces la serie converge absolutamente.

2) ρ>1, entonces la serie diverge.
3) ρ=1, entonces la serie puede ser convergente o divergente.

Teorema.- Si una serie de potencias ∑akxk es convergente para x=c (c≠0),

converge absolutamente para todo x < c .Si la serie es divergente para x=d,
diverge para todo
x < d .

Serie de Términos Complejos.- Sabemos que z=x+iy, es una representación

del complejo z en función de x (parte real) e y (parte imaginaria).

Convergencia.- Diremos que una serie converge en el punto Z si la sucesión de

sumas parciales ∑akxk tiene limite cuando n tiende a infinito. Si separamos Sn en
sus partes real e imaginaria, resulta que:
Sn= u+iv, u=un(x,y)
v=vn(x,y)

La ecuación converge absolutamente cuando sea convergente la correspondiente

serie de los módulos :

∑akxk 

Teorema.- La serie Sn = un+ivn es convergente si un y vn son ambas

convergentes.
Existen muchos otros teoremas más acerca de lo que es convergencia en series
(reales y complejas), ahora estudiaremos la convergencia en espacios métricos.
Convergencia uniforme en general.- Dados dos espacios métricos A y B
(ambas no vacíos ) y dada la función ƒ tal que ƒ: A→B, tenemos una secuencia ƒn
que va de A a B, la secuencia ƒn converge uniformemente ( en A ) a la función ƒ si
y solo si para algún ∈>o, existe un número N∈Ν para algún a ∈ A y para n≥N
escribimos:

ρ(ƒn(a),ƒ(a))<∈

Podemos escribir ρ(ƒ(a),g(a))<r para toda a ∈a

ρu(ƒ,g)<r
ρu(ƒ,g)=sup{ ρ(ƒ(∝),g(∝)) / ∝ ∈ a}

Teorema.- dado un espacio métrico A y dado un espacio métrico B, entonces ρu

es un espacio métrico en ξ(A,B).
También es posible verificar lo siguiente:
ρ(ƒ(∝),h(∝))<ρ(ƒ(a),g(a))+ρ(g(a),h(a))<ρu(f,g)+ ρu(g,h)

Espacios Normados.

Un espacio normado completo (métrico) se denomina de Banach y uno euclídeo

completo espacio de Hilbert. Si el espacio normado ( o euclideo ) es el constituido
únicamente por el vecdtor nulo decimos que es trivial.

Lema.- Si xn,,yn son sucesiones en el espacio normado H de manera que xn→x,

yn→y y dados ∝,β ∈ R entonces ∝xn+βyn→ ∝x+βy.

Teorema.- Si S es un sub espacio de H, entonces su clausura es también un

sub espacio.

Teorema.- Todo sub espacio que no sea igual a H es un conjunto fronterizo.

A continuación daremos algunos otros lemas más que se demuestran con el lema
anteriormente mencionado.

Lema.- Si a es un conjunto convexo, en un espacio normado H, entonces su

interior Å y su clausura Ā son convexos.
Lema.- Toda esfera abierta o cerrada, de un espacio normado H, es un conjunto
convexo.

Teorema.- Todo espacio normado es conexo, arco conexo, localmente conexo y

localmente arco conexo.

Teorema.- H es un espacio normado y (E,d) es métrico. Sea la función

ƒ:A⊂H→E,donde A es conexo. Entonces ƒ es uniformemente continua en A si y
solo si a cada ∈>0 corresponde en α>0 tal que:

∀ x,y ∈A / d(ƒ(x),ƒ(y))<α x-y  + ∈.

Teorema.- En un espacio H, todo conjunto abierto y arco conexo es policonexo.

Transformaciones Lineales.

Definición.- Se llama álgebra sobre un campo Γ a un espacio vectorial Α al cual

esta asociado una aplicación bilineal:

M=Α*Α→Α (La cual se denomina producto)

Dados x e y que pertenecen al conjunto Α (no vaco), el vector m(x,y) que también
pertenece a Α, llamamos producto de “x por y” y se representa por xy.
Si encontramos que se cumple:
x(yz)=(xy)z, x,y,z∈ Α

Se dice que es una álgebra asociativa.

Elemento Unidad.- Si existe en Α un elemento, por ejemplo “e”, de manera que se

satisface:
xe=ex=x,
para todo x que pertenezca a Α, entonces “e” es el elemento unidad.
Dados los espacios vectoriales U y V sobre un cierto campo Γ, una aplicación
T:U→V es una transformación lineal u homomorfismo de U en V si se cumplen las
siguientes condiciones:

a) T(U1+U2)=T(U1)+T(U2); ∀ U1,U2 ∈ U
b) T(αU1)= αT(U1); ∀ α,U1 ∈ U
c) T(α1U1+ α2U2)= α1T(U1)+ α2T(U2); ∀ α1, α2,U1,U2 ∈ U

Nota.- El conjunto de todas las transformaciones lineales de U en V es un espacio

vectorial respecto de las operaciones de adición y de producto por un escalar
definidas por:

a) (T1+T2)(x)=T1(x)+T2(x)
b) (αT)(x)=αT(x) ,para todo x ∈ U y α∈ Γ.

Este espacio se puede designar mediante (U,V) o bien Hom(U,V)

Nota.- Las transformaciones lineales inyectivas se llaman transformaciones

regulares; las biyectivas se llaman isomorfismos. Si existe un isomorfismo de U
sobre V se dice que dichos espacios son isomorfos.
Las transformaciones lineales de un espacio U en sí mismos se llaman
“endomorfismos”, y el espacio vectorial de los endomorfismos de U se designa por
(U).
Las transformaciones lineales biyectivas sobre U se llaman automorfismos.

Nota.- Las transformaciones lineales de U en Γ se llaman funciones o formas

lineales y el espacio de las funciones lineales definidas en U se designa por:
(U).

Núcleo e Imagen de una Transformación Lineal.

A continuación daremos al lector solo una explicación sencilla y directa, además

de algunos teoremas que mas adelante se necesitaran, pero esto es mas que
suficiente ya que no se necesita profundizar demasiado en esta parte.
Se llama núcleo de una transformación lineal T:U→V y se designa por Ker T al
subespacio de U: Ker T={u ∈U/ T(u)=0}

Teorema.- Una transformación lineal es regular si y solo si Ker T={0}, es decir si

su núcleo se reduce al vector nulo.

Teorema.- Cada transformación lineal regular T:U→V aplica a los vectores de un

sistema linealmente independiente en vectores de un sistema linealmente.

Se llama imagen de la transformación T:U→V, y se designa mediante Im T al

subespacio de V:

Im V=T(u)={v∈V/ ∃u∈U, T(u)=v}

El cual constituye un subespacio como puede ser fácilmente comprobado.

Nota.- Cuando Im T=V entonces es una transformación lineal de U sobre V o sea

una sobreyeccion, se dice también epiyeccion o suryeccion).

Composición de Transformaciones Lineales. Transformaciones

Lineales Inversas.

Si S :U→V y T: V→W son dos transformaciones lineales, se comprueba

inmediatamente que la transformación compuesta

T○ S: U→W, definida por :

(T○ S)(u)=T[S(u)], ∀ u∈ U

En adelante la transformación lineal T○ S se representará simplemente por TS.

Obs.- Se podrán definir las potencias de una transformación lineal T:

 T2 =TT, T3 =TTT , etc.

Nota.- La transformación Iu:U→U /T(u)=u; ∀ u∈U se llama transformación idéntica

de U, y es evidentemente lineal.

Transformación Inversa.- Se dice que la transformación lineal T-1 :V→U es

inversa de T si se cumplen las relaciones:

TT-1 =Iv y T-1T=Iu

Según vimos el conjunto (U,V) de las transformaciones lineales de U en V admite

una estructura de espacio vectorial.
En (V) es posible introducir una nueva ley de composición interna, a saber el
producto de endomorfismos.
Sean U,V,W tres espacios vectoriales y T1 :U→V, T2 :V→W ambas
transformaciones lineales, entonces T2T1 es la transformación lineal de U en W/
(T2T1)x=T2(T1x), x∈U

Obs.- Sean T1 :U→V, T2 :V→W , T3:W→Z entonces:

a) T3(T2T1)=(T3T2)T1
b) (αT1+βT2)T3=αT1 T3 + βT2 T3

Teorema.- Una transformación lineal T: U→V es continua en un punto de U,

entonces es uniformemente continua.

Teorema.- Una transformación lineal T: U→ V es continua si y solo si existe un

número real M>0 tal que para todo u ∈ U se cumple T(U) ≤ M U .

Teorema.- Una transformación lineal T: U→ V es continua si y solo si para todo

conjunto acotado A de U, T(A) es acotado.

Teorema.- Si T: U→ V es una transformación lineal sobreyectiva ( no

necesariamente continua ), entonces T es no singular y T-1 es continua si y solo si
existe un número m>0 tal que para todo u ∈ U / m u ≤ T(U) .

Ahora haremos una pequeña introducción a una nueva teoría que explicaremos
mas adelante.
Consideremos dos espacios normados U y V y formemos el producto cartesiano
U*V de ambos conjuntos. Definimos U*V como un espacio normado que depende
de las estructuras de U y V.
Las funciones f1 : U*V→ U, f2: U*V→ V, que reciben nombre de proyecciones
canónicas, se definen de la siguiente manera, para todo (x,y)∈ U*V / f1 (x,y)= x, f2
(x,y)=y.

Obs.- Ambas son transformaciones lineales sobreyectivas, aunque no inyectivas

en general. Por otra parte:
fi(x,y)≤ (x,y) ; I=1,2

Lo cual implica la continuidad de las dos proyecciones canónicas en virtud de:

∀u ∈ U / T u ≤ MU 

Teorema.- Dos espacios normados U y Vson isótopos si y solo si existe una

transformación lineal sobreyectiva T:U→ V y números reales m,M>0 tales que:
∀u ∈ U / mu≤T (x) ≤ MU 

Nota: Topologicamente isomorfos es equivalente a decir que son isótopos.

Lema.- Sean (E,d) un espacio métrico y U normado.

Si f: A⊂E→ U es continua en A, entonces la función f: A⊂E→ ℜ/ ∀a∈A:
f (x)=f(x)

Teorema.- Dos espacios normados de una misma dimensión finita son isótopos.

Teorema.- Todo espacio normado de dimensión finita es de Banach (completo).

Teorema.- Si T: U→V es una transformación lineal y U es de dimensión finita,

entonces T es continua.

Teorema.- Todo conjunto acotado de un espacio normado de dimensión finita es

precompacto.

Espacios Métricos.

Se define un espacio métrico con un conjunto S no vacío, con una función ρ que
va de 0 a ∞. ρ: S*S→ [0, ∞>. Dicha función ρ debe satisfacer las siguientes tres
propiedades:

1) ρ(x,y)=0 ⇔ x=y.
2) ρ(x,y)= ρ(y,x).
3) ρ(x,y)+ ρ(y,z)≥ ρ(x,z)
Obs.- La 3ra propiedad es la llamada desigualdad triangular, en la geometría
euclideana, un triangulo ( si dicho triangulo existe 9 la suma de dos de sus lados
es mayor que el tercer lado.
Si hablamos de vectores ( en Rn ) podemos escribir: x=(x1,x2,...,xn)
y=(y1,y2,...,yn)

Sea a una constante positiva (a ∈ R )⇒ tenemos las siguientes operaciones:

a) ax=(ax1,ax2,….axn).
b) x+y=(x1+y1,x2+y2,.......,xn+yn).
c) x2=(x12+x22+........+xn2).
d) x=0 si y solo si xi=0.

Dimensión fractal .

Según la geometría clásica, los objetos pueden tener una dimensión (líneas), dos
(superficies) o tres (cuerpos). A este tipo de medida se le llama dimensión
euclidiana. Tal y como se trata de explicar en el cuadro adjunto, la medida de la
dimensión de un objeto, utilizando una definición de dimensión más moderna
(dimensión homotética o fractal), no es necesariamente un número entero.
Benoit Mandelbrot, plantea, en uno de sus numerosos artículos sobre geometría
fractal, una aparentemente sencilla pregunta: «¿Cuánto mide la costa de Gran
Bretaña?». Todo depende de aquello que desechamos en la medición, porque al ir
contando cada vez con más precisión, debemos añadir
el contorno de bahías, rocas, granos de arena, y así hasta niveles subatómicos.
Esto nos va a ocurrir en toda medición, y como no tenemos a mano la costa de
Gran Bretaña, podríamos experimentar con cualquier cosa.
Conforme más rugoso sea el objeto, más rápidamente crece la estimación de su
longitud. Las líneas son objetos de dimensión euclidiana 1, pero, salvo que sean
perfectas, tendrán una dimensión fractal mayor que 1, e incluso algunas pueden
llegar 2. Se ha estimado la dimensión fractal de la costa
de Gran Bretaña en 1,2. Es, por tanto, más fractal que una circunferencia, pero
menos fractal que otras curvas, como la definida por el propio Benoit Mandelbrot.
Definición de dimensión fractal.
Entre el segmento (A) de dimensión 1 y el cuadrado (C) de dimensión 2, se
encuentra la curva de Koch (B), con dimensión aproximada 1,26.

Auto-simetría y dimensión.

Podemos tener un fractal ( ej. La chinche de Maldelbrot ) y toma una parte de la

misma y hacerle un zoom, veremos que la parte tomada se parecerá mucho al
original, podemos hacer este zoom “n” veces y se seguirá presentando este
fenómeno. Podemos decir que esta es un importante propiedad de las figuras
fractales.
Para comprender como se halla la dimensión de una figura fractal tenemos que
explicar lo siguiente:
Si deseamos dividir un segmento en N partes de igual longitud se toma una razón
r=1/N.
Ahora para dividir un área en N partes de igual área ( se toma un cuadrado por
comodidad ),
Esta vez tomaremos una razón de valor r=1/ N , si es un objeto tri-dimensional
(por ejemplo un cubo)
La razón será ahora de r=1/ 3 N , podemos realizar el mismo procedimiento para
objetos en dimensión D y hallar su respectiva razón r de esta manera hemos
encontrado nuestra primera ecuación ( que bonito no) :

D
N N1/D *r=1 ..................(1)

Despejando de (1) el valor de D tenemos:

 log( N )
D= .................(2)
log(1 / r )

Sistemas de funciones iterativas(I.F.S.).

El desarrollo de los sistemas de funciones iterativas es una útil herramienta para la

producción de imágenes tales como nubes, humos, hojas, etc. Contamos con dos
modelos para aplicar esto en el modelado de imágenes.
Tenemos dos herramientas para esto el Teorema de Collage y La iteración
algorítmica al azar.
El Teorema de Collage provee un significado para la iteración en el modelado de
una figura bi-dimensional por ejemplo una aproximación poligonal al límite de una
hoja. El rendimiento de esta técnica depende de la habilidad del usuario para
resolver o simplificar un problema geométrico por medio de esta técnica.
El segundo se basa en una extensión de la teoría matemática de I.F.S., lo cual
nos permite realizar transformaciones por medio de una iteración al azar para un
determinado objeto geométrico junto con los valores dados. A pesar de la iteración
aleatoria la única imagen final es obtenida una vez en la ventana, con una muy
buena resolución y con los colores previamente ingresados como una información
fija.
Una ventaja importante es el hecho de que esta cuenta con una gran resolución y
nitidez, sin importar el tamaño o color de las figuras fractales.

Vamos a basarnos en el modelo de la fórmula Parser, presente en los dos

programas líderes de generación de fractales, Fractint y Ultra-Fractal. Por el
momento, el traductor de fórmula de Fractint tiene más limitaciones (tanto
Cuantitativas como cualitativas) que el de Ultra Fractal, pero es de suponer que
esta situación cambie en posteriores versiones. Mientras tanto nos basaremos en
el modelo de Fractint, pero también haremos alguna alusión a las ventajas de Ultra
Fractal.
Iterando hasta el infinito.

Una sucesión se define algebraicamente mediante una expresión del tipo:

x(n+1)= f(x(n)) es decir; se puede calcular el siguiente término de la sucesión,
x(n+1), a partir del anterior x(n), mediante algún tipo de operación matemática
f(x(n)). El hecho de calcular el siguiente número de una sucesión se conoce como
"iteración". Por ejemplo, fijémonos en la sucesión:
x(n+1) = 2x(n) + 2 Si arrancamos del punto de partida x(0) = 0.20, obtenemos la
siguiente sucesión de números reales: 0.20, 2.40, 6.80, 15.60, 33.20, ...,
...Mientras que si arrancamos de un valor ligeramente diferente, como 0.21,
obtenemos la sucesión parecida: 0.21, 2.42, 6.84, 15.68, 33.36, ...
¡Evidentemente es un sistema lineal!: puntos de arranque parecidos provocan una
evolución parecida, de igual forma que, al poner dos corchos juntos en el río lineal,
ambos evolucionaban juntos río abajo, sin variar excesivamente sus distancias.
Consideremos ahora, sin embargo, la siguiente sucesión que, a primera vista, es
sólo un poco más complicada que la anterior:

x(n+1) = 4x(n) - 4x(n)^2 = 4x(n) * (1-x(n))

A partir de 0.20 se genera la secuencia: 0.20, 0.64, 0.9216, 0.2890, 0.8219,

0.5854, 0.9708, 0.1133... mientras que, escogiendo como punto de partida 0.21,
se genera la siguiente inesperada retahíla: 0.21, 0.6636, 0.8929, 0.3824, 0.9447,
0.2091, 0.6614, 0.8958, ... Como puede verse, a partir de la tercera o la cuarta
iteración, las secuencias se van diferenciando cada vez más, de modo que nadie
diría, al ver los dos últimos valores, que los puntos de partida que los han
originado estaban tan próximos. ¡Es claramente un sistema caótico! Se puede
argumentar que quizás la iteración no se haya llevado lo suficientemente lejos, o
puede que los números escogidos sean casos especialmente divergentes. Sin
embargo, un estudio más exhaustivo de la ecuación anterior nos lleva a concluir
que es un sistema efectivamente caótico. El lector puede probar con los dos
puntos de partida cercanos que más rabia le den, tan cercanos como se desee;
basta con hacer unas cuantas iteraciones para convencerse de que, efectivamente
estamos ante un sistema cuya evolución es imprevisible (antes de efectuar los
cálculos, por supuesto).
Se podría pensar que la ecuación cuadrática que presenta tan extraño
comportamiento es rebuscada, que no tiene aplicación real, o que es un caso poco
frecuente entre las expresiones matemáticas. Sin embargo, la ecuación que he
escrito no es sino una forma de la conocida "curva logística", de formula general:

x(n+1) = kx(n) * (1-x(n))

Es una fórmula que viene usándose desde el siglo pasado en ecología para
representar la evolución de poblaciones aisladas, no influidas por otras
poblaciones, limitadas solamente por la escasez de alimento. La variable x(n)
puede representar, por ejemplo, la población de lagartos en una isla en un
momento determinado, mientras que x(n+1) representaría la población de lagartos
en la generación inmediatamente posterior. El parámetro k puede ajustarse para
que refleje una gran variedad de restricciones biológicas. Una vez fijado el
parámetro k y el número de individuos iniciales x(0), el destino de la población está
inexorablemente fijado. Algunos valores de x(0) conducen a una inevitable muerte
de la población, mientras que otros conducen a una población estable u oscilante,
pero que se mantiene en el tiempo. ¿Qué valores iniciales conducen a uno u otro
resultado? La respuesta es que no podemos predecirlo de un modo sencillo, ya
que valores muy próximos podrán conducir a resultados muy diferentes: ¡Si
partimos de 420 lagartos quizás la población se mantenga, mientras que si
inicialmente tenemos 421 podría ocurrir un desastre ecológico y extinguirse la
especie!