Trabajo final de grado

GRADO DE
MATEMTICAS

Facultad de Matemticas
Universidad de Barcelona

Fractales matemticos

Vanessa Atencia Toro

Director: Nuria Fagella Rabionte

Realizado en: Departament de
Matemtica Aplicada i Anlisi.
UB
Barcelona, 27 de enero de 2014
Indice
1. Introducci
on 3

2. Ejemplos de fractales geom etricos 5

2.1. El conjunto de Cantor . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.1.1. Construccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.1.2. Coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.1.3. Sistemas de funciones iteradas . . . . . . . . . . . . . . . . . . . . 8
2.2. El triangulo de Sierpinski . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2.1. Construccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2.2. Sistema de funciones iteradas . . . . . . . . . . . . . . . . . . . . 11
2.3. La curva de Koch . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.4. Otros fractales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.4.1. Curva del dragon . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.4.2. Fudgeflake . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.4.3. Sierpinski dragon . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.5. Conjunto de Julia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

3. Teorema del Collage y su demostraci on 18

3.1. Espacio metrico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3.1.1. Bolas abiertas y cerradas . . . . . . . . . . . . . . . . . . . . . . . 22
3.2. Estructuras metricas y el Teorema del punto fijo . . . . . . . . . . . . . . 24
3.2.1. Funciones en espacios metricos . . . . . . . . . . . . . . . . . . . . 25
3.2.2. Sucesion en un espacio metrico . . . . . . . . . . . . . . . . . . . 26
3.2.3. Convergencia uniforme . . . . . . . . . . . . . . . . . . . . . . . . 28
3.2.4. Teorema del punto fijo de Banach . . . . . . . . . . . . . . . . . . 29
3.3. Espacio H(S) y la metrica de Hausdorff . . . . . . . . . . . . . . . . . . . 30
3.4. Teorema del Collage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

4. Dimensi on fractal 38
4.1. Dimension topologica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4.2. Medida y dimension de Hausdorff . . . . . . . . . . . . . . . . . . . . . . 39
4.2.1. Medida de Hausdorff . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.2.2. Dimension de Hausdorff . . . . . . . . . . . . . . . . . . . . . . . 40
4.3. Dimension de Box-Counting . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.4. Relacion entre la dimension de Hausdorff y Box-Counting . . . . . . . . . 46
4.5. Aplicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50

Anexo 52

Bibliografa 54
 Fractales matematicos

1. Introducci
on
La palabra fractal deriva del latn fractus, que significa quebrado o fracturado.
Que es un fractal?, un fractal es un objeto geometrico, cuya estructura basica, frag-
mentada o irregular se repite a diferentes escalas. El termino fue propuesto por el ma-
tematico Mandelbrot en el a
no 1975.

Su definicion es reciente, pero los objetos que hoy denominamos fractales eran cono-
cidos en las matematicas desde principios del siglo XX. Las maneras mas comunes de
determinar lo que hoy denominamos dimension fractal fueron establecidas a principios
del siglo XX en el seno de la teora de la medida.

Su definicion fue un aporte muy importante en las matematicas, ya que en el siglo XIX
matematicos como Weierstrass, Koch (captulo 2.3) o Cantor (captulo 2.1) , estudiaron
objetos cuyas propiedades no se explicaban con la geometra tradicional y ademas eran
autosimiliares, es decir que su forma se realizaba a partir de copias mas peque nas de la
misma figura.
En 1872 aparecio la funcion de Weierstrass (Figura 1), cuyo grafo hoy en da con-
sideraramos fractal, como ejemplo de funcion continua pero no diferenciable en ning un
punto.

Figura 1: Funcion de Weierstrass en el intervalo [2, 2]. La funcion tiene un comporta-

miento fractal.

Posteriormente, aparecieron ejemplos con propiedades similares pero con una defini-
cion mas geometrica. Dichos ejemplos podan construirse partiendo de una figura inicial,
a la que se aplicaban una serie de construcciones geometricas sencillas. La serie de figuras
obtenidas se aproximaba a una figura lmite que corresponda al que hoy llamamos con-
junto fractal. As, en 1904, Helge von Koch definio una curva con propiedades similares
a la de Weierstrass: el copo de nieve de Koch (captulo 2.3). En 1915, Waclaw Sierpinski
construyo el triangulo de Sierpinski y, un a
no despues, la alfombra de Sierpinski (captulo
2.2).
Dichos conjuntos eran vistos como objetos artificiales, llamados monstruos, como
los denomino Poincare.
A principios del siglo XX, Poincare, Schroder, Fatou o Julia (captulo 2.5) realiza-
ron las primeras incursiones en el mundo de la iteracion (la aplicacion repetida de un
proceso o funcion) en el plano eucldeo o en el plano complejo, descubriendo situaciones
variantes en el tiempo, hoy llamados sistemas dinamicos, que se comportaban de manera

3
 Fractales matematicos

extremadamente complicada (o caotica, en terminos actuales). A su vez, dichos sistemas

dinamicos, generaban objetos geometricos con propiedades similares a la que posean los
objetos estudiados por Cantor o Koch, como la auto-similitud, es decir, similitud entre
las partes y el todo llevada al infinito. No obstante, al no disponer de ayuda de los
ordenadores modernos, dichos matematicos no pudieron ver la belleza de los fractales que
estudiaban.

Hacia el 1987 Barnsley quiso poder describir cualquier imagen como un atractor de
un sistema de funciones iteradas (a partir de ahora lo denotaremos por IFS) por motivos
de la comprension de imagenes. Ese motivo le llevo a demostrar el Teorema del Collage
(captulo 3.4) y otras versiones de este teorema mas sofisticadas. No obstante, no consi-
guio demostrar el proyecto inicial, pero desarrollo tecnicas muy avanzadas para describir
imagenes como un IFS. Posteriormente, estas tecnicas se aplicaron al mundo del cine
para crear paisajes, como puede ser el cielo o entornos monta nosos, un ejemplo de ello lo
podemos encontrar en las pelculas de Star Wars (1977 - 2005) y Star Trek (1979 - 2013),
tambien para crear piel, tela, plumas, etc, un ejemplo de ello son los personajes del Troll
o de Golum en la triloga El Se nor de los Anillos (Lord of the rings, 2001 2003).

Retomando la definicion de fractal, Mandelbrot la definio como:

on. Un fractal es un subconjunto de Rn cuya dimension de Hausdorff es

Definici
estrictamente mayor que la dimension topologica.

La dimension de Hausdorff (lo describiremos en el captulo 4.2.2) o dimension de

Hausdorff-Besicovith es una generalizacion de la dimension topologica, que permite definir
la dimension fractal como un n umero no entero. Dicha definicion de dimension fue dada
por Hausdorff hacia el 1917, aunque fue estudiada mas tarde por Besicovitch, a quien se
deben la mayora de los resultados teoricos y teoremas relacionados tanto con la medida
de Hausdorff como con la dimension fractal.
Otro metodo de calcular la dimension fractal, es a partir de Box-Counting (lo descri-
biremos en el captulo 4.3). Es un metodo sencillo para calcular dicha dimension a partir
de contabilizar cuantos cuadrados de lado r (donde r es el factor de contraccion), son ne-
cesarios para cubrir el conjunto del cual queremos calcular la dimension. Esta dimension
es una buena aproximacion de la dimension de Hausdorff.
En el captulo 2 describiremos diversos fractales muy conocidos, construyendolos por
medio de iteraciones geometricas (eliminando partes del conjunto inicial, etc) y estudiando
algunas propiedades interesantes.
El segundo captulo esta dedicado al Teorema del Collage y su demostracion, para lo
cual introduciremos previamente conceptos y resultados como espacio metrico, compac-
ticidad, completitud, Teorema del punto fijo de Banach y la metrica de Hausdorff.
Finalmente, el tercer captulo trata sobre las diferentes nociones de dimension (to-
pologica, Haudosrff, Box-Counting), estudiaremos la relacion de estas dimensiones, y
utilizaremos ejemplos de fractales geometricos del captulo 2 para calcular su dimension.
Por ultimo, veremos aplicaciones de fractales generados por IFS.

4
 Fractales matematicos

2. Ejemplos de fractales geom

etricos
En este captulo estudiaremos diferentes ejemplos de fractales geometricos, que se
obtienen a partir de un procedimiento de extraccion de piezas (segmentos, triangulos,
cuadrados, etc.), partiendo de una pieza inicial. Construiremos paso a paso los patro-
nes basicos de estructura fractal, que despues se observan en la naturaleza (a traves de
los modelos dinamicos pertinentes). En todos ellos encontraremos la definicion que he-
mos adelantado en la introduccion de un conjunto fractal y observaremos una de sus
propiedades, la autosimilitud. Todos los conjuntos que estudiaremos a continuacion son
subconjuntos de la recta real R o del plano R2
A continuacion definiremos que es un sistema de funciones iteradas, ya que dicha
definicion la utilizaremos a lo largo de todo el captulo.

Definici on 2.0.1. Sea p1 , ...pn puntos del plano y 1 , ..., n n umeros reales tales que
0 < i < 1 para i = 1, ..., n. Sea Ai(p) = i (p pi ) + pi para cada i = 1, ..., n (donde A es
una funcion afn, y en particular una contraccion de factor i de todo el plano respecto al
punto pi ). Entonces, la coleccion de funciones {A1 , ..., An } se llama sistema de funciones
iteradas o IFS.

2.1. El conjunto de Cantor

Hay diversos conjuntos que son llamados de Cantor. El conjunto de Cantor sobre
el que trabajaremos es el mas tpico y se conoce por el nombre Conjunto de Cantor o
tambien Cantor middle-thirds set.
Fue llamado conjunto de Cantor, por su descubridor Georg Cantor en 1883.

Georg Ferdinand Ludwing Philipp Cantor (San Petersburgo, 1845 - Halle, 1918) fue
un matem atico aleman, inventor con Dedekind y Frege de la teora de conjuntos,
que es la base de las matem aticas modernas. Gracias a sus atrevidas investigaciones
sobre los conjuntos infinitos fue el primero capaz de formalizar la nocion de infinito
bajo la forma de los numeros transfinitos (cardinales y ordinales). [1]

Madelbrot lo ha llamado Polvo de Cantor, este nombre nos puede dar una ligera
idea de lo que describiremos a continuacion.

2.1.1. Construcci
on
Tomamos un intervalo inicial C0 = [0, 1], este sera la iteracion inicial del conjunto de
Cantor. Para crear la siguiente iteracion utilizamos el conjunto C0 = [0, 1], lo dividimos
en tres partes iguales y eliminamos el intervalo central, por lo cual, resulta el siguiente
conjunto:

C1 = [0, 31 ] [ 23 , 1].

Para la siguiente iteracion utilizamos los dos intervalos de C1 = [0, 13 ][ 23 , 1], dividimos
cada intervalo en tres partes iguales y eliminamos el intervalo central (tal y como hemos
hecho en la iteracion anterior). Por lo tanto, obtenemos el siguiente conjunto:

C2 = [0, 19 ] [ 92 , 13 ] [ 23 , 79 ] [ 89 , 1].

5
 Fractales matematicos

Aplicando el procedimiento anterior en las siguientes iteraciones, obtenemos una su-

cesion de conjuntos C0 C1 C2 C3 ... .
Representando graficamente los conjuntos de Cantor Ci para i = 0, 1, 2, ..., es facil
ver la sucesion de conjuntos que hemos obtenido anteriormente, tal y como muestra la
siguiente figura:

Figura 2: Conjunto de Cantor

[2]

En consecuencia, el lmite del conjunto de Cantor (que lo llamaremos C), esta formado
por la interseccion de los puntos que quedan al repetir el proceso infinitas veces, tal y
como muestra la siguiente ecuacion:
\
C= Ck .
kN

Por ejemplo, cada conjunto Ck se divide en 2k intervalos disjuntos y cerrados, cada

uno de los intervalos tiene longitud ( 13 )k . Por lo tanto, el total de la longitud de Ck es la
suma de las longitudes de los intervalos, es decir ( 23 )k . En consecuencia, el lmite de la
longitud de Ck es:
2
lm ( )k = 0.
k 3

Por lo que, el conjunto de Cantor es de medida nula 1 . Esto implica, en particular,

que el conjunto de Cantor no puede contener ning
un intervalo de medida no nula.

A continuacion, analizaremos que puntos son los que construyen el conjunto de Cantor
despues de aplicar infinitas iteraciones con un caso generico.
Que puntos de un intervalo cualquiera forman el Conjunto de Cantor?
Supongamos un intervalo cerrado cualquiera [a, b], donde dicho intervalo es una de las
aproximaciones de Ck , por lo cual los extremos a y b pertenecen a futuras aproximaciones
de Cm , para m k, por lo tanto los extremos a y b pertenecen a la interseccion C.
Por otro lado, debemos tener en cuenta los puntos que se obtienen como lmite del
proceso y que por lo tanto no son extremos de los intervalos Ck .
Tomando todos los puntos finales de todos los intervalos de aproximaciones a Ck ,
obtenemos infinitos conjuntos de puntos, todos ellos pertenecientes a C.
1
Un conjunto C R es de medida nula, si para cada  > 0 existe un recubrimiento de C formado por
un n
umero finito de intervalos cerrados, tal que la suma de las longitudes de los intervalos es menor que
.

6
 Fractales matematicos

2.1.2. Coordenadas
Caracterizaremos el conjunto de Cantor con terminos de expansion en base 3.

Recordatorio: A continuacion mostraremos como se expresan n

umeros naturales, n
ume-
ros reales y algunos n
umeros racionales en base 3.

1. N
umeros naturales.
Por ejemplo 16:

Figura 3: Expansion de un n
umero natural en base 3

Por lo tanto, 16 en base 3 es:

16 = 1 30 + 2 31 + 1 32 = (121)3 .

El subndice indica en la base en la que trabajamos.

2. N
umeros reales.
Por ejemplo 0,2.

0,2 3 = 0,6 0
0,6 3 = 1,8 1
0,8 3 = 2,4 2
0,4 3 = 1,2 1
0,2 3 = 0,6 0

repetimos el proceso infinitas veces, por lo que 0.2 en base 3 es:

0,2 = (0,012101210...)3 .

3. N
umeros racionales.
a
Algunos n
umeros racionales de la forma 3k
, admiten dos expresiones distintas, por
ejemplo:

1
3
= (0,1000...)3 = (0,0222...)3 .

umero x [0, 1]
A continuacion, estudiaremos la propiedad que ha de cumplir un n
para pertenecer al conjunto de Cantor.

7
 Fractales matematicos

Proposici on 2.1.1. Sea x [0, 1]. Entonces, x pertenece al conjunto de Cantor C si y

solo si la expansion de x en base 3 no contiene 1s.
Demostracion. Sea x [0, 1], dividimos el intervalo en tres partes iguales, obteniendo los
siguientes intervalos:
C0 = [0, 31 ] [ 13 , 32 ] [ 23 , 1],
expresandolos en base 3, los 1s se encuentran en el intervalo [ 31 , 23 ] ( 31 = (0,10000....)3
2
y = (0,1222....)3 ), en consecuencia eliminamos dicho intervalo obteniendo el conjunto
3
C1 = [0, 13 ] [ 23 , 1].
Seguidamente, dividimos cada intervalo del conjunto C1 en tres partes iguales y ob-
tenemos:
C1 = [0, 19 ] [ 19 , 29 ] [ 92 , 13 ] [ 23 , 79 ] [ 79 , 98 ] [ 98 , 1],
expresandolo en base 3, los 1s se encuentran en los siguientes intervalos:
1 2 7 8
9
= (0,01)3 ; 9
= (0,02)3 ; 9
= (0,21...)3 ; 9
= (0,22)3 ,
por lo tanto, eliminaremos los intervalos [ 19 , 92 ] y [ 79 , 89 ], obteniendo el conjunto:
C2 = [0, 19 ] [ 92 ], 13 ] [ 23 ], 79 ] [ 98 ], 1]
Aplicando el proceso infinitas veces, observamos que el conjunto C esta formado por:
\
C= Ck ,
kN

que son los puntos x C.

El conjunto de Cantor es no numerable, esto se deduce observando la figura 2, junto
con el punto 3 del recordatorio de la expansion en base 3, que indica que cada n
umero
real tiene como maximo dos representaciones en base 3.

2.1.3. Sistemas de funciones iteradas

Sea r > 0 y a R. La dilatacion de R con radio r y centro a es la funcion f : R R

definida por f (x) = rx + (1 r)a.
Consideramos dos funciones de R definidas de la siguiente forma:

f1 (x) = x3 ,
f2 (x) = x+2
3
,
1
de manera que f1 tiene centro 0 y f2 tiene centro 1, y ambas tienen radio 3

Proposici on 2.1.2. El conjunto de Cantor satisface la ecuacion de autoreferencia C =

f1 [C] f2 [C].
Demostracion. Comprobaremos que C = f1 [C] f2 [C], para ello dividiremos la demos-
tracion en dos inclusiones.
Por induccion sabemos que:
Ck+1 = f1 [Ck ] f2 [Ck ] para k = 0, 1, 2, 3... .

8
 Fractales matematicos

1. C f1 [C] f2 [C].
Supongamos que x C, por lo tanto x C1 , que es equivalente a que x [0, 31 ] o
x [ 32 , 1].
Supongamos que x [ 32 , 1]. Para todo k, sabemos que x Ck+1 = f1 [Ck ] f1 [Ck ],
pero f1 [Ck ] f2 [[0, 31 ]] = [0, 13 ], por lo cual x f2 [Ck ] o 3x 2 Ck , esto es cierto
\
para todo k, por lo que 3x 2 Ck . En consecuencia, obtenemos que x f2 [C].
kN

Analogamente, demostraramos que x f1 [C].

En conclusion, x f1 [C] f2 [C] y como x C obtenemos que C f1 [C] f2 [C].

2. C f1 [C] f2 [C].
Sea x C, esto implica que x Ck para todo k. Por lo que, aplicando funciones
obtenemos que f1 (x) f1 (Ck ) Ck+1 para todo k. Por lo tanto, f1 (x) C.
Analogamente, demostraramos que f2 (x) C.
En conclusion, obtenemos que C f1 [C] f2 [C].

En efecto:
C = f1 [C] f2 [C].

Observacion. El punto 14 no es extremo de ning

un intervalo de cualquier conjunto de Ck ,
en cambio el punto 41 pertenece a C. Lo demostraremos a partir de un programa, que
podran encontrar en el anexo.
1
Observacion. La observacion anterior tambien se puede demostrar expresando 4
en base
3, tal y como vemos a continuacion:
1
4
= 0,25 3 = 0,75 0
0,75 3 = 2,25 2
0,25 3 = 0,75 0

Por lo tanto, observamos que 14 = (0,02020...)3 , no contiene 1s. Por lo que, obtenemos
que 41 es un punto del conjunto de Cantor y que no es extremo de ning un intervalo del
conjunto Ck , ya que los extremos de los intervalos del conjunto Ck terminan de la siguiente
forma 00000.... o bien 2222.... .
En conclusion el punto 41 no es de ning un intervalo del conjunto Ck , en cambio s que
pertenece al conjunto C.

2.2. El tri
angulo de Sierpinski
Waclaw Franciszek Sierpenkins (Varsovia, 1882 - Rep ublica Popular de Polonia,
1969), fue un matem atico polaco. Son notables sus aportaciones a la teora de
conjuntos , la teora de n
umeros, la topologa y la teora de funciones. Tres conocidos
fractales llevan su nombre: Tri angulo de Sierpinski, Alfombra de Sierpinski y Curva
de Sierpinski.[4]

9
 Fractales matematicos

[5] [6] [7]

(a) Tri
angulo de Sierpins- (b) Alfombra de Sierpins- (c) Curva de Sierpinski
ki ki

Figura 4: Fractales Sierpinski

2.2.1. Construcci
on
Partimos de un triangulo equilatero de lado 1 (se puede utilizar para cualquier lado)
al que llamaremos S0 .
Para crear el siguiente conjunto, representamos en el conjunto S0 un nuevo triangulo,
cuyos vertices son los puntos medios de los lados del conjunto S0 , por lo tanto obtenemos
cuatro triangulos equilateros (de tamano 21 del triangulo del conjunto S0 ) y eliminamos
el triangulo central, obteniendo el conjunto S1 .
Para crear el siguiente conjunto, en cada uno de los triangulos del conjunto S1 , re-
presentamos un nuevo triangulo, cuyos vertices son los puntos medios de los lados del
conjunto S1 , por lo tanto obtenemos en cada triangulo del conjunto S1 cuatro triangu-
los nuevos, eliminamos los triangulos centrales y obtenemos el conjunto S2 , formado por
nueve triangulos.
Aplicando el procedimiento anterior k veces, obtenemos el conjunto Sk , tal y como se
muestra en la figura: 5

Figura 5: Triangulo de Sierpinski

[8]

Aplicando el razonamiento anterior, obtenemos una sucesion de conjuntos de la forma

S0 S1 S2 S3 ..., tal que, cada nueva iteracion el conjunto Si estara incluida en
el conjunto Si1 .

En consecuencia el lmite del triangulo de Sierpinski (lo llamaremos S) esta formado

por la interseccion de los triangulos que quedan al repetir el proceso infinitas veces, tal y
como muestra la siguiente ecuacion:

10
 Fractales matematicos

\
S= Sk .
kN

Corolario 2.2.1. El area del triangulo de Sierpinski es cero.

Demostracion. Cada conjunto Sk consta de 3k triangulos, con lado 2k , por lo que el area
del conjunto Sk es:

llsin(600 )
Area(Sk) =
bh
2
= 2
= (2k )2 4
3
,
como en cada iteracion obtenemos 3k triangulos, entonces:


3k Area(S k k 2
k ) = 3 (2 )
3
.
4

En consecuencia:

k 3
k 2
lm 3 (2 ) = 0.
k 4
Por lo cual, el area del triangulo de Sierpinski es 0.

2.2.2. Sistema de funciones iteradas

El triangulo de Sierpinski se construye utilizando aproximaciones Sk .
Sea r > 0 y a R. La dilatacion de R con radio r y centro a es la funcion f : R R.
Consideremos tres funciones de R definidas por:

f1 = x2 , y2 ,

f2 = x2 + 1, y2 ,

f3 = x2 + 12 , y2 + 12 .
1
Las tres funciones tienen radio 2
y centro en los tres vertices del triangulo del conjunto
S0 .
Aplicando induccion, obtenemos:

Sk+1 = f1 [Sk ] f2 [Sk ] f3 [Sk ].

Tal y como hemos demostrado en la proposicion 2.1.2, obtenemos que:

S = f1 [S] f2 [S] f3 [S],

Dicha ecuacion de autoreferencia indica que S es el conjunto invariante del IFS

f1 , f2 , f3 .

11
 Fractales matematicos

2.3. La curva de Koch

Niels Fabian Helge von Koch (Estocolmo, 1870 - Estocolmo, 1924), fue un ma-
tematico sueco, cuyo nombre se ha asignado a una famosa curva fractal llamada
curva de Koch o copo de Koch, esta fue una de las primeras curvas fractales en ser
descrita.[9]

La curva de Koch se construye de diferentes formas, a continuacion describiremos dos

de ellas:

1. Partimos de un area rectangular con angulos 120o , 30o , 30o , llamaremos al conjunto
inicial L0 .
El siguiente conjunto, se crea dividiendo el conjunto L0 en tres triangulos mas pe-
quenos, dos triangulos con angulos 120o , 30o , 30o , con lados largos a lo largo de los
lados cortos del triangulo original y un triangulo equilatero que es el que elimina-
remos, obteniendo el conjunto L1 .
Para construir el siguiente conjunto, se divide cada triangulo de los resultantes en
la iteracion anterior en tres y eliminamos el triangulo central (tal y como hemos
hecho anteriormente), con esta operacion obtenemos cuatro triangulos, al conjunto
obtenido lo notaremos conjunto L2 .
Si nos fijamos en la silueta formada por los triangulos, observamos claramente la
curva de Koch.

Figura 6: Curva de Koch

[10]

2. A continuacion describiremos la forma mas habitual de construir la curva de Koch.

El primer conjunto L0 se construye a partir de un segmento.
Para construir el conjunto L1 , dividimos el conjunto L0 en tres partes iguales y
reemplazamos la parte central por dos partes de la misma longitud formando un
angulo de 60o , de este modo obtenemos el conjunto L1 .
Para la siguiente iteracion dividimos cada uno de los segmentos resultantes en L1
en tres partes iguales y reemplazamos la parte central por dos partes de la misma
longitud formando un angulo de 60o , tal y como se realizo en la iteracion de L0 a
L1 , lo que da lugar a 16 segmentos mas peque
nos, formando el conjunto L2 .
Aplicando el procedimiento anterior k veces obtenemos la curva de Koch.

12
 Fractales matematicos

Figura 7: Curva de Koch

[11]

Uniendo tres curvas de Koch formaremos el copo de nieve de Koch (cada color es
una curva de Koch).

Figura 8: Copo de nieve de Koch

[12]

2.4. Otros fractales

2.4.1. Curva del drag
on
La curva del dragon se construye de la siguiente forma:
Partimos de un segmento de longitud 1 (aunque puede tener cualquier longitud), el
cual llamaremos conjunto D0 .
Para construir el conjunto D1 , utilizaremos el conjunto D0 . En dicho conjunto D0
construiremos un triangulo rectangulo e isosceles (la longitud de los dos segmentos del

13
 Fractales matematicos

triangulo rectangulo e isosceles es de 12 ), eliminamos el segmento inicial del conjunto D0

(marcado en rojo) obteniendo el conjunto D1 .
Para construir el conjunto D2 aplicamos el razonamiento anterior, en cada segmento
del conjunto D1 construimos un triangulo rectangulo e isosceles, eliminamos los segmentos
iniciales del conjunto D1 (marcados en rojo) obteniendo el conjunto D2 .
Para construir el conjunto D3 aplicamos el razonamiento anterior, en cada segmento
del conjunto D2 construimos un triangulo rectangulo e isosceles, la orientacion de cada
uno de los triangulos ha de ser alterna, eliminamos los segmentos iniciales del conjunto
D2 (marcados en rojo) obteniendo el conjunto D3
Nota. Siempre a partir del conjunto D2 para construir los siguientes conjuntos Dj para
j = 3, 4, ... tenemos que alternar la orientacion de los triangulos.

Figura 9: Curva del dragon

[13]

Proposici
on 2.4.1. Todas las aproximaciones de Dk estan acotadas en una region del
plano.

Demostracion. Todos los puntos del conjunto D0 tienen distancia maxima 1 desde el
punto final.
Todos los puntos del conjunto D1 tienen distancia maxima 21 desde alg un punto del
conjunto D0 .
Por lo que, podemos ver por induccion, que cada punto del conjunto Dk tiene distancia
 k+1
maxima 12 desde alg
un punto de Dk1 . Por lo tanto, cualquier punto Dk tiene
distancia maxima del punto final:

14
 Fractales matematicos

k  j+1  j+1
X 1 X 1
1+ <1+ , (1)
j=1
2 j=1
2
De manera que la ecuacion 1 es una serie geometrica con razon menor a 1, por lo que
converge a infinito.

2.4.2. Fudgeflake
Podemos construir otros fractales, utilizando angulos distintos de 90o (tal y como
hemos utilizado en la curva del dragon) y de este modo obtener variaciones de los fractales
descritos anteriormente.
El Fudgeflake se construye de una forma parecida a la curva del dragon.

Por ejemplo, partimos como referencia de la curva del dragon, pero esta vez utilizare-
mos un angulo de 120o , de manera que obtenemos la siguiente curva:

Figura 10: Curva de dragon (con angulo 120 grados)

[14]

Anadiendo tres copias de la nueva curva de dragon, formamos lo llamado un Fudgeflake

(cada color es una curva de dragon), tal y como muestra la siguiente figura:

Figura 11: Fudgeflake

[15]

15
 Fractales matematicos

2.4.3. Sierpinski dr
agon
Otra figura parecida a la curva del dragon es la que se obtiene tomando como referencia
el triangulo de Sierpinski, tal y como muestra la figura 12.

Figura 12: Sierpinski dragon

[16]

2.5. Conjunto de Julia

Los conjuntos de Julia, as llamados por el matematico Gaston Julia, son una fami-
lia de conjuntos fractales que se obtienen al estudiar el comportamiento de los numeros
complejos al ser iterados por una funcion holomorfa. El conjunto de Julia de una fun-
cion holomorfa f esta construido por aquellos puntos que bajo la iteracion de f tienen
comportamiento caotico. El conjunto se denota J(f ).

Gaston Maurice Julia (3 de febrero de 1893, Sidi Bel Abes, Argelia - 19 de marzo
de 1978, Pars, Francia) fue un matematico frances. Julia fue un precursor en lo
que hoy se conoce como fractales. Fue el primero en estudiar el tema y en explicar
como a partir de cualquier funcion compleja se puede fabricar por medio de una
sucesi
on definida por induccion, un conjunto cuya frontera es imposible de dibujar
a pulso por ser de longitud infinita, entre otras cosas.[17]

Los planos en un IFS para construir un conjunto de Julia no necesitan ser similares.

C es el conjunto de los n umeros complejos. Supongamos la funcion : C C dada

por (z) = z 2 + c (donde c es un n umero complejo). El conjunto de Julia que se obtiene
a partir de esta funcion y se denota Jc .
La funcion tiene como inversa f , definida por:

z = z 2 + c z c = z 2 z c = f (z),

sabemos que un n umero complejo tiene dos races cuadradas (excepto el cero), por lo
tanto f tiene dos inversas:

f0 = z c,
f1 = z c.

El conjunto de Julia en este caso es un conjunto compacto (cerrado y acotado) y no

vaco, tal que J C, que satisface:

16
 Fractales matematicos

J = f0 [J] f1 [J].

Veamos a continuacion como se construye el conjunto de Julia, para todo n

umero
complejo z:
z0 = z
z1 = z02 + c = z 2 + c
2 2
z2 = z12 + c = (z02 + c) + c = (z 2 + c) + c = z 4 + 2z 2 + c2 + c
.
.
.
zn+1 = zn2 + c
Por lo tanto:

Jn+1 = f0 [Jn ] f1 [Jn ].

El lmite de Jn es J.

Veamos a continuacion un ejemplo, supongamos c = 0,15 + 0,72i (se podra utilizar

cualquier valor para c) y partimos con un paralelogramo en el conjunto el J0 .

Figura 13: Conjunto de Julia

[18]

17
 Fractales matematicos

3. Teorema del Collage y su demostraci

on
El Teorema del Collage es uno de los resultados mas clasicos en la teora de fracta-
les. Su autora se atribuye a Barnsley en 1987 [19]. Barnsley estaba motivado a encontrar
sistemas de IFS que codificara cualquier conjunto del plano. Por esta razon se intereso pre-
viamente en saber bajo que condiciones poda asegurarse la existencia de un atractor para
un IFS dado.
El objetivo de este captulo es enunciar el Teorema del Collage y demostrarlo. De
manera aproximada dicho teorema dice lo siguiente. Dado un conjunto de de contracciones
del plano w1 , ..., wn y un conjunto P0 , generamos una sucesion de conjuntos:

P1 = w1 (P0 ) ... wn (P0 )

P2 = w1 (P1 ) ... wn (P1 )
.
.
.
Pk+1 = w1 (Pk ) ... wn (Pk )

El Teorema del Collage establece que esta sucesion converge a un conjunto lmite P (en
una metrica que precisaremos mas adelante). Observemos que P debe ser invariante por
las n afinidades simultaneamente, es decir:

P = w1 (P ) ... wn (P ).

Para enunciar dicho teorema de manera precisa necesitamos, la nocion de metrica de

Hausdorff, as como algunos conceptos generales de topologa. As mismo, la demostracion,
requiere mas conceptos previos, uno de los mas importantes es el Teorema del punto fijo
en un espacio de Banach. Por tanto, iniciamos este captulo con una exposicion de los
conceptos previos necesarios, has llegar a la seccion 3.4 al enunciado y demostracion del
Teorema.

3.1. Espacio m
etrico
La mayora de los conceptos que introduciremos a continuacion se estudian en la
asignatura de Topologa (2o curso de Grado), pero hagamos un recordatorio de las cosas
mas importantes.
Empecemos con la definicion de distancia entre dos puntos.

Definici on 3.1.1. Se define la distancia entre dos puntos x, y Rn como la d(x, y) =

|x y|, tenemos por lo tanto una aplicacion d : Rn Rn R, que satisface las siguientes
propiedades:

1. d(x, y) 0 para todo x, y Rn .

2. d(x, y) = 0 si y solo si x = y para todo x, y Rn .

3. d(x, y) = d(y, x) para todo x, y Rn . Esta propiedad se llama propiedad simetrica.

4. d(x, z) d(x, y) + d(y, z) para todo x, y, z Rn . Esta propiedad se llama desigual-

dad triangular.

A partir de la definicion de distancia entre dos puntos, definiremos el espacio metrico.

18
 Fractales matematicos

on 3.1.2. Un espacio metrico es un conjunto S, y una aplicacion d : S S S,

Definici
que llamaremos metrica tal que verifica las siguientes propiedades:

1. d(x, y) 0 para todo x, y S.

2. d(x, y) = 0 si y solo si x = y para todo x, y S.

3. d(x, y) = d(y, x) para todo x, y S.

4. d(x, z) d(x, y) + d(y, z) para todo x, y, z S.

Notaremos el espacio metrico por (S, d).

Nota. La desigualdad triangular es una igualdad en el espacio metrico R, si d(x, y) =

d(y, x) = 0 para todo x, y R.

Lema 3.1.3. Propiedades del espacio vectorial.

Sea Rn , donde n Z, y sean x = (x1 , ..., xn ) Rn , y = (y1 , ..., yn ) Rn y a Rn ,
tal que:

1. ax = (ax1 , ..., axn ).

2. x + y = (x1 + y1 , ..., xn + yn ).

3. x y = (x1 y1 , ..., xn yn ).
p
4. |x| = x21 + ... + x2n .

Teorema 3.1.4. El espacio Rn es un espacio metrico con la metrica d(x, y) = kx yk.

Para demostrar el Teorema 3.1.4, necesitamos dos teoremas previos, la Desigualdad

de Cauchy-Schwarz y la Desigualdad de Minkowski.

Teorema 3.1.5. Desigualdad de Cauchy-Schwarz.

Sean x, y Rn donde x = (x1 , ..., xn ) e y = (y1 , ..., yn ), entonces:
d
!2 d
! d !
X X X
|hx yi|2 |x|2 |y|2 , es decir, xj y j x2j yj2 .
j=1 j=1 j=1

Demostracion. Consideramos la funcion definida por:

p() = |y x|2 = (y x) (y x).
n
X
Observamos que (xj yj )2 0 para todo R, entonces:
j=1
| {z }
p()

n
! n
! n
!
X X X
p() = (y y)2 2(x y) + x x = yj2 2 2 xj y j + x2j 0.
j=1 j=1 j=1
| {z } | {z } | {z }
a b c

Esto es cierto para todo R. Como podemos observar tenemos una funcion polinomica
de segundo grado, que como mucho tendra una raz real, y por lo tanto su discriminante
es negativo:

19
 Fractales matematicos

d
!2 d
! d
! d
! d
!
X X X X X
= b2 4ac = 4 xj y j 4 yj2 x2j 04 yj2 x2j
j=1 j=1 j=1 j=1 j=1
d
!2 d
! d
! d
!2
X X X X
4 xj y j yj2 x2j xj y j .
j=1 j=1 j=1 j=1

Nota. La condicion necesaria y suficiente para que la desigualdad de Cauchy sea una
igualdad en Rn , se da si y solo si todos los xi son iguales y no negativos para i = 1, ..., n
y todos los yj son iguales y no negativos para j = 1, ..., n.

Teorema 3.1.6. Desigualdad de Minkowski.

Sean x, y Rn donde x = (x1 , ..., xn ) e y = (y1 , ..., yn ), entonces:

kx + yk kxk + kyk
n
! n n n n
2
X X X X X
2 2
Demostracion. kx + yk = (xj + yj ) xj +2 xj y j + yj2 x2j +
|{z}
j=1 j=1 j=1 j=1 angular j=1
Desigualdad tri
2
n
!1/2 n
!1/2 n n !1/2 n
!1/2
X X X X X
= (kxk + kyk)2

2 yj2 yj2 + x2j =
x2j + yj2
j=1 j=1 j=1 j=1 j=1
| {z } | {z }
|x| |y|
kx + yk kxk + kyk.
Nota. La condicion necesaria y suficiente para que la desigualdad de Minkowski sea una
igualdad en Rn , es en el caso de proporcionalidad de x2i e yj2 para i, j = 1, .., n.
Una vez demostrada la Desigualdad de Cauchy-Schwarz y la Desigualdad de Min-
kowski, podemos demostrar el Teorema 3.1.4.
Demostracion. Demostracion Teorema 3.1.4.
Para demostrar que Rn es un espacio metrico, comprobaremos las cuatro propiedades
de la definicion 3.1.2.
Supongamos x = (x1 , ..., xn ) e y = (y1 , ..., yn ).

1. d(x, y) 0.
p
d(x, y) = (x1 y1 )2 + ... + (xn yn )2 0.

2. d(x, y) = 0 si y solo si x = y.
p
) Si d(x, y) = 0 (x1 y1 )2 + ... + (xn yn )2 = 0 (x1 y1 )2 + ... + (xd
yd )2 = 0 (x1 y1 )2 = ... = (xn yn )2 (x1 y1 ) = ... = (xn yn ) xi = yi = 0
para i = 1, ..., n

) Si x = y, entonces d(x, y) = kx yk |{z}

= kx xk = 0.
como x=y

3. d(x, y) = d(y, x).

d(x, y) = kx yk = ky xk = d(y, x).

20
 Fractales matematicos

4. Por u
ltimo veamos la desigualdad triangular.
d(x, z) = kx zk = k(x y) + (y z)k kx yk + ky zk = d(x, y) +
|{z}
Teorema3.1.6
d(y, z).

En conclusion, al verificar las cuatro propiedades de la definicion 3.1.2 confirmamos

que Rn es un espacio metrico con la metrica d(x, y) = kx yk.

Corolario 3.1.7. Si (S, d) es un espacio metrico y T S, entonces T tambien es un

espacio metrico con metrica dt , definida por:

dt (x, y) = d(x, y) para x, y T .

Definici
on 3.1.8. El diametro de un subconjunto A de un espacio metrico (S, d) es:

diam(A) = sup {d(x, y) : x, y A}.

El diametro de A es la distancia entre los dos puntos mas distantes de A (si existen estos
puntos).

Definici
on 3.1.9. Si A y B son dos conjuntos no vacos en un espacio metrico (S, d),
definimos la distancia entre A y B como:

dist(A, B) = inf {d(x, y) : x A, y B}.

Observacion. Puede haber casos en que dos conjuntos no cumplan la definicion 3.1.1, por
ejemplo:

A = 0 y B = (0, 1], entonces dist(A, B) = 0 y en cambio A 6= B

por lo que no se cumple la propiedad 2 de la definicion 3.1.1.

A continuacion definiremos la compacticidad, pero previamente tenemos que saber
que es un recubrimiento abierto.

Definici on 3.1.10. Un recubrimiento abierto de un subconjunto A S de un espacio

metrico, es una familia de conjuntos abiertos {Oi }iI de S tal que su union cubre a A,
[
es decir A Oi .
iI

Definici
on 3.1.11. Dado un recubrimiento C de un conjunto A, un subrecubrimiento
D es una subfamilia de C tal que D C sigue siendo un recubrimiento de A, es decir,
una subcoleccion de conjuntos de C que a
un cubre a A.

A partir de las definiciones anteriores definiremos la compacticidad.

Definici
on 3.1.12. Sea (S, d) un espacio metrico, se dice que S es compacto si dado un
recubrimiento abierto de S, existe un subrecubrimiento del mismo.

21
 Fractales matematicos

3.1.1. Bolas abiertas y cerradas

A continuacion estudiaremos las bolas abiertas, bolas cerradas y sus respectivas pro-
piedades.

Definicion 3.1.13. Sea (S, d) un espacio metrico, sea x S y r > 0. La bola abierta
de radio r y de centro x es el subconjunto de S:

Br (x) = {y S : d(x, y) < r}.

La bola cerrada de radio r y de centro x es el subconjunto de S:

Br (x) = {y S : d(x, y) r}.

Definici on 3.1.14. Sea (S, d) un espacio metrico y sea A un subconjunto. Un punto

interior de A es un punto x de manera que B (x) A para alg
un  > 0.

Definici
on 3.1.15. Un conjunto A se llama conjunto abierto si y solo si todos los puntos
de A son puntos interiores.

Proposici
on 3.1.16. Propiedades de las bolas abiertas.
Sea(S, d) un espacio metrico, las bolas abiertas verifican las siguientes propiedades:

1. Br (x) 6= para todo x S y para todo r > 0.

[
2. S = Br (x).
xS,r>0

3. Si y Br (x), existe r0 > 0 tal que Br0 (y) Br (x).

4. Dados x, y S y para cualquier r, a > 0, la interseccion Br (x) Ba (y) es una union

de bolas.

Demostracion. 1. Como d(x, x) = 0, x Br (x), por tanto Br (x) 6= .

[
2. En la propiedad anterior hemos visto que x Br (x), entonces S = {x}
[ xS
Br (x) S.
xS,r>0

3. Sea y Br (x), supongamos = d(x, y) y r0 = r d(x, y) = r .

Entonces, si z Br0 (y), tenemos d(x, z) d(x, y) + d(y, z) < + r0 = r, por lo
tanto z Br (x). En conclusion Br0 (y) Br (x).

4. Sea z Br (x) Ba (y). Aplicando el apartado anterior, existe r0 , a0 > 0 tal que
Br0 (z) Br (x) y Ba0 (z) Ba (y). Sea z = min {a0 , r0 }. As Bz (z) Br (x)Ba (y).
Fijando un z > 0 para todo z Br (x) Ba (y), obtenemos:
[
Bz (z) = Br (x) Ba (y).
zBr (x)Ba (y)

Proposici
on 3.1.17. Una bola abierta Br (x) es un conjunto abierto.

22
 Fractales matematicos

Demostracion. Para demostrarlo, utilizaremos la propiedad 3 de la proposicion 3.1.16.

Sea y Br (x). Sea = d(x, y) < r, de manera que  = r d(x, y) = r > 0. Por la
desigualdad triangular:
d(x, y) d(x, y) + d(y, z) = +  = r, por lo tanto z Br (x) B (y) Br (x).
Por lo que, y es un punto interior de Br (x). En conclusion, la bola abierta Br (x) es un
conjunto abierto.

Proposici
on 3.1.18. Sea (S, d) un espacio metrico. Entonces:

1. Los subconjuntos y S son conjuntos abiertos de S.

[
2. Sea {Ai }iI una familia de conjuntos abiertos de S, entonces la reunion Ai es
iI
un conjunto abierto de S.

3. Sea A1\
, ..., An una coleccion finita de conjuntos abiertos de S, entonces la intersec-
cion Ai es un conjunto abierto de S.
i=1,..,n

Demostracion. 1. El es un abierto porque no contiene ning

un elemento, por lo tanto
es un conjunto abierto.
Para cualquier x S podemos coger una bola Br (x) con radio r suficientemente
pequeno, de manera que Br (x) S.
[
2. Sea x Ai , existe un i I tal que x Ai , y como Ai es un conjunto abierto
iI [
existe un r > 0 tal que Br (x) Ai Ai .
iI
\
3. Supongamos I = {1, .., n}. Sea x Ai . Sea ri > 0 para i = 1, ..., n tal que
iI \
Bri (x) Ai para todo i I. Entonces Br (x) Ai , donde r = min {r1 , ..., rn } >
iI
0.

Definicion 3.1.19. Sea (S, d) un espacio metrico y sea A S. Un punto x S es un

punto de acumulacion de A si y solo si para cada  > 0, la bola B (x) contiene puntos de
A distintos de x.

Definici
on 3.1.20. Un conjunto A es cerrado si y solo si contiene todos los puntos de
acumulacion, es equivalente a decir que,A es un conjunto cerrado si y solo si S A es
un conjunto abierto.

Proposici
on 3.1.21. Sea (S, d) un espacio metrico. Entonces:

1. Los subconjuntos y S son conjuntos cerrados de S.

\
2. Sea {Ai }iI una familia de conjuntos cerrados de S, entonces la interseccion Ai
iI
es un conjunto cerrado de S.

23
 Fractales matematicos

3. Sea
[ A1 , ..., An una coleccion finita de conjuntos cerrados de S, entonces la union
Ai es un conjunto cerrado de S.
i=1,..,n

Demostracion. 1. Sea S un subconjunto, por la definicion 3.1.20 sabemos que =

S S es un conjunto abierto, por tanto es un conjunto cerrado de S.
Sea un subconjunto, por la definicion 3.1.20 sabemos que S = S es un conjunto
abierto, por lo tanto S es un conjunto cerrado de S.

2. Sea {Ai }iI una familia de conjuntos cerrados de S, entonces por la definicion 3.1.20
[
tenemos que (S Ai )iI es un conjunto abierto, entonces (S Ai ) es un conjunto
\ iI \
abierto, es lo mismo que decir S Ai es un conjunto abierto. Por lo tanto, Ai
iI iI
es un conjunto cerrado de S.

3. Sea A1 , ..., An una coleccion finita de conjuntos cerrados de S, entonces por la

n
\
definicion 3.1.20 tenemos que (SAi )i=1,...,n es un conjunto abierto, entonces (S
i=1
n
[
Ai ) es un conjunto abierto, es lo mismo que decir S Ai es un conjunto abierto.
i=1
n
[
Por lo tanto, Ai es un conjunto cerrado de S.
i=1

Proposici
on 3.1.22. Una bola cerrada Br (x) es un conjunto cerrado.

Demostracion. Para demostrar que Br (x) es un conjunto cerrado, demostraremos que su

complementario es un conjunto abierto, es decir S Br (x) es un conjunto abierto.
Sea y S Br (x), demostraremos que existe una bola centrada en y de radio s > 0
tal que esta contenida en S Br (x), es decir Bs (y) S Br (x).
Como d(x, y) = kx yk > r, podemos definir s = kx yk r > 0. Entonces si
z Br (y), tenemos:
kx yk = kx z + z yk kx zk + kz yk,
de manera que:
kx zk kx yk ky zk > kx yk s = kx yk kx yk + r = r,
luego en efecto z S Br (x). Es decir, todo punto de la bola Bs (y) S Br (x)

3.2. Estructuras m
etricas y el Teorema del punto fijo
En este apartado a estudiaremos funciones y sucesiones en el espacio metrico, que
utilizaremos para demostrar el Teorema del punto fijo.

24
 Fractales matematicos

3.2.1. Funciones en espacios m

etricos
Definici
on 3.2.1. 1. Sean (S, ds ) y (T, dt ) dos espacios metricos. Una funcion h :
S T , es una isometra si y solo si dt (h(x), h(y)) = ds (x, y) para todo x, y S

2. Dos espacios metricos son isometricos si y solo si existe una isometra de uno sobre
el otro.

Podemos dividir las isometras en dos grupos:

1. Isometra directa: es una isometra que no cambia el sentido del plano, un ejemplo
de isometra directa es rotacion.

2. Isometra indirecta: es una isometra que cambia el sentido del plano, un ejemplo
de isometra indirecta es la reflexion, tal y como se muestra en la figura 14.

Figura 14: Isometra reflexion y rotacion

[20]

Otro tipo de isometra es la traslacion, tal y como se muestra en la figura 15.

Figura 15: Isometra traslacion

[21]

on 3.2.2. Una funcion h : S T es semejante si y solo si existe un r > 0 tal

Definici
que d(h(x), h(y)) = r d(x, y).

on 3.2.3. Sean (S, ds ) y (T, dt ) dos espacios metricos. Sea x S. Una funcion
Definici
h : S T es continua en x si y solo si para todo  > 0 existe > 0 tal que para todo
y S:

25
 Fractales matematicos

ds (x, y) < dt (h(x), h(y)) < ,

o equivalentemente,
h(B (x)) B (h(x)).

Teorema 3.2.4. Sean (S, ds ) y (T, dt ) dos espacios metricos. Sea x S. Una funcion
h : S T es continua si y solo si para todo abierto U de T , h1 (U ) es un abierto de S.
Demostracion. Para esta demostracion comprobaremos las dos implicaciones.
) Supongamos que h es continua en x. Sea U una abierto de T , demostraremos que
h1 (U ) es un abierto de S.
Si x h1 (U ), entonces h(x) U . Como U es un abierto, existe  > 0 tal que
B (h(x)) U . Como h es continua, existe > 0 tal que h(B (x)) B (h(x)) U ,
entonces x B (x) h1 (B (h(x))) h1 (U ). Por lo tanto, h1 (U ) es un abierto de S.
) Supongamos que para todo abierto U de T , h1 (U ) es un abierto de S. Sea x S,
demostraremos que h es continua en x.
Sea  > 0, supongamos que B (h(x)) es un abierto de T . Entonces W = h1 (B (h(x)))
es un abierto de S. Ahora x W , por lo tanto existe > 0 tal que B (x) W . Por lo
cual, h(B (x)) h(W ) B (h(x)). Por lo que, h es continua.
Definici
on 3.2.5. 1. Sean (S, ds ) y (T, dt ) dos espacios metricos, y sea h : S T
una funcion. Entonces h es un homeomorfismo si se cumple que:

h es biyectiva,
h es continua,
h1 es continua.

2. Dos espacios metricos son homeomorfos si y solo existe un homeomorfismo entre

ellos.

3.2.2. Sucesi
on en un espacio m
etrico
A continuacion definiremos que es una sucesion, sucesion convergente y estudiaremos
alguna de sus propiedades.
Definicion 3.2.6. Sea S un conjunto. Una sucesion de S es una funcion f : N S,
definida por infinitos valores f (1), f (2), ..., y la notaremos como (xn )nN de manera que
f (1) = x1 , f (2) = x2 , ....
A partir de la definicion de sucesion definiremos cuando una sucesion es convergente.
Definici
on 3.2.7. Una sucesion de puntos (xn )nN de un espacio metrico (S, d), converge
a un punto x S si y solo si para todo  > 0 existe N N tal que d(xn , x) <  para todo
n N.
Lo escribiremos de la siguiente forma:
lm xn = x o bien xn x.
n

Una sucesion es convergente si y solo si converge a un punto, y este punto es u

nico,
para demostrarlo veamos la siguiente proposicion.

26
 Fractales matematicos

Proposicion 3.2.8. Sea (xn )nN una sucesion en un espacio metrico. Si xn a y

xn b, entonces a = b.
Demostracion. Supongamos que xn a y xn b, entonces tenemos dos bolas B 3 (a)
y B 3 (a) (donde  > 0), de manera que la distancia entre los centros de cada bola es
. Entonces, sea N N tal que para cada n N todos los xn a, pero tambien los
xn b, la cual cosa no puede ocurrir. Por lo tanto, a = b
Seguidamente estudiaremos alguna de las propiedades de sucesiones.
Teorema 3.2.9. Sean (S, ds ) y (T, dt ) dos espacios metricos, y sea h : S T una
funcion. Entonces, h es continua si y solo si para cada sucesion (xn )nN en S:
xn x h(xn ) h(x).
Demostracion. Demostraremos el Teorema comprobando las dos implicaciones.
) Supongamos que h es continua. Sea (xn )nN una sucesion de S y supongamos que
xn x. Tenemos que comprobar que h(xn ) h(x).
Como h es continua, por lo tanto para todo  > 0 existe > 0 tal que h(B (x))
B (h(x)). Como xn x, existe N N tal que xn B (x) para todo n N , por lo que
h(xn ) h(x).
) Para demostrar esta implicacion utilizaremos reduccion a lo absurdo.
Supongamos que h no es continua. Tenemos que comprobar que xn x pero que no
implica que h(xn ) h(x).
Si h no es continua, entonces existe x S y  > 0 tal que para todo > 0 existe un
y S con d(x, y) < pero con d(h(x), h(y)) .
Supongamos que = n1 , existe xn S con d(xn , x) < n1 , pero d(h(xn ), h(x)) , por
lo que (xn )nN converge a x, pero h(xn ) no converge a h(x), por lo cual contradiccion.
Obtenemos esta contradiccion porque hemos supuesto que h no es continua.
Otra propiedad interesante de las sucesiones es la llamada Regla de la cadena, que
estudiaremos a continuacion.
Proposici on 3.2.10. Regla de la cadena.
Sean (S1 , d1 ), (S2 , d2 ), (S3 , d3 ) tres espacios metricos. Si f : S1 S2 es una funcion
continua en un punto a y g : S2 S3 es una funcion continua en un punto b = f (a),
entonces la composicion g f : S1 S3 es una funcion continua en a.
Demostracion. Sea xn a, entonces f (xn ) f (a) = b, por tanto g(f (xn )) g(f (a))
es continua en a.
A continuacion definiremos cuando una sucesion es de Cauchy, esta definicion es im-
portante para poder demostrar el Teorema del punto fijo de Banach, uno de los temas
centrales de este captulo.
Definicion 3.2.11. Una sucesion de Cauchy en un espacio metrico (S, d) es una sucesion
(xn )nN que satisface, que para todo  > 0 existe N N tal que d(xn , xm ) < , para todo
n, m con n N y m N .
Nota. Tenemos que tener en cuenta que una sucesion en R es convergente si y solo si es
una sucesion de Cauchy. En cambio en un espacio metrico en general, solo es cierto en
una direccion ,tal y veremos en el siguiente Teorema.

27
 Fractales matematicos

Teorema 3.2.12. Toda sucesion convergente en un espacio metrico es una sucesion de

Cauchy.
Demostracion. Supongamos que xn x, y demostraremos que (xn )nN es una sucesion
de Cauchy.
Sea  > 0, por lo cual es cierto que 2 > 0. Como xn x, existe N N tal que
d(xn , x) < 2 para todo n N . Entonces, si n, m N , por la desigualdad triangular
obtenemos que:
 
d(xn , xm ) d(xn , x) + d(x, xm ) < 2
+ 2
= .
Por lo tanto, (xn )nN es una sucesion de Cauchy.
Por u
ltimo, definiremos cuando un espacio metrico es completo, esta definicion es muy
importante para demostrar el Teorema del Collage que es estudiaremos en el punto 3.4.
Definici on 3.2.13. Un espacio metrico (S, d) diremos que es completo si y solo si toda
sucesion de Cauchy converge en S.

3.2.3. Convergencia uniforme

Seguidamente estudiaremos la convergencia uniforme en espacios metricos y alguna
de sus propiedades.
Definicion 3.2.14. Sean (S, ds ) y (T, dt ) dos espacios metricos. Consideremos la funcion
f : S T . Sea fn : S T , tal que (fn )nN es una sucesion de funciones. La sucesion fn
converge uniformemente (en S) a la funcion f , si y solo si para cada  > 0 existe N N
tal que para todo x S y para todo n N , tenemos d(fn (x), f (x)) < .
Teorema 3.2.15. Sean (S, ds ) y (T, dt ) dos espacios metricos. Sea f : S T una
funcion. Supongamos fn : S T tal que (fn )nN es una sucesion de funciones que
converge uniformemente a la funcion f . Si todas las funciones fn son continuas, entonces
la funcion f es continua.
Demostracion. Demostraremos que f es continua en x, es decir probaremos que para
todo punto y S, se cumple:
para todo  > 0, existe > 0 tal que 0 < |x y| < , por lo que d(f (x), f (y)) < .
Para ello, utilizaremos la definicion 3.2.3 de continuidad y la definicion 3.2.14 de conver-
gencia uniforme.
Como (fn )nN es una sucesion de funciones que converge uniformemente a la funcion
f , tenemos que:
para todo  > 0, existe N tal que d(fm (x), fm (y)) < 3 , para todo m N , para todo
x S.
Como la sucesion de funciones (fn )nN son continuas, podemos asegurar que para todo
y S:
para todo  > 0, existe > 0 tal que 0 < |x y| < , por lo que d(fm (x), fm (y)) < 3 ,
para todo m N .
Por lo tanto, dado  > 0 obtenemos N , elegimos un m cualquiera (m N ). Tomamos,
la funcion fm y el  anterior y, fijado el punto y, obtenemos .
As pues, dado , existen m, tales que cumplen 0 < |x y| < , por lo que:

28
 Fractales matematicos


d(f (x), f (y)) d(f (x), fm (x)) + d(fm (x), fm (y)) + d(fm (y), f (y)) < 3
+ 3 + 
3
=
| {z } | {z } | {z }
1 2 3

donde 1 y 3 son menor que por la continuidad uniforme de (fn )nN , y 2 es menor que
3

3
por la continuidad de fm en y.

3.2.4. Teorema del punto fijo de Banach

Teorema 3.2.16. Teorema del punto fijo de Banach.
Sea (S, d) un espacio metrico completo. Si la funcion f : S S es una contraccion,
entonces f tiene un u
nico punto fijo.

A continuacion demostraremos el Teorema del punto fijo de Banach, tambien llamado

Teorema de la aplicacion contractiva, pero necesitaremos unas definiciones previas.

on 3.2.17. Sea S un conjunto, dada una funcion f : S S del conjunto S,

Definici
decimos que x es un punto fijo de f si f (x) = x.

Definici on 3.2.18. Sean (S, ds ) y (T, dt ) dos espacios metricos y sea f : S T una
funcion. Decimos que f es una contraccion si existe un n umero , donde 0 < < 1, tal
que dt (f (x), f (y)) ds (x, y) para todo x, y S.

Demostracion. Demostracion del Teorema 3.2.16

Para comprobar esta demostracion, demostraremos tres cosas:

1. La sucesion (xn )nN es de Cauchy.

2. El punto x es un punto fijo.

3. El punto fijo es u
nico.

Veamos estas tres partes.

Sea x0 un punto de S y construimos la sucesion (xn )nN en S de manera que:
x1 = f (x0 ), ..., xn+1 = f (xn ) para n = 1, 2, ... .

1. Demostraremos que (xn )nN es una sucesion de Cauchy, y por la completitud de S,

la sucesion (xn )nN es convergente.
Sea n > m. Entonces:

d(xn , xm ) = d(f (xn1 ), f (xm1 )) d(xn1 , xm1 ) 2 d(xn2 , xm2 ) ...

m d(xnm , x0 ) m (d(xnm , xnm1 ) + ... + d(x1 , x0 ))
m nm )
m
m (nm1 + ... + 1)d(x1 , x0 ) = (1
1
d(x1 , x0 ) 1 d(x1 , x0 ),

N
como 0 < < 1, m 0, por lo que si  > 0 y N es tal que 1 d(x1 , x0 ) < ,
obtenemos que d(xn , xm ) < , para n, m N , por lo cual (xn )nN es una sucesion
de Cauchy.

2. Supongamos que xn x. Demostraremos que x es un punto fijo, demostrando que

d(x, f (x)) < , para todo  > 0.

Como xn x, sea N > 0 tal que d(xn , x) < 2
para todo n N . Entonces:

29
 Fractales matematicos

d(x, f (x)) d(x, xN +1 ) + d(xN +1 , f (x)) < 2 + d(xN , f (x)) 

2
+ d(xN , x) <

2
+ 2 < .

3. Demostraremos que el punto fijo es u

nico.
Supongamos que x e y son dos puntos fijos de f . Por lo que, d(x, y) = d(f (x), f (y))
d(x, y), y como 0 < < 1, la igualdad es cierta solo si x = y.

3.3. Espacio H(S) y la m

etrica de Hausdorff
Anteriormente hemos definido los conceptos de distancia, espacio metrico, completi-
tud, convergencia uniforme, etc, por lo que a continuacion podemos trabajar la metrica
de Hausdorff.

Felix Hausdorff (1868 - 1942) fue un matematico aleman considerado como uno de
los fundadores de la topologa moderna, ha contribuido significativamente a la teora
de conjuntos, la teora descriptiva de conjuntos, la teora de la medida, el analisis
funcional y la teora de funciones. Hausdorff introdujo los conceptos de medida de
Hausdoff y dimensi on de Hausdorff, que son muy importantes en el estudio de la
teora de fractales.[22]

Definicion 3.3.1. Sea (S, d) un espacio metrico, diremos que H(S) es la coleccion de
todos los subconjuntos compactos no vacos de S. Llamaremos a H(S) hiperespacio de S.

Definicion 3.3.2. Sea (S, d) es un espacio metrico, sea A H(S) y sea x S un punto.
Se define la distancia de un punto x a un conjunto A como:

(x, A) = nf {d(x, y)}.

yS

on 3.3.3. Sea (S, d) un espacio metrico. Sean A, B H(S) dos subconjuntos

Definici
compactos de S. Definimos la distancia Hausdorff entre dos conjuntos A y B como:

D(A, B) = max {d1 , d2 },

donde

d1 = sup {(x, B)}; d2 = sup {(A, y)}.

xA yB

Equivalentemente,

D(A, B) = inf {r > 0 : A Nr (B), B Nr (A)},

donde r > 0 y Nr (A) = {y S : d(x, y) < r para alg

un x A} es el entorno abierto de
A de radio r.

30
 Fractales matematicos

Figura 16: Distancia de Hausdorff

[26]

Observacion. La funcion D puede definirse para conjuntos mas generales que los de H(S).
No obstante puede ocurrir que en estos casos D no defina una metrica. Por ejemplo, si no
requerimos que los conjuntos sean cerrados, no se cumple la propiedad 2 de la definicion
3.1.1, como se muestra en los conjuntos (0, 1) y [0, 1].
En efecto, D(A, B) = 0, pero A 6= B.
A partir de los conceptos estudiados anteriormente, podemos estudiar algunas pro-
piedades de la metrica de Hausdorff.
Teorema 3.3.4. Sea (S, d) un espacio metrico. La funcion Hausdorff D es una metrica
en el conjunto H(S).
Demostracion. Para esta demostracion utilizaremos la definicion 3.1.2 de metrica.
1. D(A, B) 0.
Por la definicion 3.3.3 sabemos que d(A, B) = max {d1 , d2 }, donde d1 = sup {d(x, B)}
xA
y d2 = sup {d(A, y)}, por lo que D(A, B) 0 esto implica que d1 0 o d2 0, por
yB
lo tanto 1 0 o 2 0 y esto es siempre cierto. En consecuencia, D(A, B) 0.
2. D(A, B) = 0 si y solo si A = B.
) Supongamos que A = B. Entonces para cada  > 0, tenemos por la definicion
3.3.3 que A N (B) y B Nr (A). Por lo tanto, D(A, B) = 0.

) Supongamos A, B H(S) y D(A, B) = 0, como D(A, B) = 0 entonces por la de-

finicion 3.3.3 tenemos que d1 = sup {d(x, B)} = 0 y que d2 = sup {d(A, y)} = 0, por
xA yB
lo cual (A, y) = 0 para todo y B B A, y como (x, B) = 0 para todo x
A A B. En efecto, A = B.
3. D(A, B) = D(B, A).
Obvio.
4. Desigualdad triangular.
Sean A, B, C H(S) y sea  > 0. Si x A, entonces y B con d(x, y) <
D(A, B) + . Tambien, tenemos que z C con d(y, z) < D(B, C) + . Por lo que:

31
 Fractales matematicos

A (D(A, B) + D(B, C) + 2) en un entorno de C.

C (D(A, B) + D(B, C) + 2) en un entorno de A.

Por lo tanto, D(A, C) (D(A, B) + D(B, C) + 2), es cierto para todo  > 0. En
conclusion, D(A, C) D(A, B) + D(B, C).

Proposicion 3.3.5. Sea (S, d) un espacio metrico. Sea An una sucesion de subconjuntos
compactos no vacos de S, y sea A un subconjunto compacto no vaco de S. Si An converge
a A en la metrica de Hausdorff, entonces:
A = {x A, existe (xn ), xn An tal que xn x}
Demostracion. Que An converge a A, significa por la definicion 3.2.7 que para todo  > 0
existe N N tal que D(An , A) <  para todo n N , que es lo mismo que lm D(An , x) =
n
0.
Sea X = {x S, existe (xn ), xn An tal que xn x}, y demostraremos que A = X,
para ello comprobaremos dos inclusiones.
A X) Sea x A, tenemos que encontrar un xn An tal que xn x.
Sea x A, por la definicion 3.3.3 tenemos que para todo  > 0 existe N tal que
A N (An ) para todo n > N , sea  = k1 , por la definicion 3.2.7 tenemos que existe
xn An tal que D(x, xn ) < .
Ahora supongamos 2 > 0 y que existe N 2 tal que para todo n > N 2 , xn An tal que
D(x, xn ) < 2 . Observamos que xn se va aproximando a x, y aplicando este razonamiento
infinitas veces obtendremos que xn x.
A X) Sea x tal que existe xn x donde xn An , y queremos demostrar que
x A. Para comprobar esta inclusion utilizaremos reduccion a lo absurdo.
Supongamos que x / A, sea = D(x, A), entonces existe N (x) tal que N (x)A = ,
pero xn An tal que para todo n > N tenemos que xn B(x, ). Supongamos r = 2 tal
que N (A) 6 An para ning
un n > N , por lo tanto llegamos a una contradiccion, porque
2
hemos supuesto que x / A.
Teorema 3.3.6. Sea (S, d) es un espacio metrico completo, entonces el espacio (H(S), D)
es un espacio metrico completo.
Para demostrar el Teorema 3.3.6, necesitamos un lema previo.
Lema 3.3.7. Sea (S, d) un espacio metrico compacto y sea r > 0, entonces S tiene un
n
umero finito de entornos de radio r.
Demostracion. Demostraremos el Lema a partir de reduccion a lo absurdo.
Supongamos que S no tiene un n umero finito de entornos de radio r. Definimos una
sucesion (xn )nN , tal que d(xn , xm ) > r para todo m 6= n. Supongamos, S 6= . Escogemos
x1 S de la sucesion (xn )nN , supongamos {x1 , x2 , ..., xn } no son entornos de radio r,
entonces existe un punto xn+1 tal que d(xj , xn+1 ) > r para 1 j n.
A continuacion, comprobaremos que (xn )nN no tiene ning un punto de acumulacion.
Si x fuera un punto de acumulacion, entonces la bola B 2 (x) contendra al menos dos
r

puntos xn (donde n N), esto es imposible ya que la distancia entre los puntos xj y xn+1
(donde 1 j n) es mayor a r. Por lo tanto, S no es compacto, esta contradiccion es
debido a que hemos supuesto que S no tiene un n umero finito de entornos de radio r.

32
 Fractales matematicos

Demostracion. Demostracion del Teorema 3.3.6.

Por la definicion 3.2.13, sabemos que un espacio metrico es completo si y solo si toda
sucesion de Cauchy converge a ese espacio metrico. Entonces, supongamos que An es una
sucesion de Cauchy en H(S), por lo tanto demostraremos que An converge a A.
Sea A = {x A, existe (xn ), xn An tal que xn x}, por la proposicion 3.3.5
sabemos que lm D(An , A) = 0 si A es compacto y no vaco. En definitiva, demostraremos
n
tres cosa:
1. An converge a A.

2. A 6= .

3. A es compacto.

1. An converge a A.
Sea  > 0, entonces existe N N tal que n, m N , de manera que D(An , Am ) 2 .
Sea n N , entonces es cierto que D(An , A) . Si x A, entonces existe una
sucesion (xk )kN con xk Ak tal que xk x (tal y como hemos visto en la
proposicion 3.3.5), por lo tanto para un k suficientemente grande, tenemos que
D(xk , x) < 2 . Por lo tanto, si k N , entonces (como D(Ak , An ) < 2 ) existe
y An tal que D(Ak , y) < 2 , y obtenemos que D(y, x) D(y, xk ) + D(xk , x) < .
Demostrando que A N (An ).
Supongamos que y An , cogemos k1 < k2 < ... de manera que k1 = n y
D(Akj , Am ) < 2j para todo m kj . Entonces, definimos una sucesion (yk )kN
tal que yk Ak . Para k < n, cogemos yk Ak arbitrario. Supongamos que yn = y,
si escogemos ykj para kj < k < kj+1 , tenemos yk Ak tal que D(ykj , yk ) < 2j . Por
lo cual, yk es una sucesion de Cauchy convergente. Supongamos que x es el limite de
la sucesion (yk )kN ), por lo tanto si x A obtenemos D(y, x) = lm D(y, yk ) < ,
k
po lo cual y N (A). Demostrando que An N (A).
Por lo tanto, hemos demostrado que D(A, An ) , de manera que An converge a
A.

2. A 6= .
Suponiendo que  = 1 en todo el argumento anterior, demostramos que A 6= .

3. A es compacto.
Demostraremos que A es compacto, verificando lo siguiente:

a) A es cerrado.
b) A es acotado.

a) A es cerrado.
Demostraremos que A es cerrado, es decir, para  > 0, existe un n umero finito
de entornos de radio  de A.
Supongamos un n, de manera que D(An , A) < 3 . Entonces por el lema 3.3.7,
sabemos que existe un n umero finito de entornos de radio 3 de An , que los
llamaremos {y1 , y2 , ..., ym }. Para cada entorno yi , existe xi A con D(xi , yi ) <

3
. El conjunto finito {x1 , x2 , ..., xm } son entornos de radio  de A. Sea x A

33
 Fractales matematicos

de A (donde A es el conjunto cerrado de A). Entonces, existe una sucesion

(yn )nN en A con D(x, yn ) < 2n . Para cada n, existe un punto zn An con
D(zn , yn ) < D(An , A) + 2n . Por lo que, D(zn , x) D(zn , yn ) + D(yn , x) <
D(An , A) + 2n + 2n , por lo cual D(zn , x) converge a 0 cuando zn x. Por
lo tanto, como x A y hemos visto que x A, entonces A es cerrado.
b) A es acotado.
Sea F un subconjunto infinito de A. Existe un n umero finito de entornos de
radio 12 de un conjunto B en A, por lo que cada elemento de F esta dentro
de la distancia media de alg un elemento de B. Sea F1 F , tal que F1 es un
subconjunto infinito y sus puntos estan entre ellos a una distancia menor a 1, es
decir diam(F1 ) 1, de la misma manera hay un conjunto infinito F2 F1 tal
que el diam(F2 ) 12 y as sucesivamente. Por lo tanto, hay conjuntos infinitos
Fj con diam(Fj ) 2j , tal que Fj+1 Fj para todo j. Escogiendo un xj de
un Fj , obtenemos que D(xj , xk ) 2j para j < k, por lo tanto (xj )jN es una
sucesion de Cauchy y como S es completo, obtenemos que (xj )jN converge a
x.
Anteriormente hemos demostrado que A es cerrado, supongamos que x A,
pero entonces x es un punto de acumulacion del conjunto F . Por lo que, A es
acotado.

Proposicion 3.3.8. Sea (S, d) un espacio metrico. Sea (An )nN una sucesion de con-
juntos compactos no vacos, y supongamos que la sucesion (An )nN que es decreciente
\ tal
que A1 A2 ... . Entonces An converge a la interseccion, es decir, A = An en la
nN
metrica de Hausdorff.
\
Demostracion. Demostraremos que A = An y para ello comprobaremos dos inclusio-
nN
nes.
\
A An ) Sea  > 0, sabemos que A An , entonces por la definicion 3.3.3
nN
obtenemos que A N (An ).
\
A An ) Supongamos  > 0, tal que N (A) = {y A, D(x, y) <  para alg
un x A}
nN
en un conjunto abierto. La familia {N (A)} {S An : n N} es un entorno abierto de
A1 . Entonces, A1 es compacto, por lo que existe un subrecubrimiento finito, esto significa
que para algun N N, tenemos A1 {N (A)} {S An : n N} para todo n N .
Por lo cual, An N (A). Por lo tanto, D(A, An ) <  para todo n N .
En efecto, hemos demostrado que An converge a A.

3.4. Teorema del Collage

En el captulo 2 hemos visto como a partir de un conjunto de transformaciones afines
contractivas nos conducan hacia un conjunto final, pero dado un conjunto final cual es
el IFS que nos conduce a el?. A dicha preguntas se la conoce por el nombre problema
inverso.

34
 Fractales matematicos

El Teorema del Collage nos indica cuales tienen que ser las condiciones de un IFS
para que converjan a un conjunto final compacto. Dicho compacto es invariante para las
aplicaciones que forman el IFS, y por tanto este hecho nos facilita informacion sobre el
problema inverso, es decir, si tenemos un fractal, y encontramos un cierto n umero de
aplicaciones contractivas que dejan invariante el fractal, entonces puede ser que el IFS
formado por dichas aplicaciones generen el fractal.

Michael Fielding Barnsley (1946) es un matematico e investigador, que ha trabajado

en la comprensi
on fractal. Se le atribuye el descubrimiento del Teorema del Collage.
En el sistema de funciones iteradas, se dedico inicialmente a la compresion fractal
de imagenes (personificado por el helecho de Barnsley) [23]

Definicion 3.4.1. La compresion fractal es un metodo de compresion con perdida para

imagenes digitales, basado en fractales. El metodo es el mas apropiado para texturas e
imagenes naturales, basandose en el hecho de que partes de una imagen, que a menudo,
se parecen a otras partes de la misma imagen. Los algoritmos fractales convierten estas
partes en datos matematicos llamados codigos fractaleslos cuales se usan para recrear la
imagen codificada. [24]

A continuacion demostraremos dos Teoremas del Collage, el primero es el que se

estudia en la asignatura del Modelos matematicos y sistemas dinamicos (2o de grado de
matematicas), y el segundo es un complemento del primero, ya que da estimaciones mas
concretas de la velocidad a la que el IFS converge al atractor.

Teorema 3.4.2. Teorema del Collage 1.

Sea (S, d) un espacio metrico completo. Sea la funcion collage w : S S que actua
sobre el conjunto de compactos del plano. Consideramos el IFS dadas por las contracciones
{w1 , ..., wm }, de manera que:

|wi (A) wi (B)| ci |A B| donde (A, B) S,

con ci < 1 para cada i. Entonces, existe un u

nico atractor F , donde F es compacto y no
vaco, tal que:
m
[
F = wi (F ).
i=1

Ademas, para cualquier compacto E,

lm wk (E) = F ,
k

con la metrica de Hausdorff en S.

Demostracion. Sea (S, d) un espacio metrico. Sea D la metrica de Hausdorff en el espacio

H(S) de compactos de S. Sean A, B S, por lo que:
m
[ m
[
D(w(A), w(B)) = D( wi (A), wi (B)) max D(wi (A), wi (B)),
1im
i=1 i=1

35
 Fractales matematicos

entonces, por la definicion 3.3.3 de la metrica de Hausdorff, tenemos que wi (B)

m
[ m
[
Nr (wi (A)) para todo i (donde r > 0), por lo cual wi (B) Nr ( wi (A)) y tam-
i=1 i=1
m
[
bien tenemos que wi (A) Nr (wi (B)) para todo i (donde r > 0), por lo cual wi (A)
i=1
m
[
Nr ( wi (B)).
i=1
Como |wi (A) wi (B)| ci |A B| con ci < 1 para cada i, tenemos que D(w(A), w(B))
( max ci )D(A, B), de manera que la funcion collage w es una contraccion en el espacio
1im
metrico (S, d)
En la seccion 3.3, hemos demostrado en el Teorema 3.3.6 que como (S, d) es un espacio
metrico completo, entonces (H(S), D) tambien lo es. Y por la definicion 3.2.13, sabemos
que un espacio metrico es completo si y solo si toda sucesion de Cauchy converge en ese
espacio metrico.
Por el Teorema del punto fijo de Banach 3.2.16, w tiene un u nico punto fijo, es decir,
[m
existe un conjunto compacto F S, tal que w(F ) = F y como w(F ) = wi (F ),
i=1
m
[
obtenemos que F = wi (F ) y ademas para cualquier compacto E,
i=1

lm wk (E) = F
k

Teorema 3.4.3. Teorema del Collage 2.

Sea (S, d) un espacio metrico completo. Sea la funcion collage w : S S que actua
sobre el conjunto de compactos del plano. Consideramos el IFS dadas por las contracciones
{w1 , ..., wm }, de manera que:
|wi (A) wi (B)| c |A B| para todo (A, B) S, y c < 1.
Entonces, existe un u
nico atractor F , donde F es compacto y no vaco, tal que:
m
[
F = wi (F ).
i=1

Sea E un subconjunto compacto y no vaco de S. Entonces:

m
[ 1
D(E, F ) D(E, wi (E)) ,
i=1
1c

donde D es la metrica de Hausdorff.

Demostracion. Utilizando la desigualdad triangular en la metrica de Hausdorff:
m
[ [m
D(E, F ) = D(E, wi (E)) + D( wi (E), F ).
i=1 i=1
m
[
Y como F = wi (F ), obtenemos que:
i=1

36
 Fractales matematicos

m
[ m
[ m
[ m
[
D(E, F ) D(E, wi (E)) + D( wi (E), wi (F )) D(E, wi (E)) + c D(E, F ),
i=1 i=1 i=1 i=1

por lo que:
m m
[ [ 1
(1 c)D(E, F ) D(E, wi (E)) D(E, F ) D(E, wi (E)) .
i=1 i=1
1c

37
 Fractales matematicos

4. Dimensi
on fractal
La definicion de dimension que utilizamos habitualmente es la dimension topologi-
ca y es siempre un n umero natural. En cambio, la dimension fractal no siempre es un
n
umero entero. Naturalmente, las dos dimensiones coinciden en el caso de un segmentos,
de un cuadrado o de un cubo, entre otros, pero para los objetos que hemos estudiado
en el captulo 2, por ejemplo para la curva de Koch, veremos que aunque su dimension
topologica es 1, su dimension fractal es 1,261...., por lo que nuestra intuicion conduce a
que la curva de Koch es mas que una curva, pero menos que una superficie.
Estudiaremos la dimension fractal a partir de dos metodos:

1. Dimension de Hausdorff

2. Dimension Box-Counting.

4.1. Dimensi
on topol
ogica
Hay diferentes definiciones de la dimension topologica. Una de ellas es la siguiente:

Definicion 4.1.1. Un conjunto A Rn tiene dimension topologica 0 si para cada punto

de A podemos encontrar un entorno de Rn tan peque
no como deseemos, cuya frontera no
intersecte el conjunto A en ning
un punto.

Por ejemplo, el conjunto de Cantor (recordemos que no tiene ningun punto aislado)
tiene dimension topologica 0.
De hecho todos los conjuntos totalmente disconexos tienen dimension cero.

Definicion 4.1.2. Un conjunto A Rn tiene dimension topologica k > 0 si cada punto

p A posee entornos de Rn arbitrariamente peque
nos cuya frontera intersecta el conjunto
A en un subconjunto de dimension k 1, y ademas k es el n
umero natural mas peque no
con esta propiedad.

Por ejemplo, cualquier segmento o curva tiene dimension 1 ya que existen entornos de
todos sus puntos que intersectan la curva en conjunto de dimension 0. Las figuras planas
mas comunes tienen dimension 2, tal y como muestra la siguiente figura.

Figura 17: Figuras planas de dimension topologica 2

[31]

38
 Fractales matematicos

En cambio, cual es la dimension de los fractales que hemos estudiado en el captulo

2?. Pues sorprendentemente todos tienen dimension 1.
La dimension topologica no es suficientemente buena para medir la compleja dimen-
sion de los fractales.

4.2. Medida y dimensi

on de Hausdorff
4.2.1. Medida de Hausdorff
Para definir la medida de Hausdorff, necesitamos unas definiciones previas.
on 4.2.1. Sea (S, d) un espacio metrico. Sea U un subconjunto no vaco de Rn .
Definici
Entonces, el diametro de U se define como:
|U | = sup {|x y| : x, y U },
es decir, la mayor distancia de cualquier par de puntos de U .
on 4.2.2. Si {Ui }iI es una coleccion de conjuntos finitos de diametro maximo
Definici
[
que cubre a F , es decir F Ui con 0 |Ui | para cada i I, entonces decimos
iI
que {Ui }iI es un -recubrimiento de F .
A partir del siguiente Lema definiremos la medida de Hausdorff.
Lema 4.2.3. Supongamos que F es un subconjunto de Rn y s es un n umero real positivo.
Para cualquier > 0, definimos:
( )
X s
Hs (F ) = nf |Ui | : {Ui }iI es un -recubrimiento de F ,
i=1

de manera que si es cada vez mas peque no, entonces Hs (F ) es cada vez mas grande.
Por lo tanto, el nfimo Hs (F ) se aproxima al lmite cuando 0. Lo escribiremos:
H s (F ) = lm Hs (F ).
0

A H s (F ) se denomina medida exterior s-dimensional de Hausdorff del conjunto F .

Nota. El lmite H s (F ) = lm Hs (F ) existe para cualquier subconjunto F de Rn , aunque
0
el lmite puede ser (y generalmente es) cero o infinito.
Proposici on 4.2.4. Sea (S, d) un espacio metrico, sea F un subconjunto de S y sea la
funcion f : F S, tal que:

|f (x) f (y)| c |x y| parax, y S, (2)

para constantes c > 0 y > 0. Entonces, para cada s:

s s
H (f (F )) c H s (F ).
Demostracion. Por la definicion 4.2.2 sabemos que {Ui }iI es un -recubrimiento de F ,
entonces:
|f (F {Ui })| c |F {Ui }| c |{Ui }| ,

39
 Fractales matematicos

por lo tanto {f (F {Ui })} es un -recubrimiento de f (F ), donde  = c .

s s P s s
En consecuencia, s s
P
i=1 |f (F {Ui })|s c i=1s |Ui | tal que H (f (F )) c H (F ),

como 0 y  0, obtenemos que H (f (F )) c H s (F ).

A la condicion 2 se le llama condicion de Holder de exponente , esta condicion
implica que f sea una funcion continua.
Suponiendo que = 1, obtenemos la siguiente definicion.

on 4.2.5. Sea (S, ds ) y (T, dt ) dos espacio metricos. Una funcion f : S T es

Definici
una funcion Lipschitz si y solo si existe una constante tal que:

ds (f (x) f (y)) dt (x y) para todo x, y S.

A partir de la definicion 4.2.5, obtenemos que la medida de Hausdorff es Lipschitz si:

H s (f (F )) cs H s (F ). (3)

En particular, la ecuacion 3 se cumple para cualquier funcion diferenciable con derivada

acotada.
Si f es una isometra, es decir |f (x) f (y)| = |x y|, entonces H s (f (F )) = H s (F ).

Definicion 4.2.6. Sea (S, ds ) y (T, dt ) dos espacio metricos. Una funcion f : S T es
inversa Lipschitz si y solo si existe una constante tal que:

ds (f (x) f (y)) dt (x y) para todo x, y S.

4.2.2. Dimensi
on de Hausdorff
A partir de la medida de Hausdorff estudiaremos la dimension de Hausdorff.

Teorema 4.2.7. Sea F un conjunto de Borel y sea 0 < s < t.

Si H s (F ) < , entonces H t (F ) = 0.

Si H t (F ) > 0, entonces H s (F ) = .

Para demostrar el teorema 4.2.7 necesitaremos la definicion de -algebra, la definicion

de un conjunto de Borel y un Teorema que nos indica cuando existe una u nica medida
exterior.

Definici
on 4.2.8. Sea F una coleccion de subconjuntos de un conjunto X, se dice que
F es una -algebra de X si y solo si:

1. , X F .

2. Si A F , entonces X A F .
[
3. Si A1 , A2 , ... F , entonces Ai F .
iN

Definici
on 4.2.9. Sea (S, d) un espacio metrico. Un subconjunto de S se llama conjunto
de Borel si y solo si pertenece a la -algebra de S generada por los conjuntos abiertos.

40
 Fractales matematicos

Teorema 4.2.10. Sea X un conjunto, y sea A una familia de subconjuntos de X que

cubren a X. Sea c : A [0, ] una funcion. Existe una u
nica medida exterior M en X
tal que:

1. M (B) c (B) para todo B A.

2. Si N es otra medida exterior de X con N (B) c (B) para todo B A, entonces

N (C) M (C) para todos los C X.

Demostracion. Demostracion Teorema 4.2.7

Por la definicion 4.2.2, sabemos que {Ui } es un -recubrimiento de F , por lo que
|Ui | , entonces:
Ht (U ) |Ui |t ts |Ui |s (si t > s).
Por el Teorema 4.2.10, tenemos que Ht (F ) ts Hs (F ) para todo F .
Comprobaremos que:

1. Si H s (F ) < , entonces H t (F ) = 0.

2. Si H t (F ) > 0, entonces H s (F ) = .

1. Si H s (F ) < , entonces H t (F ) = 0.
Si H s (F ) < , entonces H t (F ) lm ts Hs (F ) = 0 H s (F ) = 0.
0

2. Si H t (F ) > 0, entonces H s (F ) = .
H t (F ) H t (F )
Si H t (F ) > 0, entonces H s (F ) lm = =
0 ts 0

A partir del Teorema 4.2.7 definiremos la dimension de Hausdorff.

Definici nico valor crtico s0 [0, ] tal

on 4.2.11. Dado un conjunto F , existe un u
que:

H s (F ) = para todo s < s0 ,

H s (F ) = 0 para todo s > s0 .

Llamamos al valor s0 dimension de Hausdorff del conjunto F . Lo escribiremos s0 =

dimH (F )

Es posible que H s (F ) = 0 para todo s > 0, en este caso la dimH (F ) = 0. Del mismo
modo, es posible que H s (F ) = para todo s, en este caso la dimH (F ) =

Si s = dimH (F ), entonces H s (F ) puede ser cero o infinito, o puede satisfacer la

siguiente desigualdad:

0 < H s (F ) < ,

41
 Fractales matematicos

tal y como vemos en la siguiente figura:

Figura 18: Dimension Hausdorff

[27]

A continuacion veremos alguna de las propiedades de la dimension de Hausdorff.

Proposici
on 4.2.12. Sea A, B dos conjuntos de Borel.

1. Si A B, entonces dimH (A) dimH (B).

2. dimH (A B) = max {dimH (A), dimH (B)}.

Demostracion. 1. Supongamos que A B. Si s > dimH (B), por la definicion 4.2.11

tenemos que H s (B) = 0, entonces como H s (A) H s (B) = 0, por lo tanto H s (A) =
0 de manera que dimH (A) s. Esto es cierto para todo s > dimH (B), en conslusion
dimH (A) dimH (B).

2. Comprobaremos que dimH (A B) = max {dimH (A), dimH (B)} demostrando las
dos inclusiones.

a) dimH (A B) max {dimH (A), dimH (B)}.

Sea s > max {dimH (A), dimH (B)}. Entonces sea s > dimH (A), por la defini-
cion 4.2.11 tenemos que H s (A) = 0 y sea s > dimH (B), por la definicion 4.2.11
tenemos que H s (B) = 0. Por lo cual, H s (AB) H s (A)+H s (B) = 0+0 = 0.
Por lo tanto, H s (A B) = 0 de manera que dimH (A B) s. Esto es
cierto para todo s > max {dimH (A), dimH (B)}, por lo que obtenemos que
dimH (A B) max {dimH (A), dimH (B)}.
b) dimH (A B) max {dimH (A), dimH (B)}.
Por las propiedades de la union sabemos que A AB y que B AB, enton-
ces por el apartado 1 sabemos que dimH (A) dimH (AB) y que dimH (B)
dimH (A B), de manera que dimH (A B) max {dimH (A), dimH (B)}.

En efecto, dimH (A B) = max {dimH (A), dimH (B)}

[
Proposici
on 4.2.13. Supongamos que A1 , A2 , ... son conjuntos de Borel, entonces dimH ( Ai ) =
i=1
sup dimH (Ai ).
1i<

42
 Fractales matematicos

[
Demostracion. Comprobaremos que dimH ( Ai ) = sup dimH (Ai ) demostrando las
1i<
i=1
dos inclusiones.

[
dimH ( Ai ) sup dimH (Ai ).
1i<
i=1

[
Por la propiedad 2 de la proposicion 4.2.12 sabemos que la dimH ( Ai ) sup dimH (Ai )
1i<
i=1
para cada j.

[
dimH ( Ai ) sup dimH (Ai ).
1i<
i=1
Sea s > sup dimH (Ai ). Entonces, sea s > dimH(Ai ) para todo i, por la definicion
1i<

[
s
4.2.11 sabemos que H (Ai ) = 0 para todo i. Como H ( s
Ai ) H s (A1 ) + H s (A2 ) +
i=1

[
[
s
... = 0+0+.. = 0, por lo tanto H ( Ai ) = 0, de manera que dimH ( Ai ) s. Esto
i=1 i=1

[
es cierto para todo s > sup dimH (Ai ), por lo que obtenemos que dimH ( Ai )
1i<
i=1
sup dimH (Ai ).
1i<

[
En efecto, dimH ( Ai ) = sup dimH (Ai ).
1i<
i=1

Teorema 4.2.14. Sea (S, ds ) y (T, dt ) dos espacio metricos. Sea f : S T una funcion
semejante con razon r > 0. Sea s un n umero real positivo, y sea F S un conjunto.
s s s
Entonces, H (f [F ]) = r H (F ), por lo cual la dimH (f [F ]) = dimH (F ).
Demostracion. Supongamos que T = f [s]. Entonces, f tiene una inversa f 1 . Sea A
un conjunto tal que A S, satisface que diam(f [A]) = r diam(A). Por lo tanto,
(diam(f [A]))s = rs (diam(A))s . Aplicando el Teorema 4.2.10 dos veces, obtenemos que
s
Hr (f [F ]) = rs Hs (F ). Por lo cual, H s (f [F ]) = rs H s (F ) y dimH (f [F ]) = dimH (F ).
Proposici on 4.2.15. Sea (S, ds ) y (T, dt ) dos espacio metricos. Sea f : S T una
funcion. Sea F S un conjunto de Borel. Si f es Lipschitz, entonces dimH (f [F ])
dimH (F ).
La demostracion de la proposicion 4.2.15 requiere un Corolario previo.
Corolario 4.2.16. Sea (S, ds ) y (T, dt ) dos espacio metricos. Sea F S y supongamos
la funcion f : S T que verifica la condicion de Holder |f (x) f (y)| c |x y| para
x, y S. Entonces, dimH (f (F )) 1 dimH (F ).
Demostracion. Supongamos s un n umero real positivo, tal que s > dimH (F ), por la defi-
nicion 4.2.11 tenemos que H (F ) = 0. Por la proposicion 4.2.4 tenemos que H s/ (f (F ))
s

cs/ H s (F ). Por lo tanto, H s/ (f (F )) cs/ H s (F ) = 0, de manera que H s/ (f (F )) = 0,

por lo cual dimH (f (F )) s es cierto para todo s > dimH (F ). En efecto, dimH (f (F ))
1

dimH (F ).

43
 Fractales matematicos

Ahora ya podemos pasar a demostrar la proposicion 4.2.15.

Demostracion. de la proposicion 4.2.15.
Supongamos = 1 en la demostracion de la proposicion 4.2.16, entonces obtenemos
que dimH (f (F )) dimH (F ).

4.3. Dimensi
on de Box-Counting
La dimension de Box-Counting o tambien llamada la dimension de Minkowski-Bouligard,
es otra forma de determinar la dimension fractal de un conjunto F en un espacio metrico
(S, d).
Una manera sencilla de explicar la dimension de Box-Counting es, tenemos un fractal
cualquiera y lo dividimos en cuadrados de lado r, contamos cuantos cuadrados han sido
necesarios para cubrir todo el fracta. No es una definicion formal, pero nos ayuda a tener
una idea de lo que estudiaremos a continuacion.

Definici
on 4.3.1. Sea F un subconjunto acotado y no vaco, sea N (F ) el entorno que
cubre a F de diametro maximo . Definimos la dimension inferior y superior de Box-
Counting como:

dimB (F ) = lm log(N (F ))
log()
= lm log(N (F ))
log( 1 )
,
0 0

dimB (F ) = lm log(N (F )) = lm log(N1(F )) .

0 log() 0 log( )

Si la dimension inferior y superior coinciden, entonces el valor del lmite es la dimension

de Box-Counting, y se define como:

dimB (F ) = lm log(N (F ))
log()
= lm log(N (F ))
log( 1 )
.
0 0

Nota. Para evitar problemas con log(0) o bien log(), consideramos que las cajas de
dimension r son conjuntos no vacos.

Teorema 4.3.2. Sea (S, d) un espacio metrico y sea F un subconjunto de S. Sea n = Crn
para 0 < r < 1, C > 0 y n = 1, 2, 3, ... . Si

dimB (F ) = lm log(N n (F ))
log( 1 )
,
n0 n

entonces, F tiene dimension fractal dimB (F ).

Antes de demostrar el Teorema 6, necesitaremos el Teorema del Sandwich.

Teorema 4.3.3. Teorema del sandwich.

Sea I un intervalo que contiene un punto a, y sean f, g y h funciones definidas en I,
exceptuando quizas el mismo punto a. Supongamos que para todo x en I diferente de a
tenemos:

g(x) f (x) h(x),

y supongamos tambien que:

lm g(x) = lm h(x) = L.
xa xa

Entonces:

44
 Fractales matematicos

lm f (x) = L.
xa

Demostracion. Demostraremos que para todo  > 0 existe > 0 tal que para todo x con
0 < |x a| < , tenemos  < f (x) L < .
Como lm g(x) = L, significa que para todo  > 0 existe 1 > 0 tal que para todo x
xa
con 0 < |x a| < 1 tenemos
 < g(x) L < . (4)
Como lm h(x) = L, significa que para todo  > 0 existe 2 > 0 tal que para todo x
xa
con 0 < |x a| < 2 tenemos
 < h(x) L < . (5)
Sabemos por hipotesis que g(x) f (x) h(x), por lo que g(x) L f (x) L
h(x) L, supongamos que < 1 y < 2 . Entonces si 0 < |x a| < , combinando la
ecuacion 4 y la ecuacion 5, obtenemos:
 < g(x) L f (x) L h(x) L <   < f (x) L < .
En efecto, lm f (x) = L.
xa

Nota. Las funciones g y h se dicen que son lmites inferior y superior respectivamente de
I.
Demostracion. del Teorema 6
Sean r, C > 0, y sea la sucesion E = {n : n = 1, 2, 3, ...}. Definimos f () = max {n E : n }.
Supongamos que  r. Entonces:
f ()
f ()  r
,
y
Nf () (F ) N (F ) N f () (F ).
r

Dado que log(x) es una funcion positiva y creciente para x 1, obtenemos que:
log(N f () (F ))
log(Nf () (F ))
r
1 log(N (F )) r .
log( f () ) |{z} log( 1 ) |{z} log( f () )
2 1

Supongamos que N (F ) cuando  0, sino el Teorema no sera cierto. Entonces

por la desigualdad 1:

log(Nf () (F )) log(Nn (F )) log(Nn (F )) log(Nn (F ))

lm r = lm r = lm 1 = lm (6)
0 log( f () ) n log( n ) n log(r) + log( )
n
n log( 1n )

Entonces, por la desigualdad (2):

log(N f () (F )) log(Nn1 (F )) log(Nn1 (F )) log(Nn (F ))

r
lm 1 = lm 1 = lm 1 1 = lm
0 log( f () )
n log( n ) n log( ) + log(
r n1
) n log( 1n )
(7)
Como  0, la ecuacion 6 y la ecuacion 7 tienen el mismo valor. Por el Teorema 4.3.3,
obtenemos que dimB (F ) tendra el mismo valor que la ecuacion 6 y la ecuacion 7. Por lo
tanto, dimB (F ) = lm log(N n (F ))
log( 1 )
.
n0 n

45
 Fractales matematicos

4.4. Relaci
on entre la dimensi
on de Hausdorff y Box-Counting
Una vez estudiada la dimension de Hausdorff y de Box-Counting, veremos la relacion
que hay entre ambas dimensiones.

Teorema 4.4.1. Sea (S, d) es un espacio metrico y sea F es un subconjunto de S.

DimB (F ) denota la dimension fractal Box-Counting de F y dimH (F ) denota la dimen-
sion fractal Hausdorff de F . Entonces:

dimH (F ) dimB (F ) dimB (F ).

Demostracion. Si F se puede cubrir por N (F ) entornos de diametro , por)el Lema 4.2.3

(
X
sabemos que Hs (F ) = nf |Ui |s : {Ui }iI es un -recubrimiento de F , de manera
i=1
que Hs (F ) N (F ) s .
Si 1 < H s (F ) = lm Hs (F ), entonces 1 < N (F ) s . Aplicando logaritmos, obtenemos
0
que 0 < log N (F ) + s log() si es suficientemente peque
no. Por lo tanto, despejando s
log N (F ) log N (F )
de la ecuacion, obtenemos que s < log() , por lo que s lm , en efecto:
0 log()

dimH (F ) dimB (F ) dimB (F ).

En general la definicion 4.3.1 de Box-Counting nos dice que N (F )

= s para
peque
no, donde s = dimB (F ).
Mas concretamente, si decimos que:

N (F ) = si s < dimB (F ),
N (F ) = 0 si s > dimB (F ),

pero,

s : {Ui } es finito y es un recubrimiento de F }

P
N (F ) = nf { i

si lo comparamos con,
( )
X s
Hs (F ) = nf |Ui | : {Ui }iI es un -recubrimiento de F ,
i=1

tenemos que al calcular la dimension de Hausdorff, asignamos diferentes tama nos |Ui |s a
los conjuntos que cubren Ui , mientras que en la dimension de Box-Counting utilizamos
el mismo tama no s para conjuntos que cubren a Ui .
Es decir la dimension de Box-Counting se puede pensar que es mas eficiente, porque
un conjunto lo podemos recubrir por peque nos grupos del mismo tama no, en cambio
en la dimension de Hausdorff tambien hacemos recubrimientos peque nos pero quizas de
tamanos distintos.
A continuacion calcularemos la dimension de algunos de los ejemplos fractales geometri-
cos que hemos estudiado en el captulo 2.

46
 Fractales matematicos

Conjunto de Cantor.
Paso 1: Cubrimos el conjunto de Cantor con N (r1 ) = 2 cuadrados de lado r = 13 ,
tal y como vemos en la siguiente figura:

Figura 19: Dimension fractal, paso 1

[28]

Paso 2: Cubrimos el conjunto de Canto con N (r1 ) = 4 cuadrados de lado r = 91

(hemos reducido el lado del cuadrado 31 respecto al paso anterior), tal y como vemos
en la siguiente figura:

Figura 20: Dimension fractal, paso 2

[28]

1
Paso 3: Cubrimos el conjunto de Cantor con N (r1 ) = 8 cuadrados de lado r = 27
(hemos reducido el lado del cuadrado 31 respecto al paso anterior), tal y como vemos
en la siguiente figura:

Figura 21: Dimension fractal, paso 3

[28]

Aplicando el razonamiento n veces, obtenemos que cubriremos el conjunto de Cantor

1 n


con N (rn ) = 3 cuadrados de lado r = 2n .
Por lo que, por la definicion 4.3.1 sabemos que:

log(2n ) n log(2) log(2)

dimB = lm n
= lm = 0,62989
n0 log(3 ) n0 n log(3) log(3)

Triangulo de Sierpinski.
Paso 1: Cubrimos el triangulo de Sierpinski con N (r1 ) = 3 cuadrados de lado r = 12 ,
tal y como vemos en la siguiente figura:

47
 Fractales matematicos

Figura 22: Dimension fractal, paso 1

[29]

Paso 2: Cubrimos el triangulo de Sierpinski con N (r1 ) = 9 cuadrados de lado r = 21

(hemos reducido el lado del cuadrado 21 respecto al paso anterior), tal y como vemos
en la siguiente figura:

Figura 23: Dimension fractal, paso 2

[29]

Paso 3: Cubrimos el triangulo de Sierpinski con N (r1 ) = 27 cuadrados de lado r = 81

(hemos reducido el lado del cuadrado 31 respecto al paso anterior), tal y como vemos
en la siguiente figura:

Figura 24: Dimension fractal, paso 3

[29]

Aplicando el razonamiento

n n veces, obtenemos que cubriremos el triangulo de Sier-
pinski con N (rn ) = 12 cuadrados de lado r = 3n .
Por lo que, por la definicion 4.3.1 sabemos que:

log(3n ) n log(3) log(3)

dimB (F ) = lm n
= lm = = 1, 58996.
n0 log(2 ) n0 n log(2) log(2)

48
 Fractales matematicos

Curva de Koch.
Paso 1: Cubrimos la curva de Koch con N (r1 ) = 3 cuadrados de lado r = 13 , tal y
como vemos en la siguiente figura:

Figura 25: Dimension fractal, paso 1

[30]

Paso 2: Cubrimos la curva de Koch con N (r1 ) = 12 cuadrados de lado r = 91 (hemos

reducido el lado del cuadrado 13 respecto al paso anterior), tal y como vemos en la
siguiente figura:

Figura 26: Dimension fractal, paso 2

[30]

1
Paso 3: Cubrimos la curva de Koch con N (r1 ) = 48 cuadrados de lado r = 27 (hemos
1
reducido el lado del cuadrado 3 respecto al paso anterior), tal y como vemos en la
siguiente figura:

Figura 27: Dimension fractal, paso 3

[30]

Por lo que, por la definicion 4.3.1 sabemos que:

log(3 4n1 ) (n 1) log(4) + log(3)

dimB (F ) = lm n
= lm =
n0 log(3 ) n0 n log(3)
n log(4) log(4) + log(3) log(4)
lm = 1, 26186.
n0 n log(3) log(3)

49
 Fractales matematicos

A partir de los ejemplos anteriores, demostraremos la siguiente proposicion.

Proposici on 4.4.2. Sea (S, d), un espacio metrico. Sea F un conjunto acotado y no
vaco, sea n el n
umero de afinidades tal que forman F . Sea r el factor de contraccion tal
que 0 < r < 1. Definimos la dimension fractal, como:
log(n)
dimf ractal = log(r)
.
Demostracion. Demostraremos dicha proposicion por induccion.
Supongamos un conjunto cualquier F , que representaremos en una cuadrcula. Apli-
camos un factor de contraccion r, de manera que contabilizaremos cuantos cuadrados de
lado a son necesario para cubrir dicho conjunto. Por lo que, necesitaremos n cuadrados
con factor de contraccion r. Por lo tanto, ra 7 n
Repetimos el proceso, de manera que aplicamos un factor de contraccion r2 y seran
necesarios n2 cuadrados de lado a para cubrir el conjunto F . Por lo tanto: r2 a 7 n2
Repitiendo el proceso k veces, obtenemos que son necesarios nk cuadrados de lado a
con factor de contraccion nk . Por lo tanto, rk a 7 nk .
Por lo que:
log(nk ) k log(n) log(n) log(n)
dimf ractal = lm k
= lm = lm log(a)
=
k log(r a) k log(a) + k log(r) k + log(r) log(r)
k

4.5. Aplicaciones
Podemos pensar que los fractales son meras curiosidades de las matematicas sin ningu-
na utilidad, sin embargo son una herramienta importante a la hora de estudiar fenomenos
complejos.
A continuacion indicaremos algunas de sus aplicaciones, aunque tenemos que tener en
cuenta que hay muchas mas.
Comprension de imagenes.
El almacenamiento digital de imagenes, esta formada por millones de pxeles o
puntos de diferentes colores, y pueden ocupar mucha memoria. Por lo que, existen
muchos algoritmos para comprimir las imagenes, con el objetivo de almacenar la
informacion de una manera eficiente que reduzca el espacio que ocupa. Por ejemplo,
las imagenes que guardamos habitualmente en jpeg o gif, utilizan dicha compren-
sion.

Arte fractal.
Los fractales se pueden aplicar de una forma artstica, de manera que puedan re-
producir paisajes generados a partir de sistemas de funciones iteradas, tal y como
hemos descrito en el captulo 2, pero de forma mas complejos. Como hemos indi-
cado en la introduccion, dicho arte se ha utilizado en pelculas como Star Wars
(1977 - 2005) y Star Trek (1979 - 2013), tambien es utilizado en la programacion
de videojuegos.

Dimension fractal en la cromatina.

La cromatina es un material fibroso dentro del n ucleo de las celulas, que contiene
el material genetico. La cromatina tiende a replegarse en s misma.

50
 Fractales matematicos

Es posible estimar la dimension fractal de este material. Los cientficos del centro de
investigaciones Monte Sina de Nueva York han demostrado que existe una relacion
entre la dimension fractal de la cromatina y el cancer de mama.

Analisis de la estructura osea.

La alteracion de la estructura osea, y el descenso de la masa osea, contribuye a
que un paciente con osteoporosis sufra una fractura. Los metodos tradicionales de
medida de la masa osea no parecen muy eficientes a la hora de diagnosticar el riesgo
de fractura en estos pacientes. Por ello, numerosos equipos de radiologa han desa-
rrollado metodos para estimar la dimension fractal de la estructura osea, utilizando
tomografas computerizadas adecuadas (TAC). Estas medidas han demostrado que
son mas eficientes a la hora de predecir los riesgos de fractura.

51
 Fractales matematicos

Anexo

#include<stdio.h>
#include<stdlib.h>
#include<math.h>

int main(void)
{
int i, k, j, w, b, n, c, contador;
double I1, I2, aux, a;
double *x;

printf("Introduzca iteracion del conjunto de Cantor a calcular: ");

scanf("%d",&n);

//reservamos memoria
x= (double*)malloc((pow(2,n))*sizeof(double));
if (x==NULL)
{
printf("Error reservando memoria");
exit (1);
}

//iteracion inicial del conjunto de Cantor

x[0]=0.;
x[1]=1.;

//segunda iteracion del conjunto de Cantor

x[0]=0.;
x[1]=1./3.;
x[2]=2./3.;
x[3]=1.;

//partimos de j=4 porque mantenemos la informacion de los vectores

anteriores.
j=4;
for(i=2; i<n; i++)
{
//calculamos el tamao del intervalo de cada iteracin
a=(x[1]-x[0])/3.;
//w indica la posicin del vector que necesitamos para calcular el
nuevo extremo del conjunto de Cantor
w=1;
k=j;
//calculamos los nuevos extremos del conjunto de Cantor
while(w<k)
{
x[j]=x[w-1]+a;
x[j+1]=x[j]+a;
w = w + 2;
j = j + 2;
}
//reordenamos todos los extremos con el mtodo de la burbuja
for(b=0; b<j; b++)
{
for(c=b+1; c<j; c++)
{

if(x[b]>x[c])
{

52
 Fractales matematicos

aux = x[c];
x[c]=x[b];
x[b]=aux;
}
}
}
}

//comprobamos que 1/4 no pertenece a ningn extremo del conjunto de

cantor
contador=0;
for(i=0; i<(pow(2,n)); i++)
{
if(x[i]!=1./4.)
{
contador=contador+1;
}
}
if(contador==(pow(2,n)))
{
printf("El punto 1/4 no es un extremo del conjunto de Cantor.\n\n");
}

//miramos en que intervalo est el punto 1/4

for(i=0; i<(pow(2,n)); i++)
{
if(x[i]>(1./4.))
{
I1=x[i-1];
break;
}
}
for(i=((pow(2,n))-1); i>=0; i--)
{
if(1./4.<x[i])
{
I2=x[i];
}
}

//imprimimos en que intervalo est el punto 1/4

printf("El punto 1/4 se encuentra en el intervalo (%lf,%lf).\n\n",
I1,I2);

//imprimimos el conjunto de cantor que hemos obtenido

printf("Los intervalos del conjunto de Cantor en la iteracin %d
son:\n", n);
for(i=0; i<(pow(2,n)); (i=i+2))
{
printf("(%lf,%lf)\n", x[i],x[i+1]);
}
return 0;
}

53
 Fractales matematicos

Bibliografa
[1] G. Ferdinand Ludwing Philipp Cantor: [Link]
Cantor

[2] Imagen del conjunto de Cantor: [Link]

Cantor

[3] E. Lines: Principios de Analisi matematico. Editorial Reverte S.A., 1991. Pagina 417.

[4] W. Franciszek Sierpenkins: [Link]

[5] Imagen del triangulo de Sierpinski: [Link]

ifskit/gallery/[Link]

[6] Imagen de la alfombra de Sierpinski: [Link]

Sierpinski_carpet_6.png

[7] Imagen de la curva de Sierpinski: [Link]

[Link]

[8] Imagen de la construccion del triangulo de Sierpinski. G. Edgar: Measure, topology,

and fractal geometry. Editorial Board, Second Edition. Pagina 8.

[9] N. Fabian Helge von Koch [Link]

[10] Imagen de la construccion de la curva de Koch con triangulos: G. Edgar: Measure,

topology, and fractal geometry. Editorial Board, Second Edition. Pagina 19.

[11] Imagen de la construccion de la curva de Koch con segmentos: [Link]

[Link]/wiki/Ficheiro:Koch_snowflake0192.png

[12] Imagen copo de Koch: [Link]

de_Koch

[13] Imagen curva del dragon: [Link]

del_dragon_formacion.png

[14] Imagen curva de dragon con angulo 1200 : G. Edgar: Measure, topology, and fractal
geometry. Editorial Board, Second Edition. Pagina 23.

[15] Imagen Fudgeflake: [Link]

Spring09FractalILS/handouts/[Link]

[16] Imagen Sierpinski dragon: G. Edgar: Measure, topology, and fractal geometry. Edi-
torial Board, Second Edition. Pagina 23.

[17] G. Maurice Julia: [Link]

[18] Imagen Conjunto de Julia: G. Edgar: Measure, topology, and fractal geometry. Edi-
torial Board, Second Edition. Pagina 28.

54
 Fractales matematicos

[19] Fecha del Teorema del Collage: [Link]

penalty\@M\hskip\z@skip\unhbox\voidb@x\bgroup\let\unhbox\voidb@
x\setbox\@tempboxa\hbox{o\global\mathchardef\accent@spacefactor\
spacefactor}\accent19o\egroup\spacefactor\accent@spacefactor\penalty\
@M\hskip\z@skip\setbox\@tempboxa\hbox{o\global\mathchardef\accent@
spacefactor\spacefactor}\spacefactor\accent@spacefactorn_fractal

[20] Imagen reflexion y rotacion: G. Edgar: Measure, topology, and fractal geometry.
Editorial Board, Second Edition. Pagina 48.

[21] Imagen traslacion: G. Edgar: Measure, topology, and fractal geometry. Editorial
Board, Second Edition. Pagina 48.

[22] F. Hausdorff: [Link]

[23] M. Fielding Barnsley: [Link]

[24] Definicion de comprension fractal: [Link]

fractal

[25] M. Barnsley: Fractals everywhere. Editorial Academic Press Professional, Second

Edition. Pagina 94.

[26] Imagen de la distancia de Hausdorff: url[Link]

recurrentes/documentacion/[Link]

[27] K. Falconer: Fractal Geometry, Mathematical Foundations and Aplications. Editorial

Wiley, Second Edition. Pagina 31.

[28] Imagen del conjunto de Cantor para calcular la dimension fractal:

url[Link]

[29] Imagen del triangulo de Sierpinski para calcular la dimension fractal:

url[Link]

[30] Imagen de Koch para calcular la dimension fractal:

url[Link]

[31] Imagen de figuras planas: url[Link]

[Link]

55