You are on page 1of 74

Ensalada de Matematicas

Jose Galaviz Casas

Monica Lenero Padierna

Indice general

1 La Raz
on Aurea
1.1 De donde surge . . . . . . .
1.2 El rect
angulo
aureo . . . . .
1.3 La sucesi
on de Fibonacci . .
1.4 La espiral logartmica . . .
1.5 La estrella de cinco puntas .
1.6 Filotaxis, el cuerpo humano,

. . . .
. . . .
. . . .
. . . .
. . . .
el arte

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

1
1
5
7
10
12
13

2 El Conjunto de Cantor
2.1 Introducci
on . . . . . . . .
2.2 Medida y cardinalidad . .
2.3 Propiedades Topol
ogicas.
2.4 Algo M
as. . . . . . . . . .
2.5 Generalizaciones. . . . . .
2.6 Conclusiones. . . . . . . .

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

15
15
16
20
24
26
27

.
.
.
.
.
.
.
.
.

29
29
30
31
32
33
33
35
36
40

.
.
.
.
.
.

3 Fractales y recursi
on
3.1 Introducci
on. . . . . . . . . .
3.1.1 Dimensi
on fractal . . .
3.1.2 Algoritmos recursivos
3.2 La Curva Tri
adica de Koch. .
3.2.1 Permetro . . . . . . .
3.2.2
area . . . . . . . . . .
3.2.3 Dimensi
on Fractal . .
3.3 El Algoritmo. . . . . . . . . .
3.4 Conclusiones. . . . . . . . . .

.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

ticas
Ensalada de Matema
3.5

Bibliografa. . . . . . . . . . . . . . . . . . . . . . . . . . . . .

40

4 El Problema de las Hormigas Enamoradas y mal Corresponfidas


4.1 Descripci
on del Problema . . . . . . . . . . . . . . . . . . . .
4.2 Soluci
on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.3 Generalizaci
on . . . . . . . . . . . . . . . . . . . . . . . . . .
4.4 Longitud de la Trayectoria . . . . . . . . . . . . . . . . . . . .

41
41
41
43
44

5 Teselaciones
5.1 Cubriendo el plano con polgonos
5.2 Cubriendo el plano con polgonos
5.3 Enlosados aperiodicos . . . . . .
5.4 Bibliografa . . . . . . . . . . . .

.
.
.
.

45
45
48
52
52

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

55
55
55
56
58
58
60
60
61
63
64
64
64
65
65
66
66
67
67
67
69

regulares congruentes
regulares diferentes . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .

6 Un poco de caos
(el mapeo logstico)
6.1 Introducci
on. . . . . . . . . . . . . . . . . . . . . .
6.1.1 Funciones. . . . . . . . . . . . . . . . . . . .
6.1.2 El mapeo logstico. . . . . . . . . . . . . . .
6.1.3 Sistemas dinamicos. . . . . . . . . . . . . .
6.1.4 Diagramas de telara
na. . . . . . . . . . . .
6.2 El regimen estable. . . . . . . . . . . . . . . . . . .
6.2.1 Puntos fijos. . . . . . . . . . . . . . . . . . .
6.2.2 Puntos periodicos (voy y vengo). . . . . .
6.2.3 El germen de la complejidad. . . . . . . . .
6.3 El regimen caotico. . . . . . . . . . . . . . . . . . .
6.3.1 Surgimiento del caos. . . . . . . . . . . . . .
6.3.2 Remansos de orden. . . . . . . . . . . . . .
6.3.3 El ordenamiento de Sarkovsky. . . . . . . .
6.3.4 El esqueleto del diagrama de bifurcaciones.
6.3.5 Los descubrimientos de Feigenbaum. . . . .
6.4 Las cualidades del caos. . . . . . . . . . . . . . . .
6.4.1 Todos desparramados. . . . . . . . . . . .
6.4.2 Cuando los hermanos se separan. . . . . . .
6.5 Comentarios finales. . . . . . . . . . . . . . . . . .
6.6 Lecturas complementarias. . . . . . . . . . . . . . .

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

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

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

.
.
.
.

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

.
.
.
.

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

La Raz
on Aurea
1.1

De donde surge

Supongamos que tenemos dos segmentos de recta con longitudes A y B.


A es un segmento m
as largo que B; por ejemplo: A = 6 y B = 4. Estos
segmentos guardan cierta relaci
on entre s, en nuestro ejemplo B cabe una
y media veces en A esto se expresa por la razon (cociente):
6
3
A
= =
B
4
2
Ahora quisieramos tener un segmento de recta de longitud C de tal
forma que C guarde la misma proporcion respecto a A que la proporcion de
A respecto a B, es decir queremos que A quepa una y media veces en C.
Esto lo expresamos asi:
A
C
=
B
A
o bien, si ponemos los valores de las longitudes:
C
6
=
4
6
Cuanto debe medir C para que esto ocurra? La respuesta la obtenemos
con lo que conocemos como una regla de tres:
C =6

6
36
=
=9
4
4

Esto significa que C es tan grande respecto a A como A lo es respecto


a B. B cabe una y media veces en A y A cabe una y media veces en C, la

ticas
Ensalada de Matema
proporci
on entre A y B es igual que la proporcion entre C y A. Si vieramos
a A y B juntos y luego nos pararamos mas lejos vieramos a C y A juntos no
notaramos la diferencia. Estas razones o proporciones o tama
nos relativos,
como se les quiera llamar, es lo que nos ocupara el resto de este trabajo.
Ahora cambiemos el problema. Supongamos que queremos encontrar,
no la longitud de un segmento, sino la proporcion entre dos segmentos A y
B de tal forma que cumpla con alguna condicion. Por ejemplo que la razon
A/B sea igual a la razon (A + B)/A, esto es, que la relacion que existe entre
A (segmento largo) y B (segmento corto) sea la misma que existe entre el
segmento que resulta de sumar las longitudes de A y B (que ahora hace las
veces del segmento largo) y la de A (que ahora es el corto). Esto es:
A
A+B
=
B
A

(1.1.1)

Esto es equivalente a:
A2 = A B + B 2
de donde:
A2 A B B 2 = 0
dividiendo por B 2 tenemos:
A
A2
1=
2
B
B

A
B

2

A
1=0
B

Lo que queremos obtener es el valor que debe tener A/B as que si llamamos
x a A/B tenemos:
x2 x 1 = 0
(1.1.2)
y esto es f
acil de resolver. Sabemos que las soluciones reales de una ecuacion
de la forma a x2 + b x + c = 0 son:

b + b2 4ac
x1 =
(1.1.3)
2a
b b2 4ac
x1 =
(1.1.4)
2a
En nuestro caso las soluciones son:

1+ 14(1)(1)
x1 =
2(1)

1 14(1)(1)
x2 =
2(1)

1+ 5
=
2
1 5
=
2

(1.1.5)
(1.1.6)


n Aurea
La Razo

Aproximadamente: x1 = 1.618033988749895 y x2 = 0.6180339887498949.


Como nos interesa encontrar una relacion entre A y B, que son longitudes de
segmento y por tanto son cantidades positivas, la solucion x2 no nos interesa
mayormente. x1 s y de hecho le vamos a cambiar el nombre, de ahora en
adelante le llamaremos , la raz
on a
urea.

1+ 5
=
1.618 . . .
2

(1.1.7)

es la raz
on A/B que satisface 1.1.1.
Al ver los valores aproximados de x1 y x2 a uno se le ocurre que x2 =
(x1 1) = 1 x1 , es decir

x1 = 1 x2

(1.1.8)

Esto es f
acil de verificar:

1 x2

!
1
5
= 1

2
2

5
1
=
+
2
2
= x1

Adem
as ocurre que:

1
= x2
x1

(1.1.9)

ticas
Ensalada de Matema
porque:
1
x1

=
=
=
=
=
=
=
=

1+ 5
2

2
=
1+ 5

2
51

1+ 5 51


2 51



5+1
51


2 51
2
5 12


2 51
4 
1 5
2
x2

Combinando 1.1.8 y 1.1.9 obtenemos


= x1 = 1 x2 = 1 +

1
1
=1+
x1

(1.1.10)

Otra propiedad interesante es:


2 = 1 +
esto ocurre porque:
2 =
=
=
=
=
=

!2
1+ 5
2

1
5 5
+
+
4 2
4
6
5
+
4 2
3+ 5
2

1+ 5
1+
2
1+

(1.1.11)


n Aurea
La Razo

De hecho esta u
ltima propiedad implica que:
n = n1 + n2

(1.1.12)

porque si multiplicamos 1.1.11 por obtenemos: 3 = + 2 , si multiplicamos otra vez por : 4 = 2 + 3 y as sucesivamente.
De 1.1.10 podemos concluir que 1.1.12 se cumple tambien para potencias
negativas, si usamos el hecho de que 1 = 0 podemos reescribir 1.1.10 como
= 0 + 1 , dividiendo por 2 obtenemos: 1 = 2 + 3 y as podemos
continuar dividiendo sucesivamente entre .
La primera vez que apareci
o en la historia la razon aurea fue en el libro
II de los Elementos de Euclides, la obra fundamental de la geometra. All
se plantea el problema de encontrar un punto R dentro de un segmento de
lnea P Q de tal forma que el
area del cuadrado de lado P R sea igual a la
del rect
angulo de lados P Q y RQ, es decir P R P R = P Q RQ, o lo que
es lo mismo:
PR
PQ
P R + RQ
=
=
RQ
PR
PR
lo que, como sabemos ya, es la definicion de .

1.2

El rect
angulo
aureo

Imaginemos ahora que tenemos un rectangulo con lados de longitud A


(largo) y B (corto) que satisfacen la relacion A/B = . Este no es un
rectangulo cualquiera, se le llama rect
angulo
aureo y tiene propiedades muy
interesantes.
Es f
acil construir un rect
angulo aureo (vease figura 1.1). Imaginemos que
tenemos un segmento de recta cualquiera ab, a la longitud de ese segmento
le llamaremos B.
1. Localizamos el punto medio del segmento, al que llamaremos p.
2. Trazamos un segmento de recta perpendicular a ab en uno de sus
extremos, digamos b. Este segmento es entonces bc y mide lo mismo
que ab, es decir B.
3. Apoyando el comp
as en p lo abrimos hasta c y trazamos el arco de circunferencia hasta que intersecte la recta sobre la que esta el segmento
original ab. Llamemos i al punto de interseccion.
4. Prolongamos el segmento original hasta llegar a la interseccion con el
arco, el segmento resultante ai esta en relacion respecto al segmento
original ab y es por tanto el lado largo del rectangulo buscado.

ticas
Ensalada de Matema

Figura 1.1: Construccion de un rectangulo aureo.


5. El lado corto del rectangulo debe medir B. As que no hay mas que
copiar bc en los extremos de ai y luego copiar ai para completar el
rect
angulo.
Imaginemos nuestro rectangulo aureo de lados cuyas longitudes son A y
B, donde A es la medida del lado largo. Dado que A > B podemos trazar
una lnea perpendicular a los lados A del rectangulo que lo divida en dos
trozos: un cuadrado de lado B y un rectangulo de lados B y A B. En
ese peque
no rect
angulo el lado largo mide B y el corto A B. Si la razon
de los lados del rect
angulo grande es A/B = resulta que en el rectangulo
peque
no: B/(A B) = .
Esto es f
acil de probar, multiplicando por 1 = B/B la relacion en el
rect
angulo peque
no tenemos:
B
=
AB

A
B

1
1
=

1
1

pero de 1.1.10 tenemos que: 1 = 1/ as que:


B
1
= 1 =
AB

Ah! el rect
angulo peque
no es tambien un rectangulo aureo (vease figura
1.2); al que, por cierto, podemos aplicarle el mismo procedimiento anterior:


n Aurea
La Razo

Figura 1.2: Construcci


on de un n
umero infinito de rectangulos aureos a
partir de uno dado.
dividirlo en un cuadrado y un rectangulo que volvera a ser aureo. Este
procedimiento lo podemos repetir hasta el infinito obteniendo rectangulos
aureos cada vez m
as peque
nos dentro de los anteriores.
Por supuesto tambien podemos hacer el proceso inverso. Dado un rectangulo
aureo ponerle junto un cuadrado cuyo lado sea tan largo como el lado largo
del rect
angulo y el resultado sera un nuevo rectangulo aureo mas grande. Podemos tambien continuar este proceso indefinidamente obteniendo
rectangulos
aureos cada vez m
as grandes.

1.3

La sucesi
on de Fibonacci

Podemos utilizar el u
ltimo proceso descrito para trazar una aproximaci
on al rect
angulo
aureo. Es una aproximacion porque el rectangulo que
construiremos no posee la relaci
on entre sus lados, pero podemos acercarnos tanto como queramos a dicha relacion. Comencemos con un cuadrado
de lado 1 cm.; junto a el ponemos otro cuadrado del mismo tama
no. Esta
es nuestra primera aproximaci
on a un rectangulo aureo, los lados estan el la
relacion 2/1 = 2 que no se parece mucho a 1.618 ciertamente. Luego, junto
a este rect
angulo trazamos un cuadrado de lado igual a la suma de los lados
del rect
angulo, es decir 2. Este nuevo rectangulo tiene lados de longitud 3

ticas
Ensalada de Matema

Figura 1.3: Aproximacion al rectangulo aureo usando la sucesion de Fibonacci.


y 2 que est
an en la relacion: 3/2 = 1.5 que se parece un poco mas a .
Continuamos el proceso ahora trazando un cuadrado de lado 5 al lado del
rect
angulo que tenemos, ahora la relacion es: 5/3 1.666 . . . , ya nos acercamos un poco m
as. El siguiente cuadrado sera de lado 8 y genera la relacion
8/5 = 1.6, el siguiente sera de lado 13 y genera la relacion 13/8 = 1.625.
As podemos continuar indefinidamente y conforme mas avancemos en este
proceso m
as nos acercamos a un rectangulo aureo perfecto (vease figura 1.3).
La sucesi
on de las longitudes de los lados de los cuadrados que usamos:
1, 1, 2, 3, 5, 8, 13, . . . es la conocida como sucesi
on de Fibonacci y puede expresarse brevemente diciendo que:

xi =

1
xi1 + xi2

si i = 0 o i = 1
en otro caso

(1.3.13)

Lo que nos recuerda la expresion 1.1.12.


Esta sucesi
on surge de un problema planteado en 1202 por Leonardo de
Pisa, el hijo de un comerciante llamado Bonaccio, como en latn el hijo de
Bonaccio se dice algo as como filius Bonacci se le quedo el nombre, con el
que lo conocemos an la actualidad: Fibonacci. Fibonacci escribio un libro, el
liber Abaci (libro del
abaco) para ilustrar la utilidad practica de la notacion


n Aurea
La Razo

Figura 1.4: An
alisis del problema de los conejos de Fibonacci.
indo-ar
abiga en las manipulaciones aritmeticas, para hacer cuentas pues.
El problema en cuesti
on es acerca de contar conejos. Supongamos que se
coloca una pareja de conejos (macho y hembra) en un prado cercado y que
se cumplen las siguientes condiciones:
Los conejos nunca mueren.
Los conejos alcanzan la madurez sexual a la edad de un mes.
En cuanto alcanzan su madurez los conejos se aparean y a partir de
ese momento lo hacen cada mes.
Cada vez que se aparean la hembra queda pre
nada y da a luz una
pareja (macho y hembra), luego de un mes de gestacion.
La pregunta de Fibonacci era: Cuantas parejas de conejos habra en el prado
luego de un a
no? Si se analiza el problema de cuantas parejas hay mes con
mes lo que se obtiene es la sucesi
on de Fibonacci: 1, 1, 2, 3, 5, etc., donde el
i-esimo termino de la sucesi
on se obtiene sumando los dos terminos previos;
partiendo de que los dos primeros terminos son 1 (vease fig. 1.4), la solucion
al problema est
a dada entonces por el doceavo termino de la sucesion que
resulta ser 144.

10

ticas
Ensalada de Matema

Figura 1.5: La espiral construida a partir del rectangulo aureo.


Lo curioso aqu es que si se divide el i-esimo termino de la sucesion entre
el anterior ((i 1)-esimo) el resultado se acerca a conforme crece i.

1.4

La espiral logartmica

Tomemos un rect
angulo aureo y apliquemos el proceso de hacerlo crecer
a
nadiendo cuadrados como se describio. Si trazamos los cuartos de circunferencia como aparecen en la figura 1.5 obtenemos una curva, de hecho una
espiral. Esta es una buena aproximacion a una espiral muy particular llamada espiral logartmica y resulta tener tambien propiedades interesantes.
Es, por ejemplo, la curva que trazara un bichito min
usculo si caminara muy
despacio sobre la aguja del segundero de un reloj con una rapidez constante.
Tambien es la curva que describen las hormigas en el problema de las hormigas enamoradas y mal correspondidas y resulta ser la forma de la concha
de un molusco marino llamado nautilus1 .
La espiral logartmica tambien se conoce como espiral equiangular, espiral de crecimiento y spira mirabilis. En coordenadas polares la ecuacion
1

El nombre cientfico es Nautilius Pompilius se trata de un molusco cefal


opodo (algo
como el pulpo) que ha estado en nuestro planeta desde hace unos 500 millones de a
nos
casi sin cambios.


n Aurea
La Razo

11

Figura 1.6: Aproximaciones a la espiral logartmica.


que la describe es:
r = a eb

(1.4.14)

Tambien puede describirse parametricamente como:


x = a cos() eb
y = a sen(()) eb
Tambien puede ser construida por un proceso iterativo de aproximaciones sucesivas. Comenzamos con un conjunto de rayos igualmente espaciados
(el angulo entre dos de ellos consecutivos es constante) Luego nos paramos
en un punto arbitrario de uno de los rayos y trazamos un perpendicular a
el hasta tocar el vecino. Nos colocamos ahora en este punto de interseccion y trazamos la perpendicular correspondiente hasta intersectar al vecino
y as sucesivamente. Cuanto mas cercanos esten los rayos mejor sera la
aproximaci
on que tendremos (vease figura 1.6.
Jacobo Bernoulli, uno de los estudiosos de esta curva, estaba tan fascinado por ella que pidi
o que la trazaran en la lapida de su tumba.
La espiral logartmica tambien aparece en los patrones de crecimiento
de las coliflores, de las pi
nas de pino y en la forma en que se acomodan los
estambres de el girasol, en esta flor hay 21 espirales con crecimiento levogiro
y 34 dextr
ogiro.

12

ticas
Ensalada de Matema

Figura 1.7: El pentagrama y su relacion con .

1.5

La estrella de cinco puntas

Otra figura geometrica interesante, relacionada con la razon aurea y


presente tambien en la naturaleza es la estrella regular de cinco puntas,
tambien llamada pentagrama. En la figura 1.7 se muestra la estrella y la
relaci
on en la que est
an sus segmentos, que resulta ser justamente .
Tenemos referencias (por ejemplo Aristofanes o Luciano) de que la estrella de cinco puntas era el smbolo que identificaba a los miembros de
la hermandad pitag
orica, por lo que es plausible creer que los pitagoricos
conocan la raz
on
aurea y la tenan en gran aprecio.
Son muchos los ejemplos que podemos mencionar del pentagrama en la
naturaleza, conchas marinas, las estrellas de mar, etc.
Adem
as si tomamos un pentagrama y usamos algunas de sus lneas para
obtener las dos superficies que se muestran en la figura 1.8 lo que se obtiene
son las dos figuras necesarias para construir un mosaico capaz de cubrir todo
el plano y hacerlo aperi
odicamente (si uno toma un trozo del mosaico y lo
desplaza, sin rotarlo ni reflejarlo, nunca va a encontrar otro lugar donde
coincida); estas figuras en particular son los componentes de una teselacion


n Aurea
La Razo

13

Figura 1.8: Los dos componentes de una teselacion de Penrose derivados de


un pentagrama. A la figura inferior se le suele llamar papalote (kite) y a
la superior flecha (dart).
aperiodica de Penrose.

1.6

Filotaxis, el cuerpo humano, el arte

Se pueden encontrar muchas otras insospechadas conexiones entre fenomenos


y formas de la naturaleza y el n
umero o los n
umeros de Fibonacci, parientes cercanos.
Por ejemplo: tomemos una ramita de un arbusto y fijamos nuestra atencion en dos hojas que surjan del tallo en la misma lnea vertical. Llamemos a
a la hoja m
as baja y b a la m
as alta. Sigamos la escalera de caracol formada por todos los brotes que surgen entre a y b, contemos el n
umero de vueltas
que d
a la escalera alrededor del tallo y llamemos v a este n
umero; contemos tambien el n
umero de escalones en la escalera, es decir, el n
umero de
brotes entre a y b (sn contar a a ni a b), llamemos a este n
umero n. En
promedio v y n tienden a ser n
umeros de Fibonacc y el cociente v/n tiende
a ser .
Tambien podemos hacer otro experimento: tomemos una rama de arbusto y coloquemosla verticalmente, contemos cuantas bifurcaciones hay a

14

ticas
Ensalada de Matema

la misma altura (aproximadamente), primero habra una, luego otra, luego


dos, tres, cinco, etcetera; otra vez los n
umeros de Fibonacci.
Al estudio de la manera que tienen las plantas de acomodar su follaje se
le llama filotaxis y a pesar de que parece que alguien dise
no las plantas para
estar acorde a la raz
on aurea, la razon es garantizar la mejor iluminacion,
procurar que las hojas superiores no tapen el sol a las inferiores, lo que
facilita la fotosntesis.
Tambien el cuerpo humano responde a patrones de dise
no relacionados
con la raz
on
aurea, Si por ejemplo dividimos nuestra estatura total entre
la altura de nuestro ombligo encontraremos que el cociente es, aproximadamente, . Lo mismo ocurre si dividimos la longitud total de la cara entre su
ancho (nuestra cara esta inscrita, pues, en un rectangulo aureo) o si dividimos la altura de nuestro torax (del nacimiento de las piernas hasta la punta
de la cabeza) entre la distancia que hay del nacimiento de las piernas a los
hombros; o si dividimos la distancia de la punta de la cabeza a las rodillas
entre la distancia de ellas al pecho. Y as podramos mencionar muchas
otras proporciones del cuerpo humano que coinciden con .
Por supuesto muchos artistas se dieron cuenta de estas proporciones
del cuerpo y las enfatizaron en su obra, desde los artistas clasicos hasta
Da Vinci. Luego en otras ramas del arte menos relacionadas con la forma
humana tambien se procuro utilizar la razon aurea debido a el placer estetico
que produce ver cosas que guarden esa proporcion (parece exageracion pero
no lo es, mida las ventanas de su casa, las hojas de papel que usa, las
dimensiones del librero que mas le guste). Los ejemplos se multiplican.
No es extra
no pensar que cuando se conoce y sus inesperadas apariciones en la naturaleza uno sienta que ha develado el secreto de la mstica
geometra con la que Dios creo el mundo. Lo han pensado muchos a lo
largo de la historia: msticos, matematicos y filosofos serios. Es un numero
tan curioso como , que a la sazon es tambien una proporcion: la que existe entre la circunferencia y el diametro de cualquier circulo; tanto como
aparecen inesperadamente en diversas situaciones: prefiere hacerlo en
fen
omenos relacionados con la vida, prefiere hacerlo en la fsica. En la
C
abala se hace referencia al poder de la palabra, develar el secreto de la
creaci
on es conocer el nombre de Dios: podramos pensar que mas que de
fonemas, el nombre de Dios esta hecho de n
umeros y y son dos de ellos;
un pensamiento muy pitagorico por cierto.

El Conjunto de Cantor
2.1

Introducci
on

El conjunto de Cantor de tercio medio es, probablemente, el mas usual


ejemplo y contraejemplo de cuantos se utilizan en el estudio de ciertas areas
de las matem
aticas. Fue construido por primera vez a fines del siglo XIX
por Georg Cantor para resolver un problema que se haba planteado en el
marco de la naciente topologa, a saber, si exista o no un subconjunto compacto no vacio de R que fuera totalmente disconexo y denso en s mismo.
Cantor prob
o que s existe, m
as tarde ya en el siglo XX se demostro que
todos los conjuntos con estas caractersticas son topologicamente equivalentes (homeomorfos). El presente trabajo reune una buena cantidad de los
resultados m
as interesantes respecto a este famoso objeto.
Antes que nada se recordar
a cual es el proceso de construccion del conjunto de Cantor. Sup
ongase que al intervalo cerrado [0,1] se le divide en
tres subintervalos de igual longitud: [0,1/3], (1/3, 2/3) y [2/3, 1] y que se le
quita el tercio medio, a saber el intervalo (1/3, 2/3). El conjunto que queda
esta constituido por los intervalos [0,1/3] y [2/3, 1]. Supongase ahora que
cada uno de estos intervalos es dividido a su vez en tres partes iguales y que
se quitan los tercios medios de cada intervalo. Si repetimos este proceso una
infinidad de veces obtendremos el conjunto de Cantor. Es decir, si denotamos por Cn a la uni
on de todos los intervalos cerrados que permanecen hasta
el paso n (o n-esima iteraci
on), el conjunto de Cantor es C = limn Cn .
Denotemos por Jn,i al i-esimo intervalo presente en la n-esima iteracion
y por In,j al j-esimo ausente en la misma iteracion. Como se puede observar

16

ticas
Ensalada de Matema

en la tabla siguiente:
n

Cn =

2
[

Jn,k

k=1

Adem
as:
C=

Cn

n=1

Iteraci
on n
0
1
2
3
3 (cont.)

2.2

Cn
J0,1 = [0, 1]
J1,1 = [0, 13 ], J1,2 = [ 23 , 1]
J2,1 = [0, 19 ], J2,2 = [ 29 , 13 ], J2,3 = [ 23 , 79 ], J2,4 = [ 98 , 1]
1
2 3
6 7
8 9
J3,1 = [0, 27
], J3,2 = [ 27
, 27 ], J3,3 = [ 27
, 27 ], J3,4 = [ 27
, 27 ]
20 21
24 25
26 27
18 19
J3,5 = [ 27 , 27 ], J3,6 = [ 27 , 27 ], J3,7 = [ 27 , 27 ], J3,8 = [ 27 , 27 ]

Medida y cardinalidad

Sea la funci
on de medida (longitud) en R, C el conjunto de Cantor de
tercio medio y C c el complemento del mismo ( C c = [0, 1] \ C )
Teorema 2.1 (C) = 0.
Dem.:
(C c ) =
Sea A =

i=1


2 i
3

i=1

i=1

X 2i1
1 2
4
1 X 2i
+ +
+ ... =
=
i
3 9 27
3
2
3i
, entonces:

A+1=1+

 i
X
2
i=1

de donde: A = 2 y entonces:

1
1

2
3

 i
X
2
i=0

Esto es una serie geometrica con raz


on
A+1=

2
3

1
1
3

< 1 y por lo tanto converge:


=3

17

El Conjunto de Cantor

1
(C c ) = A = 1
2
Ademas:
([0, 1]) = 1
Por lo tanto:
(C) = 1 (C c ) = 1 1 = 0

Proposici
on 2.1 Si [a, b] es un intervalo del tipo Jn,k entonces b es m
ultiplo
impar de (1/3)n .
Dem.: (Por inducci
on sobre n).
[n = 1]

 
 
1
1
J1,1 = 0,
= 0, 1
3
3
 
 

2
1
2
,1 =
,3
J1,2 =
3
3
3
Ahora suponemos que la proposici
on es v
alida para n = s 1, i.e.


R R+1
J(s1),k = s1 , s1
3
3
donde R es par.
[n = s.]
Al construir los Js s dentro de J(s1),k para el siguiente nivel de iteraci
on
tenemos:




3R 3R + 1
3R + 2 3(R + 1)
,
y
,
3s
3s
3s
3s
Dado que R es par R = 2q para alguna q N y 3R = 3(2q) = 2(3q) es
par.
Por lo tanto:
3R + 1 es impar.
Adem
as:
3(R + 1)
R+1
= s1 el cual era impar por hip
otesis.
s
3
3


18

ticas
Ensalada de Matema

Ahora se utilizar
an las expresiones ternarias de los n
umeros en el intervalo unitario, recuerdese que en dichas expresiones solo son posibles los
dgitos 0, 1 y 2 y cada posicion en el n
umero corresponde a una potencia de
1/3.
Proposici
on 2.2 Si x es un m
ultiplo impar de una potencia de 1/3 entonces existe una expresi
on ternaria finita para x.
Dem.:
x = (2s 1)

 n 2s1
X  1 n
1
=
3
3
i=1

y esta sumatoria, evidentemente se expresa en, a lo m


as, n dgitos ternarios.

Proposici
on 2.3 Si x es un m
ultiplo impar de una potencia de 1/3 con representaci
on ternaria finita 0.t1 t2 ...tn entonces existe i {1, 2, ..., n} tal que
ti = 1.
Dem.: (por reducci
on al absurdo)
x es m
ultiplo impar de una potencia de 1/3, por lo tanto:
 k
1
x = (2s 1)
3
sup
ongase que tiene una representaci
on ternaria finita (0.t1 , t2 , ...tn ) donde para toda i {1, 2, ..., n} se tiene que ti {0, 2}.
Sea d1 , d2 , ..., dr la sucesi
on creciente de ndices tales que:
tdj = 2

para

toda

j {1, 2, ..., r}

entonces:
" 
 d2
 dr
 d2
 dr #
 d1
1
1
1
1 d1
1
1
x=2
+2
+...+2
=2
+
+ ... +
=
3
3
3
3
3
3
3dr d1 + 3dr d2 + ... + 1
2
3dr


sea s = 3dr d1 + 3dr d2 + ... + 1 entonces:


 dr
1
x = 2s
3

19

El Conjunto de Cantor

lo que contradice la hip


otesis de que x es m
ultiplo impar de una potencia
de 1/3.

Teorema 2.2 Para todo n N la expresi
on ternaria de los elementos de
In,k para toda k {1, 2, ..., 2n 1} tiene, al menos, un 1 involucrado.
Dem.: De las proposiciones 2 y 4 se deduce que para toda n N los extremos
derechos de los intervalos Jn,k que son los extremos izquierdos de los In,k
tienen una representaci
on ternaria con, al menos un 1 involucrado. Adem
as,
dado que todos los elementos de In,k distan de su extremo izquierdo en menos
que (1/3)n entonces la expresi
on ternaria de dicho extremo es un subconjunto
de la expresi
on correspondiente a cualquier elemento de In,k . Es decir, si la
expresi
on ternaria del extremo izquierdo de un In,k es 0.a1 a2 ...an entonces
la expresi
on ternaria de cualquier punto de In,k es 0.a1 a2 ...an b1 b2 ... donde,
al menos uno de los dgitos ai es 1.

Proposici
on 2.4 El conjunto de Cantor tiene una cardinalidad mayor o
igual a la del intervalo [0, 1).
Dem.: Denotaremos por #A la cardinalidad del conjunto A.
Considerese la expresi
on binaria de todos los elementos del intervalo
[0, 1) R.
Para todo x [0, 1) tenemos que:
x = 0.b1 b2 ...
donde bi {0, 1} para todo i N.
Defnase la funci
on f como sigue:
f (x) = 0.2b1 2b2 ...
Es decir sustituimos todos los 1s por 2s en la expresi
on binaria de x.
Ll
amesele F a la imagen bajo f de [0, 1). Claramente f es una funci
on
biyectiva (es invertible). F est
a constituida exclusivamente por elementos
de la forma 0.t1 t2 ... donde ti {0, 2} para todo i N.
Por lo tanto F [0, 1], adem
as #F = # [0, 1].
Si se considera a los elementos de F como expansiones ternarias de los
elementos de [0, 1] vemos que para todo x F, para todo n N y para todo
k {1, 2, ..., 2n 1},

20

ticas
Ensalada de Matema

x
/ In,k porque su expresi
on ternaria tendra al menos un 1 involucrado,
por lo tanto x Cn para todo n N.
En conclusi
on: x C F C #F #C.

Teorema 2.3 El conjunto de Cantor tiene la cardinalidad del continuo.
Dem.: Por la proposici
on anterior #C # [0, 1] .
Por construcci
on C [0, 1] #C # [0, 1].
Entonces:
#C = # [0, 1] = 20


2.3

Propiedades Topol
ogicas.

Recuerdese que por Cn denotamos la n-esima generacion del proceso de


Cantor y por C al lmite de Cn cuando n .
Proposici
on 2.5
n Si x Cn para alguna n N entonces existe y C tal
que |x y| 31 y x 6= y.


Dem.: x Cn x Jn,k para alguna k 1, 2, ..., 2n1 Sean y1 y y2 los
extremos de dicho Jn,k .
Tenemos que:
y1 x y2
Sea y el extremo m
as distante de x, es decir:

y1
si |x y1 | |x y2 |
y=
y2
si |x y2 | > |x y1 |
entonces:

 n
1
|x y| |y1 y2 | =
3


Con C a se denota el conjunto derivado de C (es decir, el conjunto de


puntos de acumulaci
on de C) .

21

El Conjunto de Cantor

Teorema 2.4 C C a . Es decir, el conjunto de Cantor es denso en s mismo, todos sus puntos son de acumulaci
on.
Dem.: Sea x C x Cn para todo n N. Por lo tanto para cada n N
existe y(n) C tal que:
1
|x y| n
3
y x 6= y (por la proposici
on anterior).
Sea > 0 y N tal que:
ln()
<N
ln(3)
 N
1
1
log3 () < N log3 () < N log3 (3) < 3N
<

3
N
entonces existe y (N ) tal que y 6= x y |x y| 13
< por lo tanto:
x Ca C Ca

Proposici
on 2.6 Para todo n N , Cn es cerrado.
Dem.: Por definici
on:
Cn =

n 1
2[

Jn,k

k=1

y cada Jn,k es un intervalo cerrado. La uni


on finita de conjuntos cerrados
es un comjunto cerrado. Por lo tanto para todo n N , Cn es cerrado.

Teorema 2.5 C es cerrado.
Dem.: Para todo n N, Cn es cerrado, por la proposici
on anterior.
Por definici
on:

\
C=
Ci
i=1

C es la intersecci
on numerable de conjuntos cerrados, luego C es cerrado.

Teorema 2.6 C es perfecto (cerrado y denso en s mismo).

22

ticas
Ensalada de Matema

Dem.: Del terorema 9 y el teorema 11 se deduce inmediatamente lo deseado.



Por Br (x) se denotara la bola abierta de radio r y centro en x.
Proposici
on 2.7 Si x Cn , (n > 0) entonces Br (x) Cnc 6= con:
r=

1
2n

(por Cnc denotamos [0, 1] \ Cn )


Dem.: Si x Cn x Jn,k para alguna k {1, 2, ..., 2n 1}.
Sean y1 y y2 los extremos de dicho intervalo. i.e. Jn,k = [y1 , y2 ].
Por construcci
on del conjunto de Cantor:
|y1 y2 | =

1
1
< n
3n
2

Dado que x [y1 , y2 ] ocurre: y1 x y2 as que


|y1 x|

que

1
1
< n
n
3
2

Es decir la distancia de x a cualquier extremo de el intervalo es menor


1
2n .
Por lo que, necesariamente:
r=

1
Br (x) Cnc 6=
2n

dado que el radio de la bola es mayor que la longitud total de Jn,k .



Recuerdese que un punto es interior de un conjunto si existe una bola
abierta centrada en el que este completamente contenida en el conjunto.
Denominaremos interior de un conjunto A al conjunto de puntos interiores
de A y lo denotaremos con Ao .
Teorema 2.7 C o = (i.e. el interior del conjunto de Cantor es vaco).
Dem.: Hay que probar que, para todo x C y todo > 0 la B (x) no est
a
contenida en C,
es decir: B (x) C c 6= .

23

El Conjunto de Cantor

Sean x un punto cualquiera de C y > 0 entonces x Cn para toda


n N dado que C Cn .
Entonces, para cada n N, si r = 21n , ocurre:
Br (x) Cnc 6= Br (x) C c 6=
dado que: Cnc C c .
Sea N tal que:
ln ()
<N
ln (2)
de donde:
log2 () < N log2 (2)

1
1
< 2N N <

por lo tanto:
B

1
2N

(x) B (x)

y
B

1
2N

(x) C c 6= B (x) C c 6=


Definici
on 2.1 Una cubierta cerradaSde un conjunto A es una colecci
on de
conjuntos cerrados {Ei } tal que A i (Ei )
Definici
on 2.2 La cerradura de un conjunto A es la intersecci
on de todas
las cubiertas cerradas de A. Es decir, es el mnimo conjunto cerrado que
contiene a A. La cerradura de A se denotar
a con A .
Definici
on 2.3 Un conjunto A es denso en ninguna parte si y solo si el
interior de la cerradura de A es vaco.
Teorema 2.8 C es denso en ninguna parte..
Dem.: C = C y el interior de C es vaco, por lo tanto el interior de C es
vaco.


24

ticas
Ensalada de Matema

2.4

Algo M
as.

Proposici
on 2.8 1/4 C.
Dem.: Observaci
on:
1/3 1/9 < 1/4 < 1/3
1/3 1/9 < 1/4 < 1/3 1/9 + 1/27
1/3 1/9 + 1/27 1/81 < 1/4 < 1/3 1/9 + 1/27
1/3 1/9 + 1/27 1/81 < 1/4 < 1/3 1/9 + 1/27 1/81 + 1/243

K
1
2
3
4

En general
con k impar: ak+1 <
con k par: ak <
Donde:
ak =

k  n
X
1
n=1

1
< ak
4

1
< ak+1
4
(1)n1

Por construcci
on ak C para todo k N dado que ak es un extremo
de los intervalos cerrados que van quedando en C, a los que hemos llamado
Jn s.
Definimos:
 n 
1
Sn =
con n N
3
La sucesi
on Sn es decreciente y de terminos mayores que cero para todo
n N. Adem
as:
 n
1
lim
=0
n 3
Entonces, por la prueba de las series alternantes de Leibniz:
 n
X
1
(1)n1
3
n=1

converge.
Sea:

 n
X
1
n=1

(1)n1 = a

25

El Conjunto de Cantor

ahora bien, dado que todos los puntos de acumulaci


on de C est
an en C y
dado que, para cada k N la suma parcial:
ak =

k  n
X
1

n=1

(1)n1

es elemento de C, se tiene que a es elemento de C dado que es punto de


acumulaci
on de la sucesi
on de sumas parciales y cada suma parcial est
a en
C.
Ahora se mostrar
a que a = 1/4. Para ello se separar
a la serie original
en dos series:
1. La suma de terminos negativos:
C=

 2m
X
1
m=1

 2m
X
1

C +1=

m=0

Esta es una serie geometrica con raz


on (1/3)2 < 1 y por lo tanto
converge a:
9
1
C +1=
1 = 8
1 9
de donde:
C=

1
8

2. La suma de los terminos positivos:


B=

 2r1
X
1
r=1

B=

X
(1/3)2r
r=1

(1/3)

 2r

 2r
X
X
1
1
3
3
=3
=
3
3
8
r=1

r=1

As que finalmente:
a=BC a=

3 1
1
=
8 8
4


26

2.5

ticas
Ensalada de Matema

Generalizaciones.

Es posible generalizar el proceso de construccion del conjunto de Cantor,


ya sea dividiendo el intervalo original en mas partes y quitando distintas
porciones de este o bien haciendo algo similar en un objeto de mas de una
dimensi
on.
Un ejemplo de lo que puede obtenerse con objetos bidimensionales es el
llamado tri
angulo de Sierpinski. Su proceso de construccion es como sigue:
inicialmente se tiene un triangulo equilatero relleno (es decir, con todo y
sus puntos interiores) de lado 1, utilizando como vertices los puntos medios
de cada lado del tri
angulo original, se traza otro que divide al original en
cuatro regiones triangulares de la misma area, se extrae el triangulo central
y se repite el proceso con cada uno de los tres triangulos que permanecen
en el conjunto hasta el momento. Si el proceso se itera indefinidamente al
final se obtiene el tri
angulo de Sierpinski.
Es f
acil observar que el area cubierta por la generacion n
umero n del
n
tri
angulo de Sierpinski es An = (3/4) A0 donde A0 es el area del triangulo
inicial. En el lmite cuando n tiende a infinito el area cubierta es cero. Es
decir, al igual que el conjunto de Cantor, tiene medida cero y sin embargo
posee la potencia del continuo. Ambos son objetos que tienen tantos puntos
como el espacio donde viven pero ninguno de ellos contiene un trozo (disco
o intervalo) de ese espacio.
A decir de Benoit Mandelbrot el triangulo de Sierpinski y el conjunto
de Cantor son m
as deshilados que un plano y una recta respectivamente
pero m
as gordos que una lnea o un conjunto de puntos aislados. Para
caracterizar objetos tan extra
nos el mismo Mandelbrot invento el concepto
de dimensi
on fractal en la decada de los 80 de este siglo.
La dimensi
on fractal es una generalizacion del concepto de dimension
topol
ogica que estamos acostumbrados a usar cuando decimos que un plano
tiene dos dimensiones y un cubo tres. A diferencia de la dimension topol
ogica, que siempre es un n
umero entero, la dimension fractal puede ser
un n
umero real cualquiera.
Si el lector dibuja algunas de las distintas etapas sucesivas de construcci
on del conjunto de Cantor o del triangulo de Sierpinski notara que en la
etapa n del proceso se ve lo mismo que se vio en la etapa n 1 pero a
una escala menor. El aspecto general del todo se reproduce en cada una
de sus partes. Esta propiedad es caracterstica de los objetos fractales y se
denomina autosimilitud.
En el caso particular de objetos autosimilares tan sencillos como el conjunto de Cantor y el triangulo de Sierpinski la dimension fractal es el co-

27

El Conjunto de Cantor
ciente:
D=

ln(N )

ln 1

donde N es el n
umero de veces que se reproduce el objeto inicial en la
primera generaci
on y es la escala a la que se encuentran las dimensiones de
las reproducciones. En caso del conjunto de Cantor en la primera generacion
quedan dos (N = 2) intervalos iguales al [0, 1] pero a escala 1/3 ( = 1/3)
del original; as que la dimensi
on fractal del conjunto de Cantor es:
Dc =

ln(2)
ln(2)
 =
0.63
1
ln(3)
ln 1/3

lo que corresponde con la idea intuitiva de que el conjunto de Cantor es mas


gordo que los puntos pero mas deshilado que un segmento de recta. En
el caso del tri
angulo de Sierpinski donde quedan 3 triangulos equilateros con
lado igual a la mitad del original:
Ds =

ln(3)
ln(3)
 =
1.58
1
ln(2)
ln 1/2

que an
alogamente coincide con la idea de que el objeto en cuestion es algo
que est
a entre una lnea y un plano.
As como el tri
angulo de Sierpinski existen muchos otros objetos extra
nos y fascinantes, hablar de ellos rebasara con mucho los objetivos de
un artculo sobre el conjunto de Cantor. Sin embargo el lector interesado
podra consultar las obras sobre fractales mencionadas al final de este documento. Especialmente recomendables son los primeros captulos del libro de
Mandelbrot y el apendice sobre curvas patologicas del libro de Kasner y
Newman.

2.6

Conclusiones.

Como se ha visto, el conjunto de Cantor reune las caractersticas mas


aparentemente contradictorias e interesantes. Tiene una infinidad no numerable de puntos pero ning
un intervalo cabe en el, es denso en s mismo
pero tambien denso en ninguna parte y contiene muchos mas puntos que los
extremos de los intervalos que se forman durante el proceso de construccion.
Por si esto fuera poco nos abre las puertas de la geometra fractal, una rama
muy joven y sin embargo muy extensa de las matematicas.

28

ticas
Ensalada de Matema

A pesar de que este artculo se ha dedicado casi exclusivamente al conjunto de Cantor no agota la exploracion de este objeto. Hay aun cosas
interesantes que hacer. Por ejemplo: hacer un programa de computadora
que reciba como dato n y que mediante recurrencia dibuje en la pantalla
las primeras n generaciones del proceso de construccion del conjunto; o bien
considerar el intervalo [0, 1] como una barra de material con masa unitaria
y sin volumen (objetos de uso com
un en la fsica) y pensar que siempre que
se retira un intervalo la masa de este se redistribuye uniformemente entre
los que quedan, de tal forma que la masa total del conjunto se conserva y
luego dibujar la gr
afica de cada una de las funciones:
Z x
gn (x) =
n dx
0

donde n es la densidad lineal de los segmentos de barra de la generacion n;


gn (x) es la cantidad de masa contenida desde 0 hasta x en el conjunto de
Cantor de generaci
on n, as que siempre gn (1) = 1 para toda n. El lector
curioso sin duda pronto averiguara por que a la funcion g(x) = limn gn (x)
se le denomina la escalera del diablo.
Tambien con ayuda de una computadora es posible explorar otros objetos igualmente fascinates, como el ya mencionado triangulo de Sierpinski y
algunos otros que se encuentran en la literatura mencionada a continuacion.

Fractales y recursi
on
3.1

Introducci
on.

Durante la decada de los 80s en el siglo pasado la geometra fractal cobro


fama como herramienta para el estudio de fenomenos complejos. Problemas
que no haban podido ser abordados con las herramientas tradicionales, se
pudieron modelar utilizando objetos fractales y esto hizo posible explicarlos
o, por lo menos, avanzar hacia su explicacion. De igual manera, objetos que
hasta hace algunos a
nos eran considerados patologicos o monstruosos
dentro del zool
ogico de entes matematicos, son ahora vistos con otros ojos
y reconsiderados como objetos dignos de un estudio mas profundo.
La geometra fractal fue creada por Benoit Mandelbrot con base en
trabajos anteriores de algunos matematicos y en sus estudios de algunos
fenomenos. El ejemplo, ahora cl
asico, utilizado por Mandelbrot para explicar que cosas caracterizan a un objeto fractal es el siguiente:
Sup
ongase que se pretende medir la costa de la pennsula de Breta
na
(Francia) y que para ello se proporcionan un mapa de la pennsula a una
cierta escala y un comp
as. Para tener una idea aproximada de la longitud
de la costa bastara con dar al compas una abertura , contar cuantas veces
cabe el comp
as a lo largo de la costa y multiplicar este n
umero por la escala
del mapa. Pero si se cambia el mapa por uno a escala mayor en el que se
aprecien m
as detalles, ser
a posible observar que cada uno de los peque
nos
crculos de radio que se trazaron en el mapa anterior equivalen a crculos
mas grandes en el mapa nuevo y dentro de cada uno de estos crculos hay
una gran cantidad de irregularidades cuya longitud no fue considerada, dado
que todas ellas fueron englobadas y se considero que su longitud era 2 (el
diametro del crculo). Es posible entonces dar una nueva aproximacion a la

30

ticas
Ensalada de Matema

longitud: ahora damos al compas una abertura mas peque


na que la anterior
y contamos cu
antas veces cabe a lo largo de la costa. Esta medida sera mas
precisa que la anterior, pero nuevamente estaremos encerrando en cada abertura (paso del comp
as) innumerables irregularidades que, sin duda, miden
algo y no han sido consideradas. Se podra continuar este proceso indefinidamente tomando cada vez aberturas de compas mas peque
nas y mapas
con mayor resoluci
on hasta que finalmente se terminara por ir a la costa de
Breta
na con un compas de abertura peque
na a contar el n
umero de pasos
necesarios para recorrerla toda. A pesar de todo siempre se tendran irregularidades no consideradas. Ademas estas irregularidades son muy similares
a cualquier escala, dado un trozo de costa irregular es imposible determinar
a que escala se encuentra. La costa se ve igualmente irregular a cualquier
escala; a esta propiedad se le denomina autosimilitud: el aspecto general de
un trozo es igual que el que presenta por partes.

3.1.1

Dimensi
on fractal

Mandelbrot descubrio en los escritos de un meteorologo llamado Lewis


Fry Richardson mediciones de diferentes costas. En este trabajo Richardson
encontr
o una relaci
on entre el n
umero (N ) de vecindades (pasos de compas)
necesarias para cubrir una costa y el diametro () de dichas vecindades
(abertura del comp
as). Se dio cuenta de que N creca exponencialmente
conforme decreca, es decir:
N () = C
donde C es una constante. De esta relacion se tiene que:

ln(N ) = ln 1 + ln(C)
de donde:
=

ln(N ) ln(C)
ln(N )
ln(C)



=
1
1
ln
ln
ln 1

Dado que se quiere tener una idea lo mas precisa posible de la longitud
de la costa es necesario analizar que pasa cuando la abertura del compas se
hace muy peque
na, es decir cuando tiende a cero. La funcion logaritmo
natural es mon
otonamente creciente (crece lentamente, pero siempre crece)
as que ln(1/) ser
a muy grande cuando sea muy peque
no, a diferencia de
ln(C) que permanece constante, de modo que:
!
ln(C)
 =0
lim
0
ln 1

n
Fractales y recursio

31

As, si se denota por D al lmite de cuando tiende a cero se tiene


que:
!
ln(N )

D = lim
0
ln 1
A este n
umero es al que Mandelbrot llama la dimensi
on fractal del objeto
en cuesti
on, en este caso una lnea costera.
La idea de definir una dimension fractal es la de generalizar el concepto
de dimensi
on topol
ogica, a la que nos referimos cuando decimos que un
cubo tiene tres dimensiones y una figura plana dos. Notese que la dimension
topologica es siempre un entero no negativo, la dimension fractal, en cambio,
puede ser un n
umero real no negativo cualquiera. De esta forma es posible
caracterizar objetos que, a decir de Mandelbrot, son mas deshilados que un
plano pero m
as complejos que una simple lnea recta, con una dimension
fractal entre 1 y 2 y en general objetos muy complejos e irregulares, pero
con la propiedad de autosimilitud.

3.1.2

Algoritmos recursivos

Antes que nada definiremos algoritmo. Dado un problema descrito mediante ciertos datos (entrada) un algoritmo que lo resuelve es una secuencia
ordenada de pasos no ambiguos que operan sobre los datos y que en un
tiempo finito proporciona como salida la solucion al problema. Es decir,
un algoritmo es una receta para llegar a la solucion de un problema; en la
receta los pasos a seguir se encuentran ordenados, deben ser suficientemente
entendibles y se puede estar seguro de que tarde o temprano se llegara a la
solucion del problema si se siguen los pasos ciudadosamente.
Algo es recursivo si est
a definido en terminos de s mismo, as pues un
algoritmo recursivo hace referencia a s mismo en al menos uno de sus pasos.
La propiedad de autosimilitud (llamada por Mandelbrot homotecia interna) de alguna manera sugiere una definicion inductiva, el todo es igual (o
casi igual) a cada una de sus partes. En matematicas se conocen definiciones
inductivas famosas como la del factorial de un n
umero natural:

1
si n = 0
f act(n) =
n f act(n 1) si n > 0
estas definiciones se pueden traducir facilmente a un programa de computadora recursivo que evalue la funcion.
Dado que los objetos fractales son autosimilares es posible pensar que
existe un algoritmo recursivo para construirlos. En este trabajo se presenta

32

ticas
Ensalada de Matema

uno de ellos.

3.2

La Curva Tri
adica de Koch.

El caso de estudio que se trata aqu es el de la curva triadica de Koch,


tambien conocida como curva copo de nieve. Esta es una de las curvas
patol
ogicas que se mencionaron en la seccion anterior. Es considerada como
un bicho raro debido a sus propiedades, tales como la de no tener tangente
definida en ning
un punto a pesar de ser continua o el tener longitud infinita
pero acotar un
area finita.
La curva tri
adica de Koch es el lmite de un proceso de construccion
por generaciones sucesivas. La curva triadica de Koch (CTK de ahora en
adelante) de nivel 0 entre los puntos p1 y p5 es una lnea recta que los une.
La CTK de nivel 1 entre los puntos p1 y p5 se traza localizando los puntos p2 ,
p3 y p4 de tal forma que 4p2 p3 p4 sea equilatero y con lados de longitud 1/3
del segmento p1 p5 y una vez hecho esto trazando las lneas que determinan
los segmentos p1 p2 , p2 p3 , p3 p4 y p4 p5 . En general es posible trazar la CTK
de generaci
on n entre los puntos p1 y p5 localizando los puntos p2 , p3 y p4
tales que formen un triangulo equilatero como se menciono arriba y trazando
la CTK de generaci
on n 1 entre los puntos p1 p2 , p2 p3 , p3 p4 y p4 p5 . La
CTK es la curva resultante de iterar este proceso infinitas veces, es decir es
la curva que se obtiene en el lmite cuando n tiende a infinito de la CTK de
generaci
on n (vease la figura 1).
Antes de continuar se recordara un resultado elemental que sera utilizado. Una serie geometrica, es decir de la forma:

ri

i=0

converge si y solo si su razon r [0, 1). Sea S su lmite, entonces:


S=

ri =

i=0

1
1r

De este resultado se obtiene facilmente, usando el hecho de que todo


n
umero elevado a la cero es igual a uno, el siguiente:
R=

X
i=1

ri =

r
1r

33

n
Fractales y recursio

3.2.1

Permetro

Se determinar
a ahora cu
al es el permetro de la curva triadica de Koch,
se supondr
a que la curva se traza a partir de un triangulo equilatero con
lado 1, es decir la generaci
on 0 de la curva son tres segmentos (generaciones
0 mencionadas arriba) formando un triangulo. En la generacion cero CTK
0 tiene un permetro igual a 3 dado que cada lado del triangulo mide 1. Los
permetros para las generaciones sucesivas pueden observarse en la tabla 1.

Generaci
on
0
1
2
3
n

Permetro
P0 = 3
P1 = P0 + 3/3
P2 = P1 + 12/9
P3 = P2 + 48/27
Pn = Pn1 + (4/3)n1

Tabla 1: Permetro de la curva triadica cerrada de Koch en funcion de la


generacion.

En general, el permetro de la CTK cerrada esta dado por:


4
P =3+1+ +
3

 2
 i
X
4
4
+ ... = 3 +
3
3
i=0

esto es una serie geometrica de razon (4/3) > 1 por lo tanto no converge
y
P = lim (Pn ) =
n

3.2.2

area

Para calcular el
area acotada por la curva triadica cerrada de Koch es
necesario primero determinar el n
umero de triangulos que se agregan en
cada generaci
on. Este dato aparece en la tabla siguiente.

34

ticas
Ensalada de Matema
Generaci
on
1
2
.
3
4
n

Tri
angulos que se agregan
3 40
34
3 42
3 43
3 4n1

Tabla 2: N
umero de triangulos que se agregan a la CTK.

Como se puede observar, en la generacion n se agregan exactamente


3 4n1 tri
angulos, ahora solo hay que determinar que area tienen dichos
tri
angulos.
Todos los tri
angulos que se agregan son equilateros; como el lector recordar
a el
area de un triangulo se obtiene multiplicando un medio de la base
por la altura. En un triangulo equilatero de lado a la altura es a 2 3 de donde
el
area de tri
angulo es:

2 3
A=a
4
Es posible entonces calcular el area acotada por la curva hasta la n-esima
generaci
on, observese la tabla siguiente:

Generaci
on
0
1
.

2
3
n

area
A0 = 43
2
3( 1 ) 3
A1 = A0 + 3 4
2
34( 19 ) 3
A2 = A1 +
4
1 2
342 ( 27
) 3
A3 = A2 +
4
2
34n1 ( 31n ) 3
An = An1 +
4

Tabla 3:
area acotada por la CTK en funcion de la generacion.

35

n
Fractales y recursio
De aqu es posible concluir:
#
"
n
X
3
4i1
An =
1+3
= A0
4
32i

1+3

i=1

i=1

Sea
Q=

X
4i1
i=1

9i

= 4Q =

n
X
4i1

9i

X
4i
i=1

9i

y por el resultado que se obtuvo previamente para las series geometricas


se tiene que:
4Q =

4
9

4
9

4
5

es decir:

1
5
Con este resultado y la ecuacion para el area de la
se obtiene:

 

1
lim An = A0 1 + 3
= A0 1 +
n
5
Q=

n-esima generacion

3
5

Es decir, el
area final es solo (3/5) mas grande que el area del triangulo
inicial.

3.2.3

Dimensi
on Fractal

Para determinar la dimensi


on fractal de la curva triadica de Koch es
necesario contar cu
antos intervalos son necesarios para cubrirla; estos intervalos, aunque en principio pueden ser de una longitud arbitraria, seran
tomados de longitud (1/3)n para que sea cubierta exactamente la curva.
Es decir, para cada generaci
on n se contara cuantos segmentos de longitud
n
(1/3) constituyen la curva. Los resultados de este conteo pueden obsrvarse
en la siguiente tabla.
Generaci
on
0
1
2
n


1

1
3
1
9
1 n
3

N
1
4
16
4n

36

ticas
Ensalada de Matema

Tabla 4: Longitud y n
umero de los segmentos usados para cubrir la CTK.

Si se hace ahora algo como lo indicado al respecto de la costa de Breta


na
se tiene que:



n
ln (4 )
ln (4)
ln (4n )
D = lim
=
=
lim
= 1.261...
n
n ln (3n )
ln (3)
ln 11 n
(3)
y D es la dimensi
on fractal de la curva triadica de Koch.

3.3

El Algoritmo.

Es posible establecer una primera aproximacion a lo que sera el algoritmo


para
construir la CTK de nivel n. Esta aproximacion debera ser refinada, pero establecer
a en terminos muy generales el procedimiento a seguir para
trazar la curva.
Por ahora el algoritmo considerara la curva triadica de Koch que se
construye con solo un segmento inicial, es decir en la generacion cero la CTK
entre dos puntos es solo la lnea recta que los une, como si solo tuvieramos
la parte de la curva construida sobre un lado del triangulo.
Ahora bien, En que consiste trazar la CTK de generacion n entre los
puntos P1 y P5 ? Pues si n = 0 consiste en trazar una lnea entre los puntos
y si n no es cero entonces consiste en encontrar los puntos P2 , P3 y P4 (vease
la figura 2) y trazar la CTK de generacion n 1 entre (P1 , P2 ), (P2 , P3 ),
(P3 , P4 ) y (P4 , P5 ). En terminos generales es posible escribir el algoritmo
como sigue:

linea(P1 , P5 )

CT K(P1 , P2 , n 1)
CT K(P1 , P5 , n) =
CT K(P2 , P3 , n 1)

CT K(P3 , P4 , n 1)

CT K(P4 , P5 , n 1)

Si n = 0

Si n > 0

El problema es, entonces, determinar quienes son P2 , P3 y P4 . Es decir,


que coordenadas tienen. Se reemplazara la notacion utilizada hasta ahora
por notaci
on vectorial. Se asociara al punto Pi el vector que le corresponde

37

n
Fractales y recursio

(el que tiene las mismas coordenadas del punto) denotandolo por
vi . Usando
esta notaci
on y recordando las ecuaciones vectoriales de las rectas es sencillo

encontrar
v2 y
v4 (vease figura 3):

v2 =
v1 + 13 (
v5
v1 )

v4 =
v1 + 23 (
v5
v1 )

Se denotar
a con ` a la recta que pasa por
v1 y
v5 y con `0 a la recta

perpendicular a ` que pasa por el punto medio del segmento (


v1 ,
v5 ); a este

punto medio se le denotar


a con vm .

Ahora bien, el punto asociado con


v3 es un punto externo a la recta `
y que est
a contenido en `0 . Es posible conocer la pendiente de `0 dado que
conocemos la de ` y sabemos que son perpendiculares. Si denotamos con
m0 y m1 las pendientes de ` y de `0 respectivamente tenemos que:
m0 =

y5 y1
x5 x1

m1 =

1
x1 x5
=
m0
y1 y5

donde:
v1 = (x1 , y1 ) y
v5 = (x5 , y5 ).

As que el punto que buscamos


v3 , debe cumplir con:
(y3 ym ) = m1 (x3 xm )

()

donde (xm , ym ) son las coordenadas de


v
m.

Ahora se determinar
a cu
al debe ser la distancia entre
v3 y
v
m . Se rea 3
cordar
a que la altura de un tri
angulo equilatero de lado a es 2 , como la

distancia entre
v3 y
v
es,
justamente,
la altura del triangulo que se ha de
m

construir sobre el lado ( v1 , v5 ), entonces:


3 k
v5
v1 k

k v3 vm k =
=h
2
3

es decir, el punto que buscamos


v3 tambien debe estar en la circunferen

cia de radio h y centro en v . Por lo tanto debe cumplir:


m

(x3 xm )2 + (y3 ym )2 = h2
De () se obtiene:
y3 = ym + m1 (x3 xm )
sustituyendo en ():

()

38

ticas
Ensalada de Matema

(x3 xm )2 + (ym + m1 (x3 xm ) ym )2 = (m21 + 1) (x3 xm )2 = h2


de donde:
s
|x3 xm | =

h2
m21 + 1

dado que h 0 tenemos que h2 = |h| = h y entonces:

+ xm
si x3 xm

m21 +1
x3 =

h2 + xm
si x3 < xm
m1 +1

Por otra parte, de () :


x3 =

y3 ym
+ xm
m1

sustituyendo en () :


y3 ym
+ xm xm
m1

es decir:

2

de donde:

+ (y3 ym ) =

1 + m21
m21

1
+1
m21

(y3 ym )2 = h2

h |m1 |
|y3 ym | = p 2
m1 + 1

finalmente:
h |m |
1 + ym

m2 +1

si y3 ym

si y3 < ym

y3 =

|m1 |
m21 +1

+ ym

Es posible reescribir a x3 y a y3 como sigue:


Sx h
x3 = p 2
+ xm
m1 + 1

(y3 ym )2 = h2

39

n
Fractales y recursio

Sy h |m1 |
+ ym
y3 = p 2
m1 + 1
Donde Sx y Sy tienen el valor de -1 o 1 dependiendo de la relacion entre

las coordenadas de los vectores


v3 y
v
m . Es posible determinar el valor

de Sx y Sy en funci
on de v1 y v5 solamente, esto es u
til dado que, hasta
ahora, para conocer su valor necesitabamos de x3 que es el punto que se
pretende calcular. En la siguiente tabla se observa como dependen Sx y Sy
de las diferencias dx = x5 x1 y dy = y5 y1 . Cuando alguna cantidad
es positiva se le denota con un +, cuando es negativa con un , cuando
es cero con 0; adem
as en las columnas etiquetadas x3 , xm y y3 , ym se ha
colocado el smbolo de desigualdad que debe ir entre las coordenadas. Se
esta considerando un sistema de coordenadas al estilo del que se requiere
para representar las cosas en una pantalla de computadora; en este sistema
el origen se encuentra en la esquina superior izquierda, es por eso que se
considera que una cierta y es mayor que otra y 0 si la primera se encuentra
mas abajo que la segunda, contrariamente a lo que se acostumbra. Debe
tomarse esto en consideraci
on al observar la tercera columna que contiene la
direcci
on y el sentido en el que se traza la curva en cada caso; el punto final

v5 se encuentra en la punta de la flecha, mientras que


v1 se encontrara en
el extremo opuesto.
dy dx
0
0
0
+
+
+

Trazo x3 , xm Sx y3 , ym Sy

&
.

%
-

0
+

0
+

0
+

<
<
<

+
+
+
+
+

<

<

<

Del an
alisis de la tabla se concluye que:

Sx =

+1

si

dy < 0

en otro caso

+
+

+
+

40

ticas
Ensalada de Matema

Sy =

3.4

+1

si

dx > 0

en otro caso

Conclusiones.

A lo largo de este captulo se ha analizado un caso particular. Sin embargo existen muchos otros objetos fractales cuya autosimilitud los hace susceptibles de un proceso de construccion recursivo, como la curva cuadratica
de Koch o el tri
angulo de Sierpinski. El lector interesado puede encontrar
algunos de estos objetos en la literatura listada al final del texto, principalmente en el libro de Mandelbrot. Es posible tambien que el lector invente
sus propios fractales recursivos, calcule sus correspondientes dimensiones
fractales y elabore los programas que los dibujen en la computadora. Como siempre ocurre en matematicas, no hay restriccion alguna, basta poseer
suficiente imaginaci
on y tenacidad.

3.5

Bibliografa.

Mandelbrot, Benoit. Los Objetos Fractales, Forma, Azar y Dimensi


on.
Tusquets Editores,1984.
Barnsley, Michael. Fractals Everywhere. Academic Press Inc. 1988.
Falconer, Kenneth. Fractal Geometry, Mathematical Foundations and Applications. John Wiley & Sons. 1990.

El Problema de las Hormigas


Enamoradas y mal
Corresponfidas
4.1

Descripci
on del Problema

Supongase que se tienen cuatro hormigas colocadas en los vertices de un


cuadrado de lado ` centrado en el origen de nuestro sistema de referencia y
con los vertices sobre los ejes. Llamese A al vertice que se encuentra sobre
la parte positiva del eje de la x y procedase a etiquetar los vertices en el
sentido contrario a las manecillas del reloj B, C, y D. Supongase ahora
que la hormiga en A esta enamorada de la que esta en B, que la de B esta
enamorada de la de C, que la de C esta enamorada de la de D y esta lo esta
de la de A. Cada hormiga camina hacia aquella de la que esta enamorada
y todas caminan con la misma rapidez. Se pretende conocer la trayectoria
que sigue cada hormiga. A partir de este momento se denotara con a a
la hormiga cuyo punto de partida es A, con b a la que estaba en B y asi
sucesivamente.

4.2

Soluci
on

Sea (x, y) el punto donde se encuentra, al instante t, la hormiga a. En


ese momento, dado que todas las hormigas caminan con la misma rapidez,
b estar
a en el punto de coordenadas (y, x). Es decir en el punto que se
obtiene de rotar 90o = /2 el punto (x, y). La hormiga a entonces en ese
momento estar
a dirigiendose hacia (y, x) que es donde se encuentra b, es

42

ticas
Ensalada de Matema

decir su vector velocidad tendra la direccion de la recta con pendiente:


xy
yx
m=
=
y x
y+x
Considerese esta pendiente como la derivada dy/dx.
Hagase ahora un cambio a coordenadas polares:
x = r cos()
y = r sin()
entonces:

dy
r sin() r cos()
sin() cos()
=
=
dx
r sin() + r cos()
sin() + cos()
Por otra parte:
dx = cos()dr r sin()d
dy = sin()dr + r cos()d

De donde:
sin()dr + r cos()d
sin() cos()
=
sin() + cos()
cos()dr r sin()d
Manipulando esta expresion:
(sin()cos())(cos()drr sin()d) = (sin()+cos())(sin()dr+r cos()d) =
sin() cos()dr r sin2 ()d cos2 ()dr + r sin() cos()d =
sin2 ()dr + r sin() cos()d + sin() cos()dr + r cos2 ()d =
( cos2 () sin2 ())dr = (r cos2 () + r sin2 ())d =
 
1
dr = rd =
dr = d
r
De donde finalmente:
ln |r| = + C
Es decir:
r = e(+C) = Ke
Dado que el cuadrado esta centradoen el origen con los vertices
soble los

ejes, cuando = 0 tenemos que r = `/ 2, de donde: K = `/ 2 y entonces:




`
r=
e
2
Y esta es la ecuacion que describe una espiral logaritmica, muy conocida
por su estrecha relaci
on con la razon aurea y que aparece inesperadamente
en la naturaleza. En la figura 1 se puede observar la trayectoria seguida por
cada hormiga.

El Problema de las Hormigas Enamoradas y mal Corresponfidas


43

4.3

Generalizaci
on

Es posible generalizar el resultado suponiendo que tenemos a las hormigas acmomodadas en los vertices de un poligono regular de n lados centrado
en el origen. Cuando una hormiga, a la que se llamara a, esta en el punto
de coordenadas (r cos(), r sin()) la hormiga a la que persigue, llamesele b,
esta en (r cos( +2/n), r sin( +2/n)). As que la pendiente de la tangente
a la trayectoria en ese punto es:
m=

sin( + 2/n) sin()


cos( + 2/n) cos()

Recuerdense las expresiones para calcular el seno y el coseno de U + V


en terminos de los senos y los cosenos de U y V , utilizandolas obtenemos:
m=

sin() cos(2/n) + cos() sin(2/n) sin()


=
cos() cos(2/n) sin() sin(2/n) cos()
sin()(cos(2/n) 1) + cos() sin(2/n)
=
cos()(cos(2/n) 1) sin() sin(2/n)
sin()dr + r cos()d
cos()dr r sin()d

De donde:

sin

2
n


 

2
dr = r cos
1 d =
n

 
1
dr =
r

!

1
cos 2
n

d
sin 2
n

Integrando:
ln |r| =

!

cos 2

1
n

+C
sin 2
n

es decir:
r=Ke

cos 2
n 1
sin 2
n

( )
( )

Donde K R depende del polgono donde esten colocadas las hormigas


y que se espera ser
a de un n
umero par de vertices, de modo que no tengamos
que pensar en que las hormigas tengan algun tipo de preferencia sexual no
convencional.

44

ticas
Ensalada de Matema

4.4

Longitud de la Trayectoria

Para calcular cuanto recorre cada hormiga hasta llegar al centro debemos
calcular la longitud de arco. Esto se hace calculando
b

kr0 ()k

En el caso del cuadrado:




`
r0 () =
e ( cos sin , cos sin )
2
De donde:

kr ()k =

e 2 = `e

Y la longitud de la trayectoria:
Z


`e = `e = `
0

Teselaciones
5.1

Cubriendo el plano con polgonos regulares


congruentes

Cuando caminamos por un piso casi siempre pisamos cuadrados, a veces


rectangulos, pero casi nunca las losetas de los pisos tienen otras formas y
ademas generalmente todas las losetas son iguales, solo ocasionalmente se
combinan de dos tipos diferentes, cuadrados a fin de cuentas, aunque de
distinto tama
no. por que casi siempre las losetas que se fabrican para el
piso son cuadradas? se podran fabricar losetas con forma de otro polgono
regular?. A lo mejor s. Supongamos que se puede cubrir un piso con
puras losetas de un lado m
as que las comunes, con pentagonos regulares y
experimentemos. En la figura 5.1 en el recuadro superior izquierdo se puede
ver el resultado. Es un fracaso, por mas que intentemos siempre queda un
indeseable hueco entre dos losetas. Que caractersticas debe cumplir la
forma de las losetas para cubrir completamente el plano del suelo?.
Procedamos a hacer un an
alisis general de la situacion, primero deseamos
saber si es posible cubrir el plano con losetas de forma regular de n lados,
todas iguales.
Calculemos primero el valor del angulo interior de un loseta regular
de n lados al que llamaremos , si trazamos rayos a partir del centro de
un polgono regular de n lados hacia cada uno de los vertices obtenemos
triangulos, en la figura 5.2 se muestra el ejemplo con un pentagono, pero lo
podemos hacer con cualquier polgono. Sabemos de la geometra elemental
plana que la suma de los
angulos internos de cualquier triangulo es 180o = ,
as que + + = pero justamente + = 2 = donde es el angulo
buscado.

46

ticas
Ensalada de Matema

Figura 5.1: Losetas buenas y malas para cubrir el piso.

Figura 5.2: Determinacion del angulo interior de un polgono regular.

47

Teselaciones
Entonces:
= ++
= + 2
= +

(5.1.1)

Adem
as sabemos que, como estamos trabajando con polgonos regulares:
=

360o
2
=
n
n

(5.1.2)

substituyendo 5.1.2 en 5.1.1:


= +

2
n

De modo que:
2
=
 n 
2
= 1
n


n2
=
n

(5.1.3)

Por otra parte, si pretendemos que alrededor de cada vertice del enlosado
se coloquen exactamente un n
umero entero k de polgonos regulares, necesariamente tendremos que k veces el angulo debe ser una vuelta completa
(2). As que:
2
=
(5.1.4)
k
Igualando 5.1.3 y 5.1.4:


n2
2

=
n
k
eliminando de ambos lados:


n2
n


=

2
k

(5.1.5)

Manipulando 5.1.5 obtenemos:




n2
2 = k
n
2n = kn 2k

2n + 2k = kn
2 (n + k) = kn

(5.1.6)

48

ticas
Ensalada de Matema
k
6
4
3

n
3
4
6

Tabla 5.1: Posibles valores de n (n


umero de lados del polgono regular) y k
(numero de polgonos alrededor de cada vertice del enlosado) que satisfacen
la ec. 5.1.7.
A partir de 5.1.6:
kn 2 (n + k) = 0
kn 2n 2k = 0
kn 2n 2k 4 + 4 = 0
kn 2n 2k + 4 = 4
(k 2) (n 2) = 4

(5.1.7)

Las u
nicas soluciones posibles para 5.1.7 son mostradas en la tabla 5.1,
es decir, solo es posible cubrir el plano completamente uniendo alrededor de
cada vertice del enlosado: 6 polgonos regulares de 3 lados (triangulos), 4
de 4 lados (cuadrados) o 3 de 6 lados (hexagonos); tal como se muestra en
la figura 5.1.
Tambien a partir de 5.1.6 es posible obtener lo siguiente:
n+k =
n+k
kn
1
1
+
k n

5.2

=
=

1
kn
2
1
2
1
2

(5.1.8)

Cubriendo el plano con polgonos regulares diferentes

Es posible cubrir tambien el plano con polgonos regulares pero sin usar
de un solo tipo, sino combinando diversas formas de loseta.
De la ecuaci
on 5.1.3 sabemos cuanto mide el angulo interior de un
polgono regular de n lados. Ahora lo que pretendemos es juntar, alrededor de cada vertice del enlosado, 3, 4, 5 y hasta 6 polgonos regulares

49

Teselaciones
de distintos tipos (con distinto n
umero
expresar como:

n1 2
n1

n1 2 n2 2
+
n1
n2

n1 2 n2 2 n3 2
+
+
n1
n2
n3

n1 2 n2 2 n3 2 n4 2
+
+
+
n1
n2
n3
n4

de lados), as que esto lo podemos

+
+
+
+

n2 2
n2
n3 2
n3
n5 2
n5
n5 2
n5

+
+
+
+


n3 2

n3

n4 2

n4

n5 2

n5

n6 2

n6

= 2
= 2
= 2
= 2

La primer de estas ecuaciones se transforma en:


1

2
2
2
+1
+1
=2
n1
n2
n3

de donde:
32=

2
2
2
+
+
n1 n2 n3

Si hacemos algo similar con las demas obtenemos las siguientes ecuaciones:
1
1
1
1
+
+
=
n1 n2 n3
2
1
1
1
1
+
+
+
=1
n1 n2 n3 n4
1
1
1
1
1
3
+
+
+
+
=
n1 n2 n3 n4 n5
2
1
1
1
1
1
1
+
+
+
+
+
=2
n1 n2 n3 n4 n5 n6

(5.2.9)
(5.2.10)
(5.2.11)
(5.2.12)

Las soluciones a estas ecuaciones estan en la tabla 5.2. Las soluciones


10, 14 y 17 son las que analizamos en la seccion anterior y las soluciones
1, 2, 3, 4, 6 y 9 se pueden llevar acabo solo en un vertice aislado, pero el
resultado no se puede extender a todo el plano, as que no nos sirven. Por su
parte la soluci
on 11 no se puede implantar por si sola, requiere combinarse
con 5 o con 15 para llevarse a cabo. Los resultados u
tiles estan listados en
la tabla 5.3.
As que hay esencialmente solo ocho posibles formas de hacer un enlosado
que cubra el piso completamente usando losetas de forma regular de distintos

50

ticas
Ensalada de Matema

No.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

n1
3
3
3
3
3
4
4
4
5
6
3
3
3
4
3
3
3

n2
7
8
9
10
12
5
6
8
5
6
3
3
4
4
3
3
3

n3
42
24
18
15
12
20
12
8
10
6
4
6
4
4
3
3
3

n4

n5

n6

12
6
6
4
4
3
3

4
6
3

Tabla 5.2: Conjunto de soluciones a las ecuaciones 5.2.9-5.2.12

No.
5
7
8
11
12
13
15
16

n1
3
4
4
3
3
3
3
3

n2
12
6
8
3
3
4
3
3

n3
12
12
8
4
6
4
3
3

n4

n5

12
6
6
4
3

4
6

Tabla 5.3: Conjunto de soluciones u


tiles que si construyen enlosados que
cubren el plano

Teselaciones

51

Figura 5.3: Las ocho formas de cubrir el plano con losetas regulares de
distintos tipos.

52

ticas
Ensalada de Matema

tipos. Los resultados de la tabla 5.3 se encuentran ilustrados en la figura


5.3.
Aunque no estamos muy acostumbrados a ello, estos enlosados si han
sido usados para cubrir pisos y muros. Basta echar una ojeada a los exquisitos trabajos arquitectonicos arabes de la edad media, como la Alhambra
o a algunas construcciones romanas edificadas en Europa y medio oriente
durante el imperio.

5.3

Enlosados aperi
odicos

Los enlosados (tambien llamados teselaciones) presentados hasta ahora


tienen la caracterstica de que si se imprimiera uno de ellos sobre una hoja de
papel y se imprimiera el mismo sobre una hoja transparente podramos hacer que coincidieran ambas impresiones en distintas posiciones, aun cuando
se volteara la impresi
on sobre la hoja transparente (es decir intercambiando
el anverso y el reverso de la hoja). No solo eso, si pudieramos tener las
impresiones del enlosado sobre hojas infinitas podriamos hacer que coincidieran una infinidad de veces. Cuando esto ocurre se dice que el enlosado
es peri
odico.
En 1961 Wang conjeturo que cualquier conjunto de losetas con las que
se pueda cubrir el plano pueden ser arregladas de forma que el enlosado sea
peri
odico. Pero en 1966 R. Berger demostro que esto no es verdad, exist un
conjunto de 20,426 losetas que cubran el plano con un enlosado aperiodico.
Desde ese entonces este n
umero se ha visto reducido considerablemente, en
1971 Raphael M. Robinson redujo el numero a seis y en 1974 Roger Penrose
descubri
o un conjunto de dos (si se incluyen restricciones de color). Nos
ocuparemos aqu de este u
ltimo conjunto.
Las losetas de Penrose se ilustran en la figura 5.4.

5.4

Bibliografa

Gr
unbaum, Branko y G. C. Shephard, Tiling and Patterns, W. H. Freeman and Company, 1987.
Kraitchik, Maurice, Mathematical Recreations, W. W. Norton & Company
Inc., 1942.
Wang, H, Proving Theorems by Pattern Recognition. II. Bell System Tech.
J., 40, 1961. pp. 1-42.

Teselaciones

53

Figura 5.4: Las losetas de Penrose. Los lados miden 1 y = 1.618 . . . (la
razon aurea). = 51

54

ticas
Ensalada de Matema

Berger, R, The Undecidability of the Domino Problem. Memoirs of American Mathematical Society, 66, 1966, 72 pp.

Un poco de caos
(el mapeo logstico)
6.1
6.1.1

Introducci
on.
Funciones.

Recientemente el concepto de caos se he vuelto muy popular. Hemos


odo a algunos economistas mencionarlo a proposito de la inestabilidad de los
mercados accionarios en New York y a uno de los protagonistas de Jurassic
Park, aquel que sabiamente sentencia que la vida se abre paso. Pero
ciertamente no es un concepto que la mayora de las personas tenga claro,
en general la palabra caos evoca el completo desorden, el dominio del azar, el
sin-sentido, lo impredecible, lo anarquico que no obedece regla alguna. Algo
hay de todo eso, como veremos, pero hay tambien algo de orden y reglas.
Para comenzar nuestra travesa vamos a necesitar algo de conceptos matematicos elementales. Lo primero es el concepto de funcion. Cuando en la
vida cotidiana se nos dice algo como: tu ida al cine esta en funcion de que
recojas el tiradero de tu cuarto, lo que se nos trata de decir es que una cosa
(ir al cine en este caso) depende de otra (asear el cuarto), es decir una cosa
condiciona a la otra. En matem
aticas el concepto es el mismo.
Supongamos que tenemos un par de conjuntos, digamos A y B y que hemos establecido una relaci
on establecida entre ellos de tal forma que siempre
que escogemos a un elemento del conjunto A la relacion nos entrega exactamente un elemento del conjunto B, el elemento de B esta en funcion del
elegido en A. La restricci
on es que no es posible que al elegir un elemento
de A la relaci
on nos entregue dos o mas elementos de B o no nos entregue

56

ticas
Ensalada de Matema

ninguno, nos entrega exactamente uno. Eso es una funcion: un vnculo entre dos conjuntos que relaciona a cada elemento de uno de ellos, al que se
denomina el dominio de la funcion, con otro llamado contradominio de tal
forma que cada elemento del dominio esta vinculado con uno y solo uno del
contradominio.
En mi casa suelo anudar mis calcetines por pares, de forma que no pueda
perder ninguno de los miembros del par (o pierdo ambos o ninguno), as se
que si entreveo en mi cajon uno de mis calcetines azules y lo jalo, seguramente secare mi par de calcetines azules y no solo el que alcance a ver. Eso
es una funci
on. Podemos pensar en un conjunto constituido por un calcetn
de cada par y llamar a este conjunto A, luego podemos pensar en el conjunto del resto de los calcetines y llamar a este B. Mis nudos constituyen
una funci
on de A a B, cada nudo relaciona un elemento de A con uno y
s
olo uno de B. Utilizaremos letras min
usculas para denotar a las funciones,
as que podramos decir que si a es un calcetn del conjunto A y b es el que
le corresponde del conjunto B entonces el nudo entre ellos es una funcion
f tal que f (a) = b. Para especificar que una funcion tiene dominio A y
contradominio B usaremos la notacion f : A 7 B.
Asociada con una funcion hay normalmente una regla de correspondencia. La regla nos dice que elemento del contradominio esta relacionado con
un elemento dado del dominio, Esto nos permite escribir poco si queremos
especificar una funci
on. Con lo que sabamos de los parrafos previos, escribir
una funci
on consistira en decir, para cada elemento del dominio, que elemento del contradominio le toca usando la funcion. Pero si tenemos una
regla de correspondencia entonces podemos abreviar esto poniendo solo la
regla, lo que resulta muy conveniente si tratamos con conjuntos que tienen
una infinidad de elementos.

6.1.2

El mapeo logstico.

Imaginemos que tenemos una poblacion de bichos, digamos conejos, en


un
area limitada y que queremos saber en todo momento cuantos conejos
hay en la poblaci
on. Vamos a suponer que el tiempo avanza en pasos,
generaciones por ejemplo. As que quisieramos saber el n
umero de conejos
en la generaci
on t, lo que denotaremos como Pt , para cualquier valor de t.
Por supuesto el n
umero de conejos que habra en la generacion t depende
del n
umero de conejos que ya estaban en la poblacion antes de esa generacion
y que ser
an padres de los que se integraran a la poblacion en la generacion t.
Es decir, el n
umero de conejos en la generacion t esta en funcion, o depende,

Un poco de caos
(el mapeo logstico)

57

del n
umero de conejos en la generacion t 1, esto lo escribimos:
Pt = f (Pt1 )
donde f es una funci
on.
Lo primero que se nos ocurre es que haya una tasa de crecimiento constante de la poblaci
on, que denotaremos con a, para que entonces ocurra:
Pt = a Pt1

(6.1.1)

Siguiendo esta regla de correspondencia podemos decir entonces que al principio haba a conejos; luego, en la generacion 2, hay a2 conejos; a3 en la
tercera generaci
on y as sucesivamente. Pero esta regla de correspondencia
no funciona muy bien, porque la poblacion de conejos no puede crecer indefinidamente, la naturaleza tiene lmites y seguramente luego de un tiempo
los conejos ya no tendran alimento suficiente y la poblacion disminuira. Es
decir, nuestra tasa a no puede tener un valor fijo, debe depender del n
umero
de conejos de alguna manera, o sea que a debe ser funcion de Pt . Lo mas
simple que se nos ocurre es decir que:
at = b c Pt1
donde b y c son constantes. As la tasa de crecimiento de la poblacion se hace
menor cuanto mayor sea la poblacion. Reemplazando la a de la expresion
6.1.1 por esta nueva at tenemos:
Pt = (b c Pt1 ) Pt1
2
= b Pt1 c Pt1

Si definimos xt = cb Pt , es decir:
b
Pt = xt
c
entonces podemos reescribir la expresion 6.1.2 como:

2
b
b
b
xt = b xt1 c
xt1
c
c
c
b2
b2
=
xt1 x2t1
c
c
2
b
=
xt1 (1 xt1 )
c

(6.1.2)

58

ticas
Ensalada de Matema

lo que equivale a decir:


xt = b xt1 (1 xt1 )
Esta es la expresi
on de lo que se conoce como la ecuaci
on logstica. En este
trabajo nos daremos a la tarea de analizar esta ecuacion, pero la expresaremos como:
xt = 4 r xt1 (1 xt1 )
(6.1.3)
y diremos que el dominio es el conjunto de todos los n
umeros reales entre
cero y uno, es decir el intervalo de la recta real [0, 1]. Tambien restringiremos
el valor de r al mismo intervalo y, como hemos dicho que el tiempo avanza
en pasos, los valores para t son los n
umeros naturales N = {0, 1, . . . }.

6.1.3

Sistemas din
amicos.

La forma de la expresion 6.1.3 nos dice que el valor de x al tiempo t


es una funci
on del valor que tena x en el instante anterior t 1. Esto es
interesante, significa que el dominio y el contradominio de la funcion son el
mismo y adem
as significa que para obtener el valor de x al tiempo t nos basta
con tener su valor al tiempo t1 y para obtener este solo necesitamos el valor
al tiempo t 2 y as sucesivamente. En sntesis, para determinar los valores
que adquiere x s
olo se requiere de un valor inicial al que podemos llamar x0 ,
usar este como el valor de xt1 en la expresion 6.1.3 para obtener x1 , luego
usar este como xt1 para obtener x2 y repetir el proceso indefinidamente.
Dado un valor para x0 diremos que el conjunto de valores de x en los pasos
temporales sucesivos x1 , x2 , . . . son la
orbita de x0 .
A una sucesi
on de valores x0 , x1 , . . . que cumplen la condicion de que
cada valor depende del valor previo, es decir xi = f (xi1 ) donde f es una
funci
on, se le llama sistema din
amico. As que la expresion 6.1.3 es, de
hecho, un sistema dinamico. Para ser precisos, dado que el tiempo avanza
en pasos, se trata de un sistema din
amico discreto.
Los sistemas din
amicos son de gran importancia. Con frecuencia se les
usa para describir el comportamiento de una gran variedad de fenomenos naturales, usando la terminologa correcta, se utilizan como modelos de dichos
fen
omenos. Nosotros usamos el sistema descrito por 6.1.3 para modelar el
crecimiento de una poblacion, de hecho es de ese contexto de donde surgio.

6.1.4

Diagramas de telara
na.

En el resto de este trabajo tendremos que analizar las orbitas de diferentes puntos en el dominio de nuestra funcion logstica, as que es conveniente

Un poco de caos
(el mapeo logstico)

59

Figura 6.1: Diagrama de telara


na para encontrar la orbita de x0 .
hacer claro un truco que estaremos utilizando asiduamente.
Supongamos que poseemos la grafica que describe nuestra funcion una
vez que se ha dado el valor para el parametro r en la expresion 6.1.3. La
grafica se ver
a como la que se muestra en la figura 6.1. Ahora supongamos
que queremos seguir la secuencia de puntos en la orbita de un valor determinado del dominio de la funci
on, digamos x0 [0, 1]. Como dijimos la orbita
de x0 est
a dada por:
x1 = 4 r x0 (1 x0 )
x2 = 4 r x1 (1 x1 )
x3 = 4 r x2 (1 x2 )
..
.
siempre xn es obtenida a partir de xn1 aplicando la misma funcion, repitiendola o, para hablar propiamente, iter
andola.
Pues bien, si nos fijamos en el valor que se obtiene para x1 a partir de
x0 en la gr
afica, este corresponde al punto en el eje vertical (ordenadas) que
corresponde a la altura que tiene la funcion en x0 . Si ahora queremos iterar
el proceso evaluando la funci
on en x1 , formalmente tendramos que fijarnos
en el valor x1 en el eje horizontal (abscisas), graficamente lo que haramos

60

ticas
Ensalada de Matema

es apoyar la punta de un compas en el origen donde cruzan los ejes y abrirlo


hasta llegar a la altura x1 para luego trazar un arco y localizar a x1 en el eje
de las abcisas. Luego podemos fijarnos en la altura que la funcion tiene en x1
y habremos localizado x2 . Pero si observamos la figura 6.1 nos percataremos
de que hay un atajo, en vez de localizar x1 sobre el eje de las ordenadas y
luego bajarlo con el compas, podemos trazar la horizontal que pasa por
x1 en la gr
afica de la funcion hasta topar con la recta `, que no es otra que
la recta que pasa por el origen a 45o , y = x (la identidad), y luego rebotar
en ella hacia arriba hasta volver a encontrar a la grafica de la funcion para
localizar x2 . Podemos repetir este proceso tantas veces como sea necesario,
rebotando en la diagonal y localizando todos los puntos en la orbita de
x0 . Al resultado gr
afico de aplicar este proceso se le denomina diagrama de
telara
na, por razones que pronto seran evidentes.

6.2
6.2.1

El r
egimen estable.
Puntos fijos.

Ha llegado el momento de comenzar a explorar nuestra familia de funciones logsticas. Cabe resaltar que tenemos una funcion diferente por cada
valor del par
ametro r que escojamos en la expresion 6.1.3, cada una con
un comportamiento potencialmente diferente. Sin embargo toda la familia
comparte caractersticas comunes, por ejemplo todas las funciones alcanzan
una altura m
axima igual al valor del parametro r y esta altura es alcanzada
exactamente en x = 0.5, a la mitad del intervalo que constituye el dominio
de la funci
on, adem
as las funciones son siempre simetricas respecto a la recta
vertical que pasa por este punto.
Comencemos con un valor r = 0.2 en este caso la funcion logstica no
llega muy alto, ni siquiera pasa por arriba de la recta identidad y = x. Si
escogemos un punto cualquiera del intervalo [0, 1] y lo seguimos a lo largo
de su
orbita veremos que muy pronto cae en el origen, es decir x = 0, como
la expresi
on 6.1.3 entrega el valor cero cuando se le da como argumento el
cero entonces ya no ocurre nada interesante. No importa que valor inicial
x0 escojamos, la
orbita tarde o temprano se convertira en una monotona
secuencia infinita de ceros.
Cuando un punto en el dominio de la funcion es mapeado por esta en
el mismo, se dice que es un punto fijo. As que el cero es un punto fijo de
todas las funciones de la familia logstica.
Un poco m
as interesante es lo que ocurre cuando r = 0.3 en este caso la
gr
afica de la funci
on sigue siendo chaparra, no rebasa el 0.5 de altura, sin

Un poco de caos
(el mapeo logstico)

61
r
0.3
0.4
0.5
0.6
0.7
0.75
0.8
0.9

Pto. fijo
0.1666
0.375
0.5
0.583
0.642
0.666
0.6875
0.722

Tabla 6.1: Valores aproximados del punto fijo distinto de cero para las funciones logsticas determinadas por el parametro r.

embargo ya cruza la recta identidad en x = 0.1666 . . . , lo que significa que


de hecho este es un punto fijo ademas del consabido x = 0.
Si escogemos un valor cualquiera en el intervalo [0, 1] como x0 e iteramos
la funci
on para obtener su
orbita nos percataremos de que, sin importar
que punto hayamos elegido, tarde o temprano caemos en el punto fijo x =
0.1666 . . . , as que adem
as de ser un punto fijo es tambien una especie de
punto de atracci
on.
Cuando podemos encontrar un conjunto de puntos alrededor de un punto
fijo, tales que al iterar el sistema partiendo de cualquiera de ellos, la orbita se
acerca cada vez m
as al punto fijo, decimos que este es un punto fijo estable.
Si, por el contrario, la
orbita de cualquier punto alrededor del punto fijo se
aleja de el, decimos que es un punto fijo inestable. As que nuestro punto
fijo x = 0.1666 . . . es estable, mientras que el cero, que siempre es punto
fijo, es ahora inestable.
Si ahora hacemos r = 0.4 entonces el punto fijo distinto de cero se
convierte en x = 0.375, que tambien resulta ser estable. En la tabla 6.1 se
muestran los valores del punto fijo distinto de cero para diferentes valores
de r, todos los asociados con valores de r menores (o iguales) a 0.75 son
estables, de los dem
as hablaremos a continuacion.

6.2.2

Puntos peri
odicos (voy y vengo).

Cuando alcanzamos el valor r = 0.75 comienza a ocurrir algo interesante.


El punto fijo, que resulta ser 2/3 = 0.666 . . . , es estable, atrae a los puntos
vecinos, de hecho a todo el intervalo [0, 1] hacia el, pero muy despacio. Si
probamos con valores de r menores a 0.75 veremos la diferencia, casi siempre

62

ticas
Ensalada de Matema

r
0.8
0.85
0.86
0.87

Puntos
w1
0.7994
0.8421
0.8485
0.8543

peri
odicos
w2
0.513
0.4519
0.4422
0.4329

Tabla 6.2: Valores aproximados de los puntos periodicos para las funciones
logsticas determinadas por el parametro r.

la
orbita se acerca r
apidamente al punto fijo estable, con r = 0.75 en cambio
damos varias vueltas alrededor del punto en nuestra telara
na (que ahora se
entiende por que suele llamarse as) antes de caer en el.
La cosa se pone a
un mas drastica con r = 0.8 entonces el punto fijo distinto de cero, a saber, 0.6875 (aproximadamente), deja de ser estable. Ahora
los puntos cercanos a el no se le acercan. Si experimentamos con diferentes
valores de x0 nos percataremos de que, luego de algunas iteraciones, solo
obtenemos alternativamente, dos valores, aproximadamente x = 0.7994 y
x = 0.513.
Cuando un punto de una orbita tiene la propiedad de que xt = xt+k , es
decir, luego de k pasos temporales el sistema dinamico regresa a el, se dice
que el punto es peri
odico. As que los puntos x = 0.7994 y x = 0.513 son
peri
odicos para r = 0.8. Como hay que esperar dos pasos temporales para
regresar a cada uno de ellos diremos que tienen periodo 2.
Si denotamos con f (x) a nuestra funcion, es decir f (x) = 4 (0.8) x (1x),
el hecho de que un punto, digamos w1 sea periodico de periodo 2, significa
que al aplicar la funci
on f al resultado de aplicar la misma funcion al punto
w1 lo que obtenemos es nuevamente w1 . Podramos abreviar y denotar con
f 2 la aplicaci
on de f al resultado de aplicar f , es decir: f 2 (x) = f (f (x)).
Esto formalmente es la composici
on de f consigo misma. Ahora podemos
decir que el punto w1 es de periodo 2 porque f (f (w1 )) = w1 , es decir:
f 2 (w1 ) = w1 , lo que significa que si consideramos a la funcion f 2 en vez de
a f tenemos que w1 es punto fijo de f 2 .
Para r = 0.85 tenemos el punto fijo xf = 0.7058 que es tambien inestable
y adem
as los puntos de periodo dos: w1 = 0.8421 y w2 = 0.4519. En la tabla
6.2 se muestran algunos otros resultados.

Un poco de caos
(el mapeo logstico)

6.2.3

63

El germen de la complejidad.

Si seguimos incrementando (poco a poco) el valor de r siguen apareciendo


puntos de periodo dos. Pero cuando alcanzamos el valor r = 0.875 cambia
el panorama. Ahora las iteraciones, luego de un tiempo, generan solo cuatro
posibles valores, aproximadamente: w1 = 0.383, w2 = 0.501, w3 = 0.827
y w4 = 0.875. Ahora hemos encontrado una familia de puntos de periodo
cuatro. Nuestro punto fijo, xf = 0.7142 en este caso, es inestable.
Cuando llegamos a r = 0.89 otra vez ocurre el fenomeno, esta vez pasamos de puntos de periodo 4 a puntos de periodo 8. En este caso los puntos
son: 0.374, 0.809, 0.551, 0.349, 0.833, 0.494, 0.881 y 0.890. Ademas hay que
ser mucho m
as minuciosos que antes, porque ahora los cambios de periodo
ocurren cada vez m
as cerca unos de otros. Para r = 0.89175, apenas una
milesima distante del anterior, ya tenemos puntos de periodo 16. Podemos
continuar incrementando muy poco a poco r y encontraremos puntos de periodos 32, 64, 128, y as sucesivamente. Todos estos n
umeros son potencias
de 2, es decir se pueden escribir como 2n para alguna n, esto es mas o menos
claro, cada vez que hay un cambio duplicamos el periodo. Pero seguramente
el lector se estar
a preguntando cuando acabamos?, la respuesta es nunca!
Para toda n que se nos ocurra, sin importar cuan grande sea, es posible
encontrar un valor de r tal que la funcion logstica tenga puntos de periodo
2n .
Pero no todos los puntos tienen periodos de la forma 2n . Cuando hacemos r = 0.93475 obtenemos puntos de periodo 5, a partir de all obtenemos
periodos 10, 20, 40, etc. Otra vez duplicando el periodo anterior. Cuando r = 0.958 obtenemos puntos de periodo 3, lo que es particularmente
importante como veremos m
as adelante, y a partir de all 6, 12, 24 y as
sucesivamente.
Si graficamos el valor del parametro r contra el valor de los puntos periodicos de la funci
on logstica obtenemos lo que se denomina el diagrama
de bifurcaciones. Los puntos periodicos de periodo n se van distanciando
hasta que, en alg
un momento, cada uno de ellos se parte en dos puntos
periodicos que se van distanciando hasta que, a su vez, se parten en dos
y este proceso se repite infinidad de veces. Cuando el n
umero de puntos
periodicos es muy grande el periodo es, por supuesto, tambien muy grande,
es decir, si obtenemos el valor de uno de ellos habra que esperar muchsimo
tiempo antes de volverlo a ver aparecer.

64

ticas
Ensalada de Matema

6.3

El r
egimen ca
otico.

6.3.1

Surgimiento del caos.

Llevando el proceso de bifurcacion al lmite, esto es, si pensamos en


la situaci
on en la que ya hay una infinidad de puntos periodicos, hay que
pensar que nunca regresamos a un punto que hemos visto previamente, nos
tardamos un tiempo infinito en volverlo a ver.
Si probamos con r = 0.895 nuestras sospechas parecen confirmarse. El
diagrama de telara
na parece cubrir totalmente los puntos de la grafica de la
funci
on sin importar cual sea el punto inicial que decidimos iterar. De hecho, si nuestras computadoras pudieran manejar n
umeros con una precision
infinita eso es lo que pasara. Esto parece indicar que la funcion pasa por todos los puntos de su dominio, nunca se estabiliza en un conjunto restringido
de unos cuantos valores, ademas si probamos con dos diferentes valores de
punto inicial my cercanos entre s, digamos x0 = 0.5 y x0 = 0.51 los puntos
en las
orbitas no est
an, ni cercanos, ni a una distancia fija; el sistema es
impredecible. En efecto, para r = 0.895 hemos alcanzado el caos.

6.3.2

Remansos de orden.

Sin embargo nuestro valor r = 0.895 es menor que 0.93475 en el que


tenamos puntos de periodo 5, tambien es menor que 0.958 en el que tenamos
puntos de periodo 3. Como que, de pronto, el comportamiento caotico da
lugar a un regimen estable, un breve remanso antes de resurgir. Si observamos detenidamente el diagrama de bifurcaciones nos percatamos de ello. En
medio de la mara
na de pronto ha ventanas de comportamiento apacible
en las que hay unos pocos puntos periodicos que se duplican y se duplican hasta volver al caos, ademas esto pasa recurrentemente; si hacemos un
acercamiento en el diagrama de bifurcaciones podemos ver con mas claridad
estos remansos de orden. Un acercamiento en el intervalo [0.956, 0.960] nos
permite apreciar la ventana de periodo 3, por ejemplo.
Haciendo acercamientos como el propuesto, es posible distinguir otras
ventanas peri
odicas imperceptibles sn el acercamiento. En efecto, hay de
hecho infinitas (pero numerables) ventanas periodicas que irrumpen en el
regimen ca
otico, cuanto mas nos acercamos mas ventanas percibimos, todas
con puntos peri
odicos que se bifurcan repetidamente. Como dira la abuela
es cuento de nunca acabar.
La pregunta que se nos puede ocurrir ahora es cual es el catalogo de
posibles periodos? Ya hemos visto que hay puntos periodicos de periodo 2
y todas sus potencias, es decir de la forma 1 2n , tambien vimos que hay

Un poco de caos
(el mapeo logstico)

65

puntos de periodo 3 2n y 5 2n . Ahora nos gustara saber para que valores


de k podemos encontrar un valor de r tal que haya puntos de periodo k 2n .

6.3.3

El ordenamiento de Sarkovsky.

La respuesta nos la proporciono en 1964 un matematico ruso: Olek establecio un orden peculiar para todos
sandr Mikolaievich Sarkovsky. El
los n
umeros enteros positivos, a saber:
3 B 5 B 7 B 9 B B 2 3 B 2 5 B 2 7 B ...
B22 3 B 22 5 B B 24 B 23 B 22 B 2 B 1
Luego demostr
o que si una funci
on continua con dominio y contradominio en
los n
umeros reales (condiciones que satisface nuestra funcion logstica) tiene
puntos de periodo m y k es un n
umero que aparece a la derecha de m en el
ordenamiento anterior, entonces la funcion tambien tiene puntos de periodo
k. Dado que hemos encontrado valores de r para los que la funcion logstica
tiene puntos de periodo 3 y este encabeza la lista ordenada de Sarkovsky,
podemos concluir que tiene puntos de cualquier periodo que se nos ocurra.
De all que otros dos matem
aticos Li y Yorke, quienes difundieron en occidente el trabajo de Sarkovsky (diez a
nos despues), escribieran un artculo
1
titulado Periodo tres implica Caos .

6.3.4

El esqueleto del diagrama de bifurcaciones.

Otra de las caractersticas que podemos observar en el diagrama de bifurcaciones es que hay, lo que podramos llamar, lneas mas gruesas o con
mayor densidad de puntos. Este es otro rasgo de orden perceptible en medio
del desorden.
Resulta que las lneas densas as como los puntos de bifurcacion obedecen
una regla: todos ellos viven alrededor de las curvas descritas por polinomios
que dependen de r. A la familia de estos polinomios se le suele llamar
el esqueleto del diagrama de bifurcaciones. Estos polinomios son definidos
recursivamente:
1
2
Pn (r) = 4rPn1 (r) (1 Pn1 (r))
P0 (r) =

Li, T. y J. Yorke, Period three implies chaos, American Mathematical Monthly, No.
82, 1975, pp. 985-992.

66

6.3.5

ticas
Ensalada de Matema

Los descubrimientos de Feigenbaum.

Otra curiosa caracterstica que denota algo de orden es la siguiente. Fijemos nuestra atenci
on en los valores de r para los que hay una bifurcacion.
Es decir los valores de r para los que se pasa de tener puntos de periodo n
a puntos de periodo 2n. Llamemos pi al i-esimo de estos valores de r. As
por ejemplo p1 = 0.75, el valor de r para el que se pasa de tener un solo
punto fijo a un par de puntos de periodo dos. p2 = 0.862 (aproximadamente), cuando obtenemos por primera vez puntos de periodo 4 y p3 = 0.885,
cuando obtenemos puntos de periodo 8. Si ahora hacemos:
p2 p1
0.862 0.75
0.112
=
=
= 4.86957
p3 p2
0.885 0.862
0.023
obtenemos un n
umero que, en principio, no se ve muy interesante. Lo realmente interesante es que, si continuamos haciendo esta division del tama
no
de los intervalos en los que ocurren bifurcaciones, lo que obtenemos no es
muy diferente del n
umero anterior, de hecho nos acercamos cada vez mas a
un cierto n
umero fijo, a saber:
=

pn+1 pn
4.669201609
pn+2 pn+1

al que se le ha llamado constante de Feigenbaum, en honor a su descubridor


M. Feigenbaum, que llego a ella en 1975.
Adem
as de hay otra constante de Feigenbaum, a la que se suele denotar
con 2.502907875. Este es tambien el valor lmite de un cociente. Si
dividimos la distancia que hay entre dos ramas al momento de bifurcarse y
la distancia que hay entre las ramas de la bifurcacion siguiente nos acercamos
cada vez m
as a .

6.4

Las cualidades del caos.

Lo mas interesante de las constantes de Feigenbaum es que son universales. En nuestro caso hemos estudiado la funcion logstica, pero hay muchas
otras funciones que exhiben comportamientos caoticos. En todas las funciones cuadr
aticas, es decir en todas aquellas en las que la regla de correspondencia depende del cuadrado de la variable independiente, aparecen las
mismas constantes de Feigenbaum. De hecho hay constantes equivalentes
para funciones c
ubicas, de cuarto, quinto y demas grados.
Es oportuno ahora hablar sobre las caractersticas que hemos descubierto
y generalizar, establecer las cualidades del caos.

Un poco de caos
(el mapeo logstico)

6.4.1

67

Todos desparramados.

Una de las caractersticas que descubrimos fue que el n


umero de puntos
posibles a los que va a dar la funcion cubre completamente su dominio, al
menos eso es lo que parece. Los puntos periodicos de la funcion se desparraman por todo su dominio, no hay un trozo del dominio donde no encontremos alg
un punto peri
odico de la funcion. En matematicas esto significa que
el conjunto de puntos peri
odicos de la funcion es denso en el dominio de esta.
Formalmente hablando: si escogemos una distancia arbitraria peque
na, tan
peque
na como nos de la gana, y nos paramos en un punto cualquiera del
intervalo [0, 1] entonces podemos encontrar, a una distancia menor que la
elegida, alg
un punto peri
odico de la funcion logstica.

6.4.2

Cuando los hermanos se separan.

Otra de las cualidades que podemos apreciar es que si observamos las


orbitas de dos puntos originalmente muy cercanos, estas son completamente
diferentes cuando se est
a en el regimen caotico. Es decir nuestro sistema
dinamico es sumamente sensible a peque
nsimos cambios en los valores del
punto inicial, por razones evidentes a este fenomeno se le suele llamar sensibilidad a las condiciones iniciales, otra de las cualidades del caos.
Para cuantificar objetivamente la separacion de las orbitas de puntos diferentes, se utiliza el concepto de exponente de Lyapunov. Una explicacion
detallada de esto escapa de los objetivos y alcance del presente texto. En
esencia, sin embargo, consiste en determinar que tan rapido crece, en promedio, la distancia entre las
orbitas. Si la tasa de cambio a la que crece la
distancia es positiva entonces las orbitas se alejan, lo que significa sensibilidad a condiciones iniciales; si, por el contrario, la tasa es negativa, las orbitas
se acercan, se tiende a un conjunto restringido de puntos fijos, es decir, se
esta en un regimen estable. Si observamos la grafica del valor del exponente
de Lyapunov contra el valor del parametro r podemos observar las oscilaciones que corresponden a las transiciones entre el regimen caotico y el estable,
cuando r est
a en una de esas ventanas periodicas que hemos mencionado
el exponente es negativo. Hacia el final del intervalo [0, 1] predominan los
valores positivos del exponente de Lyapunov.

6.5

Comentarios finales.

Hemos hecho una visita guiada al caos usando como caso de estudio la
funcion logstica, pero hay muchas otras funciones, algunas tan simples co-

68

ticas
Ensalada de Matema

mo el mapeo logstico, que exhiben comportamiento caotico. Las cualidades


del caos que hemos mencionado se cumplen en todas ellas y de hecho, como tambien hemos mencionado, las constantes de Feigenbaum permanecen
vigentes para mapeos del mismo tipo (continuos, con una sola variable independiente y con el mismo grado). El fenomeno de la cascada de bifurcaciones
es tambien com
un a todos ellos.
El lector habr
a notado la similitud que existe entre el aspecto general del
diagrama de bifurcaciones y el que muestra luego de hacerle un acercamiento.
Justamente eso es lo que nos indican las constantes de Feigenbaum. Que el
aspecto de cada acercamiento es una reproduccion aproximada a escala del
aspecto que presenta el diagrama en general, la similitud es perfecta en el
lmite, cuando hemos hecho (si esto fuera posible) infinitos acercamientos.
Esta es una cualidad de un tipo particular de objetos llamados fractales,
que ser
a oportuno tratar con detenimiento en otro texto.
Esto nos lleva a pensar que es posible estudiar el comportamiento general de las funciones caoticas del mismo grado si podemos olvidarnos de la
escala aproximada, es decir, si nos ponemos a observar como se comportan
en el lmite cuando la similitud es perfecta. Feigenbaum exploro esta idea,
para ello se vali
o de un recurso matematico usual en fsica llamado renormalizaci
on y que consiste, justamente, en hacer una especie de acercamiento
infinito con el fin de que el factor de escala fuera u
nico y perfecto siempre.
A nosotros nos parece que la tierra es plana porque siempre tenemos solo
una visi
on de un peque
no trozo el planeta, somos tan peque
nos en relacion
al tama
no de la tierra que, sin pretenderlo, nuestros ojos han hecho un
acercamiento, una ampliacion de la casi esfera que habitamos y nos parece
un plano. La idea de la renormalizacion es esa: un segmento infinitesimal
de circunferencia es, en el lmite, cuando se renormaliza, una lnea recta
que, ya sin importar a que escala se vea, sigue siendo una lnea recta: su
autosimilitud es perfecta.
Esto llev
o a Feigenbaum a lo que se conoce como la funci
on de Feigenbaum, que resulta ser una funcion que depende de una funcion, aquella que
exhibe el comportamiento caotico. En la funcion de Feigenbaum el factor de
escala es perfecto y es justamente el valor de ya mencionado. La ventaja
primordial de poseer esta herramienta es que se posee un modelo que engloba a todas las funciones caoticas del mismo grado y extraer propiedades
de este modelo equivale a hacerlo para todas ellas. La desventaja es que al
renormalizar, algo del detalle se pierde, sin duda algunas de las cualidades
especficas de cada funcion ya no son recuperables. Sin duda mucho resta
por hacer.

Un poco de caos
(el mapeo logstico)

6.6

69

Lecturas complementarias.

Libros.
Stewart, Ian, Juega Dios a los dados?, Barcelona, Crtica, 1991, 318
pags., Drakontos.
Este es un texto de divulgacion que trata sobre el caos en general.
Devaney, Robert, A First Course in Chaotic Dynamical Systems, Theory
and Experiment, Addison-Wesley, 1992, 302 pags.
El libro de Devaney es referencia obligada para aquellos que se dedican al estudio de fen
omenos caoticos. Este es un libro de texto para
estudiantes de matem
aticas a nivel licenciatura.
Alligood, K., T. Sauer y J. Yorke, Chaos: An introduction to dynamical
systems, Springer Verlag, 1996.
Otro libro de texto a nivel licenciatura, un poco mas elemental que el
Devaney.
Holmgren, Richard, A First Course in Discrete Dynamical Systems,
2a ed., Springer Verlag, 1996, 223 pags., Universitext.
Tambien libro de texto a nivel licenciatura, el mapeo logstico es tratado profusamente.
Abraham, R., L. Gardini y C. Mira, Chaos in Discrete Dynamical
Systems: A Visual Introduction in 2 Dimensions, Springer Verlag,
1997, 246 pags., Telos.
Este es tambien un libro de texto, pero viene acompa
nado de un
CDROM en el que se pueden encontrar programas como el presentado aqu, con los que el lector puede experimentar por su cuenta.
Bai-Lin, H., Elementary Symbolic Dynamics, and chaos in dissipative
systems, Wolrd Scientific, 1989, 460 pags.
Este es un libro de nivel un poco mayor, se trata el tema del grupo
de renormalizaci
on y es el u
nico libro donde el autor de estas paginas
encontr
o los polinomios del esqueleto de bifurcaciones.
P
aginas web.
Sarkovskiis theorem - Wikipedia,
http://en.wikipedia.org/wiki/Sarkovskiis theorem

70

ticas
Ensalada de Matema
Logistic map - Wikipedia,
http://en.wikipedia.org/wiki/Logistic map
Sarkovskiis Theorem,
http://cnls.lanl.gov/nbt/Book/node45.html
Feigenbaum Function from MathWorld,
http://mathworld.wolfram.com/FeigenbaumFunction.html
Fractal Frequently Asked Questions and Answers,
http://www.faqs.org/faqs/fractal-faq/

You might also like