1

2
3
La Naturaleza es bella,
caóticay fractal





VOLUMEN 1: Los fractales, Irreversibilidad, Azar
y Determinismo.













Dino Otero - 2010
dinootero@fibertel.com.ar
4
La Naturaleza es bella, caótica y fractal – Volumen 1: Fractales, Irreversibilidad,
Azar y determinismo.
Autor: Dino Otero
Editor: Bubok Publishing S.L.
Depósito Legal: M-26619-2010
ISBN: 978-84-9916-812-8
5
INDICE

INTRODUCCIÓN 6
LA NATURALEZA FRACTAL 8
CONCEPTO DE PROBABILIDAD. ENTROPÍA. SISTEMAS
LINEALES. EL HAMILTONIANO. VARIABLES CANÓNICAS.
EVOLUCIÓN EN EL ESPACIO DE FASES.
PRINCIPIO DE SUPERPOSICIÓN. PROBABILIDAD 20
IRREVERSIBILIDAD 23
DEFINICION DE EQUILIBRIO TERMODINÁMICO 25
EVOLUCION REVERSIBLE E IRREVERSIBLE 26
MEZCLA DE GASES 27
SISTEMAS DINÁMICOS LINEALES 33
EXPONENTE DE LYAPUNOV 37
DIMENSION DE HAUSDORFF 38
CONJUNTO O POLVO DE CANTOR 39
FRACTALES 41
CRECIMIENTO ELECTROLÍTICO FRACTAL 45
DETERMINACIÓN DE LA DIMENSIÓN FRACTAL.
MÉTODO NUMÉRICO 48
DIFICULTADES DE LA REPRESENTACIÓN DIGITAL 49
RESULTADOS 62

6


INTRODUCCIÓN
Este texto está principalmente dirigido a profesores universitarios, estudiantes y
profesionales que necesiten una introducción a los temas de caos y fractales. En ambos
casos no existe hasta el presente asignaturas que traten explícitamente estos temas. No
están muy claras las razones por la cuales se da esta omisión. Me permitiré exponer
algunas hipótesis. Las raíces del caos se remontan a fines del siglo XIX con los trabajos
de Henry Poincaré, mientras que el concepto de dimensión no entera fue introducido por
el matemático Félix Hausdorff a principios del siglo XX. Sin embargo esos estudios
quedarían prácticamente ignorados hasta fines del siglo XX por diversas razones. Las
dos principales causas han sido, por un lado los espectaculares desarrollos de las teorías
cuántica y relativista, particularmente aplicadas con gran éxito en las áreas de física
atómica, molecular, nuclear y astrofísica y por el otro la necesidad de tener los
poderosos equipos de cálculo y graficación que son las computadoras. Hacia 1960 se
realizó un importante desarrollo con la demostración del teorema KAM (Kolmogorov,
Arnold, Morse) pero el apogeo de la física lineal era aún muy fuerte y el tema quedó
relegado a los especialistas. Más fortuna tuvo Benoit Mandelbrot cuando en 1967
comenzó sus trabajos sobre la fractalidad publicando el artículo “¿Cuánto mide la costa
de Gran Bretaña?”
1
, aunque el término lo acuñó mucho más tarde alrededor de 1975. Ya
para entonces era posible volcar en un gráfico de aceptable presentación los elaborados
dibujos que se generan mediante algoritmos relacionados con caos o fractales. Creo que
el desarrollo gráfico de la computación contribuyó en gran medida a la popularización
de estos conceptos y, por que no, al entendimiento y profundización de los mismos. La
colaboración entre el ojo analógico del científico y el poder de cálculo digital de las
computadoras han permitido avanzar rápidamente en el estudio de estos temas. Sin
embargo todo esto no aclara porque el retraso en incluirlos en las asignaturas de grado.
En los trabajos de divulgación se afirma una y otra vez que los ejemplos de dinámica de
los cursos de grado son un conjunto muy pequeño respecto de los problemas reales que
se plantean en las ciencias exactas. Espero que este trabajo sea un grano de arena que
colabore en incorporarlos. Vaya el ejemplo de un péndulo real, que con una gran
riqueza en su dinámica, puede ser fácilmente comprendido y resuelto por alumnos de
los primeros años de la universidad, con la ayuda de la computación. Otro ejemplo
simple lo constituye la simple ecuación logística a diferencias finitas, para la cual ni
siquiera es necesaria ninguna herramienta sofisticada de cálculo. Respecto de la
fractalidad podríamos afirmar que la naturaleza es bella porque es fractal.
Efectivamente, si bien los estudiantes conocen (o al menos es de esperar que conozcan)
muy bien los teoremas euclídeos y reconocen las diferencias entre triángulos, elipses,
cubos, esferas, poliedros y cuádricas, ni bien se asoman al mundo real y observan un
árbol, las nubes, la mezcla de dos pinturas, los remolinos en el agua, la descarga de un
rayo, descubren que lejos están esos objetos y fenómenos de un triángulo, una esfera o
un poliedro. En 1900 surge en la pintura, de la mano de Pablo Ruiz Picaso, el
movimiento artístico denominado cubismo. Se rompía entonces con toda una tradición
pictórica que representaba a la naturaleza tal como era, eventualmente impregnada del
espíritu con el cual la contemplaba el pintor. En el afán de combinar tiempo y espacio
sobre una tela plana se perdía, con el cubismo, una de las características, a mi juicio,
más bellas de la naturaleza: la geometría fractal. Como dice Benoit Manderlbrot en su

1
Science, New Series, Vol 156, Nro 3775 (May 5, 1967), p 636-638.
7
libro: “Las nubes no son esferas, las montañas no son conos, los litorales no son
circulares, y los ladridos no son suaves, lo mismo que los relámpagos no viajan en línea
recta”. Pero la estructura fractal que suele presentar la naturaleza tiene su origen en
procesos dinámicos a los cuales las ciencias físicas sólo recientemente han dedicado un
profundo interés: la teoría del caos. La base de la teoría del caos es la física no lineal.
Sólo los relojes asociados a los rutinarios ciclos temporales están realmente fuera de la
física no lineal. Con ciclos más largos o más imbricados todos los problemas que puede
resolver la física lineal se reduce a seguir esos ciclos.
En un primer volumen presentamos conceptos elementales y todo el tema de
fractales. El segundo volumen está dedicado al caos y la relación de ambos conceptos
con el tema de sistemas complejos.
El autor ha publicado en teoría del caos, fractales, física nuclear y teoría de la
información. Fue profesor de física y matemáticas en las universidades de Luján, Centro
de la Provincia de Buenos Aires, UBA, UTN y Favaloro. Fue asesor científico en la
Comisión de Investigaciones Científica de la Pcia de Bs. As y desarrolló tareas de
investigación y gerenciamiento en la Comisión Nacional de Energía Atómica. Parte de
este material se dictó en la carrera de doctorado de la Facultad Regional de Buenos
Aires, Universidad Tecnológica Nacional.


8
LA NATURALEZA FRACTAL

Comenzaremos por presentar algunos ejemplos de la incidencia del caos y la
fractalidad en la naturaleza. Veamos que pasa en el cielo, particularmente en la
atmósfera. La atmósfera de la Tierra se encuentra muy fuera del equilibrio
termodinámico (¡afortunadamente!), tenemos aquí la vista de tres cielos:



Cómo se desarrollan las formas fractales de las nubes es un tema de fluidos que
aún no ha sido completamente determinado. Confluyen varios efectos, particularmente
el movimiento del aire. Pero el más importante está relacionado con la agregación de las
gotas de agua. Para un gas como el aire predomina la repulsión de choque entre las
moléculas originadas en las fuerzas de Coulomb. Pero para gases densos como son las
nubes, compuestas por gotas de agua, las fuerzas electrostáticas tienen tanto el
comportamiento repulsivo como el atractivo. Sigamos mirando el cielo, un espectáculo
entre sobrecogedor y hermoso son los relámpagos:



Ahora se trata de una descarga eléctrica entre una nube o región de la atmósfera
y la Tierra. La descarga recorre los caminos que mejor la conducen. Buscar esos
caminos mediante un cálculo sería virtualmente imposible pero la naturaleza los
encuentra sin esfuerzo. La estructura es claramente fractal.
Bajemos ahora a la tierra y miremos que sucede con el agua. Mares, lagos y
hasta muchos ríos tienen una superficie que puede aproximarse razonablemente bien
como plana o de dimensión dos (se puede medir en metros cuadrados). Pero, al igual
que en el caso de las nubes y los relámpagos ¿cómo medir la dimensión de un salto de
agua?:

9



Aunque los tres saltos de agua son muy distintos los tres se caracterizan por no tener
bien definida su dimensión. Podemos estimar la altura, aproximadamente el ancho,
groseramente la profundidad pero su dimensión real es otra cosa y es eso justamente lo
que los hace bellos. A esto contribuyen una distribución de rocas desorganizada, la
fuerza de gravedad y un comportamiento altamente no lineal del fluido. Pero veamos
como el hombre saca ventaja de este comportamiento caótico y/o su aspecto fractal.
Primero vemos alguien que goza lanzándose entre un torbellino de agua,



Luego vemos como se aprovecha el espectáculo de chorros caóticos que surgen
de las fuentes para embellecer las ciudades, en este caso se trata de la estatua de
Neptuno en Madrid:

10


Finalmente en Noruega, en pleno paseo del tren turístico que une Bergen con
Myrdal y Flam, aprovechan todo el esplendor de la caída de agua y las rocas que la
rodean para enmarcar una bailarina,



La música surge entre la distribución fractal de las rocas y la caída caótica
del agua.


11
Veamos que sucede con la Tierra misma, los accidentes geológicos. Los ejemplos
típicos lo constituyen las cadenas montañosas, en este caso se trata de los Pirineos a la
altura de Andorra:



Una pequeña porción de la cadena es autosimilar a una visión más panorámica.
Incluso los depósitos de nieve, por la propia estructura fractal de las montañas poseen
autosimilaridad. También puede apreciarse el efecto de autosimilaridad en este perfil
montañoso del norte de Cataluña:



Pero la propia estructura geológica sigue también un patrón fractal de
autosimilaridad como puede apreciarse en estas vistas del Gran Cañón del Colorado:

12





Más acentuada aún son las estructuras que pueden observarse en el Bryce Canyon Nat.
Park, o en la estructura de estalagmitas y estalactitas en la cueva de las Flautas de Caña
en Guilin, China:
13




Aunque en estas últimas fotos la iluminación artificial acentúa el efecto de por sí
presente dentro de la caverna.

Uno de los primeros casos de estructura fractal corresponde a la dimensión de las
costas. Este fue el trabajo de Benoit Mandelbrot de 1967, ¿Cuánto miden la costa de
Gran Bretaña?
2
, aquí podemos apreciar esa estructura en la costa de la Bahía de Las
Vegas, USA:



2
“How Long is the COSAT of Britain?, Statisticas Self-Similarity and Fractional Dimension”, Science,
New Series, Vol 156 Nro 3775 (May 5, 1967) p636-638.
14



Pero hay fenómenos en la naturaleza que combinan la fractalidad geológica,
líquida y gaseosa, como por ejemplo los géiseres de los cuales mostramos tres ejemplos
de Yellowstone:

15






16



Y no podía faltar la fractalidad en los árboles:



Son estas combinaciones de objetos naturales con diferentes tipos de fractalidad
en forma, color o en ambos los que nos generan estos agradables paisajes:
17






A escala planetaria también se pueden observar el caos y la fractalidad como en estas
tormentas en torbellinos sobre Júpiter:

18


O incluso a escalas galácticas:


Podemos apostar más alto, la distribución de galaxias en el universo hasta donde se ha
podido estudiar también muestra una dimensión fractal. Si la distribución fuera
homogénea la dimensión debería valer 3, en cambio se obtiene el valor de 2,1:

19



20

“Relativity eliminated the Newtonian illusion of absolute space and time; quantum
theory eliminated the Newtonian dream of a controllable measurement process; and
chaos eliminates the Laplacian fantasy of deterministic predictability”, of the tree, the
revolution in chaos applies to the universe we see and touch, to objects at human
scale.
Observación de un físico anónimo
CONCEPTO DE PROBABILIDAD. ENTROPÍA.
SISTEMAS LINEALES. EL HAMILTONIANO.
VARIABLES CANÓNICAS. EVOLUCIÓN EN EL
ESPACIO DE FASES. PRINCIPIO DE SUPERPOSICIÓN.
“… si alguien tuviese una percepción suficiente de las partes de las cosas y bastante
memoria y entendimiento, sería un profeta y vería el futuro en lo presente, …”
“Pero es imposible que un entendimiento limitado prevea las cosas futuras pues el
mundo consta de infinitas cosas que cooperan, de modo que nada hay tan remoto ni
tan pequeño que no contribuya algo en su medida. Acostumbro a decir que una
mosca puede cambiar todo el estado si zumba ante la nariz del rey mientras éste está
sumido en importantes deliberaciones.”
Gottfried Wlhelm Leibniz
3

PROBABILIDAD

Un concepto que recurrentemente reaparece en la solución de los problemas
científicos es el de la probabilidad. Este concepto está presente en las ciencias físicas
en: la teoría cinética, la termodinámica, la mecánica estadística, los fluidos, los plasmas,
los sólidos, la mecánica del continuo, la mecánica cuántica, la física nuclear, etc. ¿Qué
papel juega realmente este concepto en las ciencias físicas? Tenemos por un lado el
enunciado de leyes muy generales propuestas por: Newton, Schrödinger, Einstein. En
estas leyes se utilizan variables dinámicas de características geométricas, rígidamente
relacionadas por las ecuaciones propuestas. Nada es “aproximado” o “ íxel  ilística”.
Sin embargo estas leyes tan precisas requieren del auxilio de la probabilidad para
describir completamente los fenómenos físicos. Cuando en el mundo de los átomos una
interacción exige que un sistema adquiera propiedades que en realidad no posee, la
mecánica cuántica provee una “receta” probabilística. Por ejemplo un electrón en el
átomo de hidrógeno tiene la propiedad de “acompañar” al protón ubicado en auto
estados de energía con certeza absoluta. Sin embargo una interacción (“interna” o
“externa”) puede forzar la localización espacial del electrón. La teoría permite evaluar
probabilísticamente la localización, propiedad que hasta ese momento el electrón no
poseía. También las leyes de Newton requieren del auxilio de la probabilidad: Un dado
es un cuerpo rígido con un centro de gravedad bien definido para el cual no existe

3
“Escritos en torno a la libertad, el azar y el destino”, Ed. Tecnos, Madrid 1990.
21
ningún inconveniente (en principio) en aplicarle las leyes de Newton para “predecir” su
evolución futura luego de arrojarlo sobre un tapete … pero nadie juega a los dados
utilizando ecuaciones diferenciales!
Los estudios matemáticos del azar comienzan con “De Alea Geometriae” de Blaise
Pascal (1650) con la fundamentación de la teoría de probabilidades. También Fermat
contribuyó a la fundamentación y posteriormente en 1854, la teoría se consolida con el
trabajo de George Boole: “Laws of Thought, on Which Are Founded the Mathematical
Theories of Logic and Probabilities” (1854). La motivación tuvo razones muy prácticas:
el análisis de los juegos de azar y la administración del estado justamente mediante el
uso de las estadísticas.
La relación entre azar y determinismo se plantea tardíamente en las ciencias físicas.
Recién en 1870, Ludwig Eduard Boltzmann publica una serie de trabajos en los cuales
establece que la segunda ley de la termodinámica tiene un origen puramente estadístico
y la relaciona con la equipartición de la energía entre los distintos grados de libertad del
sistema. Pone así las bases de la mecánica estadística. Sus trabajos fueron muy
combatidos por los físicos contemporáneos y posteriormente, a su muerte, en 1900 con
el estudio del movimiento de Brownian de las partículas, tuvo el merecido
reconocimiento.
El problema del azar en las ciencias físicas se replanteó entre 1925 y 1940 en las
famosas discusiones entre Einstein y Bohr sintetizadas en la frase famosa: “¡Dios no
juega a los dados!”. La posición pragmática de la escuela de Copenhagen y los
resultados espectaculares del uso de la mecánica cuántica se impusieron a los
argumentos de Einstein y el problema quedó relegado durante años.
Las objeciones de Einstein no sólo cuestionaban los resultados   íxel  ilísticas de
una medida cuántica para un estado puro. Algunas de ellas, como la relacionada con la
paradoja de Einstein Podolski Rosen
4
y replanteada por John Stewart Bell
5
], fueron
resueltas a favor de la mecánica cuántica mediante un ingenioso experimento realizado
por Alain Aspect en 1982
6
:. Sin embargo la idea de Einstein que la teoría no es
completa tiene aún sus partidarios. Justamente un trabajo relativamente olvidado de
Einstein de 1917
7
sobre el análisis de la teoría cuántica del ión H
2
+
, señala la dificultad
que tiene el formalismo cuántico en explicar el comportamiento dinámico de más de dos
cuerpos. Hoy día, con la moderna teoría de la física no lineal, esta dificultad ha
recobrado interés científico y dio origen a los estudios de “caos cuántico”. El Estudio
del caos cuántico apunta a unificar el uso de la probabilidad en la física clásica y la
mecánica cuántica.
Pero existe una diferencia conceptual profunda entre la probabilidad clásica, definida a
partir del conjunto continuo de números reales {
i
p }, tal que 0 =
i
p = 1 y que cumplen
la condición

·
i
i
p 1, y la probabilidad estrictamente cuántica. Un estado cuántico

4
Einstein, A., Podolski, B., and Rosen, N., 1935, "Can quantum-mechanical description of physical
reality be considered complete?". Physical Review. 47:777-780.
5
John Bell, "On the Einstein-Podolsky-Rosen Paradox" Physics Vol 1, 195 (1964).
6
A. Aspect, J. Dalibard and G. Roger, “Experimental Test of Bell's Inequalities Using Time-Varying
Analyzers”, Physical Review Letters, Vol. 49, Iss. 25, pp. 1804-1807 (1982)
7
A. Ángel “The Collected Papers of Albert Einstein”, Vol 6, , trans., Pricenton U. Press, Pricenton, NJ
(1997), p. 434
22
general se puede describir por un conjunto de funciones (que pueden ser complejas)
ortogonales, denominadas funciones de onda cuánticas,
{ } ) , , , ( t z y x
i
ψ (1)
Veamos por ejemplo un estado descripto por dos funciones de este tipo,
) , , , ( ) , , , ( ) , , , (
2 1
t z y x b t z y x a t z y x ψ ψ φ + · (2)
Ese estado podría corresponder a un electrón compartido por los átomos (1) y (2). Cómo
la funciones están normalizadas y son ortogonales la probabilidades de que el electrón
sea localizado en el átomo (1) es
2
a y la probabilidad que sea localizado en el átomo
(2) es
2
b .También puede suceder que el electrón esté en alguno de los dos átomos pero
sólo sepamos que existe una probabilidad p
1
de estar en el átomo (1) y una probabilidad
p
2
que esté en el átomo (2). Los dos casos son bien distintos como podemos observar en
la figura:

23

Un ingrediente adicional surge de la irreversibilidad. Como ya señalamos las
ecuaciones básicas de la física, tanto clásicas, cuánticas o relativisticas, son
absolutamente reversibles. El tiempo puede transcurrir indiferentemente hacia el futuro
o hacia el pasado. La clara percepción entre un pasado, un presente y un futuro se
denomina la flecha del tiempo. Pero la flecha del tiempo no tiene una ecuación
dinámica que sólo pueda avanzar desde el pasado hacia el futuro. Observemos un reloj
de péndulo. La oscilación del péndulo no indica ninguna dirección temporal. Sin
embargo si olvidamos de darle cuerda (o suspendemos la alimentación eléctrica), el
péndulo comienza a detenerse y claramente nos indica la dirección del tiempo.
IRREVERSIBILIDAD
Se han propuesto varias explicaciones para conciliar la microreversibilidad con
la macroirreversibilidad. La más aceptada consiste en aceptar que, dada la gran cantidad
de partículas involucradas en un proceso macroscópico, el tiempo necesario para que se
revirtiera un movimiento superaría la edad del universo (14000 millones de años).
Veamos que significa microreversibilidad en la siguiente figura donde chocan
coulombianamente dos partículas cargadas. En la colisión ir del estado 1-3 hasta el
estado 2-4 es equivalente a ir del estado 2-4 al estado 1-3, invirtiendo las velocidades
cuando las partículas llegan al estado 2-4. En cambio para una bola macroscópica no es
equivalente ir del estado A al B y luego volver al A, invirtiendo la velocidad cuando se
llega a B.
24


Frente al problema de tratar con un número muy grande de partículas la solución
ha sido realizar un promedio o utilizar variables macroscópicas que implican
implícitamente un promedio. Por ejemplo para los gases resulta muy útil utilizar la
simple ecuación,

PV = nRT (1)

donde P, la presión, representa el promedio de los impulsos de las partículas sobre un
elemento de superficie; T, la temperatura, es un parámetro asociado a la energía
promedio de las partículas y n/V representa la densidad promedio del gas. Veamos el
caso más simple de la densidad. Se basa en la idea intuitiva que fijado un elemento de
volumen, en cualquier lugar dentro del recipiente, el número de partículas es el mismo
al menos en promedio. Sobre este concepto se basa la definición de estado de equilibrio
25
termodinámico. Si hubiera lugares donde el elemento de volumen tuviera un valor
promedio de partículas mayor o menor, el gas no estaría en equilibrio térmico. En
nuestro ejemplo el valor promedio significa “contar” el número de partículas que
“transitan” por elemento de volumen en un cierto tiempo t ∆ . ¿Cuál es la exactitud de
ese promedio? Supongamos que tenemos un mol de gas a 20
o
y 1 atm. Esto ocupa
aproximadamente 22,4 litros. Un elemento de volumen podría ocupar, por ejemplo,
0,0224 litros, es decir mil veces menos. De acuerdo con el número de Avogadro
tendríamos en promedio unas 6x10
20
partículas de gas. El número de partículas que
puede haber en un dado instante en el elemento de volumen es de características
frecuenciales. Las observaciones frecuenciales, por ejemplo el número de glóbulos rojos
en un cm
3
de sangre, siguen una distribución de Poisson que, para tan grandes números
se puede aproximar por una distribución de Gauss con un solo parámetro:


> <
− > <

> <
·
n
n n
e
n
n P
2
) (
2
2
1
) (
π
(2)

Donde <n> es el valor promedio y > < n es la dispersión. Entonces en nuestro caso la
fluctuación esperada para el número promedio en 0,0224 litros (un cubo de 2,8 cm de
lado) es de 2,45x10
10
partículas. La fluctuación porcentual es de tan sólo 4,8x10
-11
. La
densidad es constante con una tremenda precisión. ¡Algo así como una precisión de 4,8
micrones en la distancia Bs.As.-Mar del Plata (450 km)!
Volvamos al concepto de equilibrio termodinámico. No es posible utilizar
variables macroscópicas que representan promedios de las variables microscópicas si el
sistema termodinámico no se encuentra en equilibrio. Veamos las condiciones que
aseguran el estado de equilibrio termodinámico:


DEFINICIÓN DE EQUILIBRIO TERMODINÁMICO

• Las ecuaciones termodinámicas son “ecuaciones de estado de equilibrio”.
Conviene tener muy claro que se entiende por este concepto. Para poder
asegurar que el sistema está en equilibrio, se requieren las siguientes
condiciones:
• El sistema debe estar constituido por un gran número de partículas (o en un
concepto más fuerte, grados de libertad). Sin embargo cuando se fundamentan
estadísticamente las ecuaciones basta que ese número sea >>10, por ejemplo
100.
• Las variables dinámicas de dichas partículas deben evolucionar erráticamente.
Asegurar esta última condición también se encuentra en la frontera de la ciencia,
pero afortunadamente existen condiciones externas que ayudan a caracterizarla.
• Por ejemplo, una condición importante es que el sistema no tenga forma de
decirnos como ha llegado a la situación de equilibrio. Es decir el sistema ha
perdido la memoria de su evolución y/o condiciones iniciales. Esto asegura que
las partículas están evolucionando erráticamente.
• El sistema debe ser cerrado (no deben ingresar o salir partículas) y aislado (no
debe entrar o salir radiación).
• Las condiciones anteriores se aplican a un espacio finito y a un tiempo
26
limitado. Estas dos últimas condiciones colaboran a extender el concepto de
equilibrio termodinámico a sistemas que globalmente no lo están.
• Las variables intensivas, por ejemplo la temperatura, la presión, la densidad,
deben tomar el mismo valor en cualquier punto del sistema. El sistema es
homogéneo respecto de dichas variables.
• La definición de un estado de equilibrio es subjetiva pues depende de las
variables que se observen. Por ejemplo sea un vaso de agua en el cual vierto
tinta. Luego de un rato toda el agua se coloreó uniformemente y recién entonces
estaríamos en condiciones de afirmar que el sistema está en equilibrio. Pero si en
lugar de tinta vertemos sal, sólo si medimos la salinidad podremos asegurar en
qué momento el sistema alcanzó el equilibrio.

EVOLUCIÓN REVERSIBLE
• Las evoluciones reversibles se caracterizan por pasar por estados de equilibrio,
donde la variación de las variables macroscópicas evolucionan más lentamente
que las microscópicas.
• Las evoluciones cuasiestacionarias suelen confundirse con evoluciones
reversibles pero si se presta atención se descubre que el paso lento de una
situación a otra no es vía estados de equilibrio. Por ejemplo una barra con los
extremos a diferente temperatura pasa al estado de equilibrio en un proceso
irreversible aunque cuasiestacionario. La barra no es homogénea respecto de la
temperatura. Sin embargo si se toman fetas transversales muy delgadas, la
temperatura está bien definida para cada feta pero evidentemente no están
aisladas unas de otras.

EVOLUCIÓN IRREVERSIBLE
Por supuesto se la identifica como aquella evolución que no es reversible. Por
ejemplo en la expansión violenta de un pistón. Si la velocidad de movimiento del pistón
es muy superior a la velocidad promedio de las partículas del gas contenido en el pistón,
entonces al moverse se producirá un cuasi vacío detrás del pistón y una consiguiente
corriente de gas hacia el pistón. Observado en ese instante el sistema tiene “memoria”
de cómo se está moviendo el pistón. En cambio si el pistón se mueve mucho más
despacio que el movimiento promedio de las partículas, al observar al sistema, en un
dado instante, no es posible saber en qué dirección se mueve el pistón observando el
movimiento de las partículas.
¿Cuál es la relación entre la irreversibilidad termodinámica y la irreversibilidad
mecánica? La primera se refiere a la evolución del valor promedio de una variable
macroscópica en tanto que la segunda se refiere a la evolución de magnitudes físicas
razonablemente bien establecidas: la posición del centro de masa y su velocidad. Sin
embargo poseen en común la imposibilidad de invertir la evolución sin poner trabajo en
el sistema.
Veamos ahora un ejemplo de evolución irreversible que permite relacionar el
concepto de calor termodinámico con la probabilidad y la teoría de la información.

MEZCLA DE GASES

La purificación de gases es una técnica usual en la industria. Se gasta energía en
separarlos y si por cualquier razón vuelven a mezclarse habrá que invertir nuevamente
trabajo en separarlos. Veremos desde el concepto termodinámico de entropía que sucede
27
cuando se mezclan gases distintos. Los gases se encuentran en recipientes como indica
la figura, a una temperatura y densidad que pueden considerarse gases ideales.











Es decir se rigen por la ecuación de estado: PV = nRT.
Supongamos que la relación de volúmenes que ocupa cada gas, es x para el gas 1
y (1-x) para el gas 2. Si el volumen total es V, el gas 1 ocupará un volumen xV y el gas
2 un volumen (1-x)V. El número de moles para el gas 1 será x y el del gas 2, (1-x).
Consideremos ahora la evolución irreversible (cuasiestacionaria) del sistema para la
cual la pared que separa los gases permite una lenta mezcla de ambos gases hasta que
se alcanza un nuevo equilibrio a la misma (P,T) pero con los gases completamente
mezclados.
Durante todo el proceso el sistema está aislado tal que entonces 0 · ∆U .
Obsérvese que por ser gases ideales la energía interna sólo depende de la temperatura y
como esta es la misma para ambos recipientes al mezclar los gases la temperatura no
cambia y por lo tanto tampoco la energía interna, por Para determinar la variación de
entropía utilizaremos la fórmula usual de entropía:
∆ U = TdS – PdV = 0
despejando dS e integrando:
dV
T
P
dS S
∫ ∫
· · ∆
Si el proceso de mezcla de los gases es suficientemente lento la presión y la
temperatura estarán bien definidas en todo instante. Por otra parte por ser gases ideales
las variables intensivas (P,T) no varían al mezclarlos. Incluso la expansión de un gas
ideal en el vacío no cambia su temperatura. Concretando la integración indicada, para el
gas 1 tenemos,




pues el gas 1 pasa de ocupar un volumen xV a ocupar un volumen V. Para el gas 2 se
tiene,





La variación total de la entropía será,

[ ] ) 1 ln( ) 1 ( ln
2 1
x x x x nR S S S − − + − · ∆ + ∆ · ∆

x nR
xV
V
xnR
v
dv
xnR dv
T
P
S
V
xV
ln ln
1
− · · · · ∆
∫ ∫
· − · · ∆
∫ ∫

V
V x
v
dv
nR x dv
T
P
S
) 1 (
2
) 1 (
) 1 ln(
) 1 (
ln ) 1 ( x nR
x V
V
nR x − − ·

− ·
28
como x y (1-x) son menores que uno, ambas contribuciones son mayores que cero y
también 0 > ∆S . La gráfica de esta función es fundamental en el concepto de
entropía y teoría de la información:

















Las fracciones x y (1-x) podemos interpretarlas como la probabilidad que, luego de
mezclar los gases, al tomar una molécula corresponda al gas 1, p
1
= x o al gas 2, p
2
= (1-
x). La expresión para la variación de entropía puede ponerse como,

∆S = -nR(p
1
lnp
1
+p
2
lnp
2
)

Antes de que los gases se mezclaran conocíamos con exactitud dónde estaba
cada gas, información que se pierde al mezclarlos. El aumento de entropía está
midiendo esa pérdida de información. La constante nR es arbitraria pero permite en
este caso relacionar la entropía informacional con la termodinámica. La pérdida de
información es nula si cualquiera de los recipientes tiene inicialmente volumen igual a
cero.
La máxima pérdida se da para cuando ambos recipientes son iguales.
Supongamos que ahora tenemos un conjunto similar de recipientes con diferentes gases
1,2,3,… m, como indica la figura:




cada recipiente representa una fracción x
1
, x
2
, x
3
, …, x
m-1
, x
m-2
que al mezclar los gases
pueden interpretarse como las probabilidades p
1
, p
2
, p
3
, …, p
m-1
, p
m
de sacar una
molécula de alguno de los m gases. Trivialmente la expresión (131) se generaliza:



Ahora el máximo valor que puede tomar la entropía es, ∆S = ln(m), que corresponde a
m cajas iguales. Veamos como se demuestra esto. Para ello partimos de la desigualdad,


Que se cumple para todo valor de x y en particular vale la igualdad para x=1:
i
m
i
i
m
i
i
p p nR S S ln
1 1
∑ ∑
· ·
− · ∆ · ∆
x x ln 1≥ −
29



Definiendo,

Y reemplazando en la desigualdad,




Multiplicando por p
i
y sumando sobre el índice i,





pero el miembro de la izquierda es nulo pues la sumatoria sobre p
i
vale 1 y sumar N
veces 1 es igual a N, como lnN es una constante se tiene que:




por lo que, reordenando se tiene,

En términos de mezcla de gases, antes de mezclarlos podríamos definir que
como la falta de información es nula, la entropía también lo será. Pero eso no es
correcto pues cada gas tiene un valor de entropía por la agitación térmica de sus
moléculas. Es decir se carece de información respecto del estado dinámico de cada
molécula. Dentro de cada recipiente no podemos saber donde está cada molécula ni con
qué velocidad se está moviendo más allá de un valor promedio. En lo que respecta a la
entropía de cada gas, existe una falta de información de la posición y velocidad de cada
partícula. Clásicamente no es posible definir un valor absoluto de la entropía pues
como el espacio de fases puede subdividirse en “recipientes” arbitrariamente pequeños
el resultado es que el valor de la entropía absoluta diverge para cualquier temperatura
y presión. Sin embargo las divergencias para diferentes temperaturas y volúmenes
tienen igual orden y cancelan cuando se evalúa una variación de entropía. Por eso sólo
se calculan, clásicamente, las variaciones de entropía.
Pero este ejemplo da para más aún. ¿Qué sucede con el tratamiento realizado
si el gas 1 es el mismo que el gas 2? La expresión empleada no tiene forma de
i
Np
x
1
·
) ln(
1
ln 1
1
N p
Np Np
i
i i
− · ≥ −
N p p p p
N
N
i
i
N
i
i i i
N
i
ln ln )
1
(
1 1 1
∑ ∑ ∑
· · ·
− − ≥ −
N p p
N
i
i i
ln ln 0
1
− − ≥

·
S N > ln
30
diferenciar un caso del otro y por supuesto obtendremos el mismo resultado. Sin
embargo resulta evidente que al mezclar gases iguales la entropía no crece. Esto se
conoce como la paradoja de Gibbs que no tenía solución en el formalismo clásico. La
“trampa” está en que las partículas son indistinguibles y la fórmula convencional
utilizada asume que las partículas son “distinguibles”. En la deducción se requiere
evaluar los posibles microestados accesibles del gas. Veamos la diferencia si las
partículas son distinguibles o indistinguibles:



Vemos aquí en un caso tan simple de dos partículas y dos niveles de energía que existe
una configuración más en el primer caso. En el caso real el número de niveles
disponibles es mucho mayor que el número de partículas por lo que hay prácticamente
una partícula por estado de energía. La discrepancia es aún muy superior,



Un tratamiento más riguroso, basado en la maximización de S utilizando
multiplicadores de Lagrange, demuestra que la fórmula de estado Pv = nRT no
cambia ya sea que se consideren la partículas distinguibles o indistinguibles. Pero la
expresión de la entropía cambia. Para eso debe recalcularse la entropía considerando
que las partículas son indistinguibles y sólo pueden distinguirse cuando los gases
son distintos. Se obtiene así la expresión de Sackur Tetrode
8
.
Como conclusión, la identificación macroscópica a la cual estamos tan
habituados comienza a manifestarse en la medida que las moléculas de vuelven más y
más complejas o los ordenamientos policristalinos difieren unos de otros. La
identificación de los sistemas se vuelve así un problema de diferente ordenamiento de
31
átomos y moléculas que, individualmente son esencialmente indistinguibles.
Justamente en un gas debido a la total falta de orden el problema de la indistinguibilidad
desemboca en la paradoja de Gibbs.
Desde un punto de vista cuántico la indistinguibilidad es esencial. Como dijo
Erwin Schröedinger en 1950:

“Cuando observas una partícula de un tipo determinado, pongamos por caso un
electrón, aquí y ahora, debes considerarlo, en principio, como un acontecimiento
aislado. Incluso si observas, muy poco tiempo después una partícula similar en un
punto muy próximo al primero, y hasta si tienes toda la razón para encontrar relación
causal entre la primera y la segunda observación, no tiene auténtico e inequívoco
sentido afirmar que es la misma partícula la que has observado en los dos casos. Puede
que las circunstancias sean tales que aconsejen y hagan deseable que te expreses de esa
manera, pero no es sino una limitación; …”

Veamos que sucede cuando se utiliza la fórmula de Sackur Tetrode
8
:
DISTINGUIBLES




INDISTINGUIBLES: SACKUR-TETRODE (Versión simplificada)



La sutil diferencia radica en que aparece el número de moles dentro del
logaritmo. Por de pronto ahora se cumple una importante propiedad de la entropía como
variable extensiva: si se multiplica por ? el número de moles (a T=cte) debe aparecer
multiplicada por ? la expresión de la entropía,






Vamos ahora a la paradoja de Gibbs. Conviene hacer los cálculos con cierto detalle para
entender bien la diferencia entre dos gases iguales o dos gases distintos. Para ello
veamos primero la entropía de los gases antes de mezclarlos. Debemos recordar que por
ser la entropía una función potencial termodinámica, sólo queda determinada a menos
de una constante:








8
Philip M. Morse, “Thermal Physics”, W.A. Benjamin, New York, 1965.

,
_

¸
¸
+

,
_

¸
¸
· ∆
0 0
ln ln
V
V
nR
T
T
C S
v

,
_

¸
¸
+

,
_

¸
¸
· ∆
n V
Vn
nR
T
T
C S
V
0
0
0
ln ln
) , ( ln ln ) , (
0
0
0
0
V n S
n V
Vn
nR
n V
Vn
nR V n S ∆ · · · ∆ λ λ
λ
λ
λ λ λ
) , ( ln ln ) , (
0 0
V n S
V
V
nR
V
V
nR V n S ∆ ·

,
_

¸
¸

,
_

¸
¸
· ∆ λ λ
λ
λ λ λ
01
1
1
1 1
ln S
n
V
R n S
i
+ ·
02
2
2
2 2
ln S
n
V
R n S
i
+ ·
32
Si los gases son distintos [distinguible una molécula del gas (1) de otra del gas (2)],
entonces se puede evaluar la entropía final de cada gas luego de mezclarlos:






Entonces la diferencia de entropía entre el estado final (gases distintos mezclados) y el
inicial (gases distintos separados):



Y si reemplazamos por las fracciones molares y de volúmenes, tenemos:





Que coincide con la obtenida originalmente. Pero si los gases son idénticos entonces la
entropía final será,



Porque no puedo identificar de qué lado está cada molécula con ningún tipo de
medición! (tampoco la propia naturaleza puede identificarlas con ningún tipo de
interacción!). Calculando nuevamente la diferencia entre la entropía final (gases
idénticos mezclados) y la inicial (gases idénticos separados),

· − − · + − · ∆
+
2
2
2
1
1
1 2 1 ) 2 1 (
ln ln ln ) (
n
V
R n
n
V
R n
n
V
n S S S S
i i f total


reemplazando por la relaciones molares y volumétricas,




Este tema de la indistinguibilidad no ha sido aún suficientemente analizado en
los sistemas caóticos. Normalmente se asume que existen comportamientos caóticos en
el límite clásico. Por otra parte la mecánica cuántica no puede ser formulada en un
sistema auténticamente no lineal. Sin embargo la indistinguibilidad de las partículas es
una propiedad intrínseca que, como vimos se pone de manifiesto a nivel macroscópico
para una gas cuyas partículas deberían estar moviéndose completamente al azar, es decir
en un estado completamente caótico. Si la propia naturaleza no puede distinguir una
partícula de otra ¿Cómo puede asegurarse que una y cada una de las moléculas está
siguiendo una trayectoria caótica? ¿Se está frente a una real paradoja? ¿O más bien se
trata de uno de los típicos problemas indecibles? Este es un tema no cerrado.

SISTEMAS DINÁMICOS LINEALES.
01
1
1 1
ln S
n
V
R n S
f
+ ·
02
2
2 2
ln S
n
V
R n S
f
+ ·
2
2
1
1 2 1 2 1
ln ln ) ( ) (
V
V
R n
V
V
R n S S S S S
i i f f total
+ · + − + · ∆
[ ] ) 1 ln( ) 1 ( ln
) 1 (
ln ) 1 ( ln
x x x x nR
x V
V
R x n
Vx
V
xnR S
total
− − + −
·

− + · ∆
02 01
2 1
2 1 ) 2 1 (
ln ) ( S S
n n
V
n n S
f
+ +
+
+ ·
+
0 ln ) 1 ( ln ln · − − − ·
n
V
R x n
n
V
nxR
n
V
n
33

Para comprender la profunda conmoción que ha producido la moderna teoría de
caos en la ciencia conviene repasar algunos conceptos de sistemas dinámicos lineales.
Durante los siglos XVII, XVIII, XIX y gran parte del siglo XX se carecía de
computación como para realizar los complejos e iterativos cálculos que demanda el
estudio de los sistemas no lineales. Aunque la evaluación de los sistemas dinámicos dio
un gran paso con la introducción del cálculo integro-diferencial sólo era posible resolver
los problemas lineales y un conjunto muy acotado de sistemas no lineales. Toda la
investigación se centró entonces en el análisis de las ecuaciones lineales. A principios
del siglo XX se aclaró el concepto de fuerzas fundamentales estableciendo que existían
cuatro:

ELECTROMAGNÉTICA (Unificación de eléctrica y magnética lograda por Maxwell a
mediados del siglo XIX).
GRAVITATORIA
NUCLEAR
DÉBIL (responsable del decaimiento radiactivo beta, se unificó con la electromagnética
a mediados del siglo XX por Salam, Glashow y Weinberg).

Es interesante destacar que sólo las fuerzas gravitatorias y electromagnéticas
generan una dinámica. En realidad como las otras dos fuerzas se manifiestan en
distancias tan pequeñas como los núcleos no tiene muchos sentido hablar de fuerzas
sino más bien de potenciales. En la mecánica cuántica (único formalismo medianamente
idóneo para resolver problemas con estos potenciales) no existe el concepto de fuerza.
Es que simultáneamente hacía su irrupción la mecánica cuántica (Shrödinger-
Heisemberg), una teoría nacida al amparo de ecuaciones lineales y la teoría relativista
(Einstein). Todas las fuerzas, la mecánica cuántica y la teoría relativista, son reversibles
temporalmente. Las fuerzas disipativas, responsables de la irreversibilidad, se asignaron
a la interacción de un conjunto muy grande de partículas intratable con las herramientas
disponibles. Parecía lógico reducir la dinámica fundamentalista a aquellos problemas en
los que la disipación estuviera ausente, planteándose en consecuencia ecuaciones
reversibles. Es posible en este caso plantear cualquier problema (no disipativo)
escribiendo la contribución de la energía cinética más la energía potencial a la energía
total del sistema,

E
T
= E
c
+ E
p


A la expresión simbólica (realización) de la energía total se la denominó Hamiltoniano
(en honor del gran matemático Hamilton). Por ejemplo el Hamiltoniano de una partícula
libre es,

m
p
H
2
2
·
En tanto que el hamiltoniano para un oscilador armónico es,


2 2
2
2
1
2
x m
m
p
H ω + ·

Una herramienta útil para visualizar la evolución de los sistemas, creada con los
sistemas lineales pero de gran aplicación en los sistemas no lineales es el espacio de
34
fases. Se denomina espacio de fases al sistema de coordenadas ortogonales compuesto
por las variables x
i
, p
i
(el índice i indica que existe un conjunto de partículas
nomencladas por ese índice). Si tuviéramos por ejemplo tres partículas el espacio de
fases tendría 18 dimensiones: x
1
, y
1
, z
1
, x
2
, y
2
, z
2,
x
3
, y
3
, z
3,
p
1x
, p
2x
, p
3x,
p
1y
, p
2y
, p
3y,
p
1z
,
p
2z
y p
3z
. Este espacio se suele utilizar en mecánica estadística y por ejemplo para un
gramo mol de gas monoatómico ideal tendrá 6x6,022x10
23
dimensiones. Para visualizar
su utilidad en sistemas simples veamos la representación de una partícula libre que se
mueve según la dirección x (dos dimensiones),



Veamos ahora el caso unidimensional del oscilador armónico, nuevamente el
espacio de fases tiene dos dimensiones y consistirá de elipses con semiejes
determinados por los valores de las constantes que intervienen en la energía (como no
hay disipación la energía se mantiene constante):



Las variables p y x se denominan variables canónicas y a partir de ellas se
desarrollan todo el conjunto de variables dinámicas de interés. Los sistemas lineales
están gobernados por ecuaciones diferenciales lineales. Las soluciones de este tipo de
ecuaciones cumplen las siguientes relaciones,

Y = ay
1
+by
2


Donde y
1
, y
2
e Y son soluciones de la ecuación. En símbolos, si L representa la
ecuación diferencial entonces,

35
L(ay
1
+by
2
) = aLy
1
+bLy
2


Incluso si el sistema puede está gobernado por más de una ecuación diferencial lineal se
cumple que,

(aL
1
+bL
2
)y = aL
1
y+bL
2
y

Estas propiedades se pierden cuando el sistema es no lineal. La posibilidad de
obtener soluciones mediante superposición lineal permite, a partir de un conjunto
completo y linealmente independiente de autofunciones de L, obtener cualquier
solución de la ecuación. Es decir conocidas las autofunciones se tiene resuelto el
problema. En cambio para sistemas no lineales, conociendo dos soluciones la suma de
ambas no es necesariamente solución de la ecuación. Incluso para una misma solución
no se sabrá, en general, la evolución del sistema al cambiar levemente las condiciones
iniciales.
“No está muy en claro si los físicos y los astrónomos han sido conscientes de las
tenues bases matemáticas (frecuentemente no dichas) de sus creencias, pero es muy
claro que no se han preocupado demasiado por eso”
Max Dresden
9

El primero que descubrió el comportamiento complejo en el estudio de sistemas
dinámicos no lineales fue Poincaré. Realizó (1890) una substancial contribución a la
teoría de órbitas de planetas y estrellas, en particular el problema Sol-Luna-Tierra.
Este era el problema de “n” cuerpos para el cual el Rey Oscar II de Suecia creó un
premio de 10000 coronas. Poincaré ganó el premio en 1889 aunque no llegó a resolver
totalmente el problema para el caso del sistema solar. Para el estudio de trayectorias
complicadas inventó el “mapa de Poincaré” que consiste en un plano sobre el cual la
trayectoria del sistema marca un punto cuando lo atraviesa. El uso de dicho plano es
importante aún en la actualidad, en particular para el estudio de los denominados
atractores extraños. Si la trayectoria es cíclica el conjunto de puntos sobre el plano es
finito. Por ejemplo para un péndulo no amortiguado da dos puntos. Para sistemas no
lineales, el conjunto de puntos puede cubrir homogéneamente una región del plano o
distribuirse según extrañas figuras denominadas fractales, generadas por un conjunto
infinito de puntos.
La trayectoria no vuelve a pasar por los mismos lugares aunque se encuentre
restringida a una región del espacio, estos son los atractores extraños. Para calificar
este tipo de trayectorias existen dos importantes conceptos matemáticos: Los
exponentes de Liapounoff y la dimensión de Hausdorff.
Pero antes fijemos ideas respecto del determinismo y al azar. Para un sistema
determinístico dada una situación (condición inicial) A se tiene otra situación (estado
final) B:

• Dado A ? se tiene B
• En cambio en los procesos azarosos:
• Dado A ? se tiene {Bi}, con i > 1
• y a cada i se asociará un número real pi tal que,
• 0 = pi = 1 y 1 ·

i
i
p
(condición de normalización) .

9
The Physics Teacher, Vol 30, Jan 1992.
36

las condiciones azarosas expuestas aseguran aún un cierto grado de determinismo en
el sentido que algún B
i
debe suceder. El proceso azaroso definido en (9) corresponde a
un sistema cerrado, típico de los sistemas termodinámicos de equilibrio. Los procesos
azarosos abiertos tienen un grado menor de determinismo y son de un tratamiento aún
más difícil. Corresponden a la termodinámica de no equilibrio.
En ciencia el determinismo se manifiesta como ecuaciones constitutivas,
ecuaciones diferenciales o a diferencias finitas, reglas y/o principios. Ejemplos
típicos son el sistema planetario, el juego de billar, el péndulo con pequeñas
oscilaciones, las reacciones químicas (en general), sistemas termodinámicos y su
evolución mediante procesos de cuasiequilibrio.
Obsérvese que como señalamos al principio la segunda ley tiene una base
esencialmente probabilística. La irreversibilidad y la probabilidad son conceptos que
confluyen en el segundo principio. Estamos muy acostumbrados a tratar con sistemas
íxelilísticas: la ruleta, la lotería, la distribución de velocidades de las partículas de
un gas a temperatura ambiente, las tasas de fallas de equipos electromecánicos, la
distribución de errores de una medición, etc. Para los sistemas semiestadísticos el
problema es muy complicado y cada caso requiere un estudio particular. Para asegurar
que la información relacionada con un sistema es puramente estadística suelen usarse
estimadores, por ejemplo: el valor promedio de los observables y la desviación
estándar, la evaluación de la variable
2
χ , etc. Inmediatamente surge la pregunta: ¿Es
posible definir una “medida” del grado de aleatoriedad de un proceso? Algo como
un reloj de este tipo
10
:




EXPONENTE DE LYAPUNOV

En la introducción establecimos que, para un sistema determinístico rige la
condición (7): dado A existe un B asociado y sólo un B. Una pequeña perturbación en el
valor de A: A A δ t tendrá un valor asociado B´, que podrá diferir poco o mucho del
anterior o tener poco que ver con él. La condición determinista no dice nada sobre este
aspecto.
En las ecuaciones diferenciales lineales el valor asociado B´ difiere poco del
anterior B: B B B δ t · ′ y permiten utilizar aproximaciones con pequeñas
perturbaciones. En las ecuaciones no lineales el valor de B´ puede tener poco que ver

10
Dino Otero, Jugando a los dados, Investigación y Ciencia, Investigación y Ciencia,
Tomo 57 N
o
1 (2005), p40.
37
con el previo B y por ello pueden ser caóticas. Cuando la solución se aparta de valor
previo con un comportamiento



entonces se dice que el sistema es particularmente sensible a las condiciones iniciales y
su comportamiento es caótico. Los valores de A y B corresponden a los valores que
pueden tomar las variables dinámicas del espacio de fases del sistema. En muchos casos
es posible evaluar el exponente ?, denominado exponente de Lyapunov.
Si es positivo el comportamiento es caótico (el sistema puede ir a cualquier
lugar en una región grande del espacio de fases), si es nulo existe la posibilidad de una
bifurcación (el sistema puede ir a dos lugares muy distintos del espacio de fases), si es
negativo el sistema es estable y pequeñas perturbaciones en el valor de A genera
pequeñas perturbaciones en el valor de B.
Se pueden evaluar tantos exponentes de Liapunov como grados de libertad
posea el sistema. Algunos pueden ser negativos, otros nulos y otros positivos. Sin
embargo estos exponentes son sólo una cota del comportamiento de la solución. La
distribución de posibles valores de B puede no ser congruente con una variable
aleatoria aunque el exponente sea positivo. Se requiere una investigación más
profunda del comportamiento de la solución.

DIMENSIÓN DE HAUSDORFF

El matemático Hausdorff introdujo un criterio de dimensión para un conjunto
de puntos. Aunque no es la única forma de “medir” la dimensión de un conjunto de
puntos, suele ser una de la más usada. Más práctica aún es la definición de “capacidad”
de un conjunto de puntos que para los casos de interés tiene un resultado equivalente al
de la dimensión de Hausdorff.
Estas definiciones coinciden con el concepto usual que tenemos por ejemplo
para: Un punto o conjunto de puntos aislados, dimensión cero. Una línea, dimensión
uno. Una superficie, dimensión dos. Un volumen, dimensión tres. La capacidad se
define como:

0
1
ln
) ( ln

¹
¹
¹
¹
¹
;
¹
¹
¹
¹
¹
¹
'
¹

,
_

¸
¸
·
ε
ε
ε N
lím D
C


Donde e se define por un hipercubo de lado ε y N( ε ) es el mínimo número de cubos
requeridos para cubrir la trayectoria cuando 0 → ε . Por ejemplo,
• Un conjunto finito de m puntos: Requiere m cubos con 0 → ε , entonces,

0 0
1
ln
) ln(
1
ln
) ( ln
→ →
¹
¹
¹
¹
¹
;
¹
¹
¹
¹
¹
¹
'
¹

,
_

¸
¸
·
¹
¹
¹
¹
¹
;
¹
¹
¹
¹
¹
¹
'
¹

,
_

¸
¸
·
ε ε
ε ε
ε m
lím
N
lím D
C


t A
e B
) (δ λ
δ ≥
38
y como ln(1/ ε ) es divergente para 0 → ε , se tiene que DC → 0, que coincide con la
definición matemática usual para un conjunto de puntos aislados.

• Un conjunto de m líneas de longitud l:

0 0
1
ln
ln
1
ln
) ( ln
→ →
¹
¹
¹
¹
¹
;
¹
¹
¹
¹
¹
¹
'
¹

,
_

¸
¸

,
_

¸
¸
·
¹
¹
¹
¹
¹
;
¹
¹
¹
¹
¹
¹
'
¹

,
_

¸
¸
·
ε ε
ε
ε
ε
ε
mL
lím
N
lím D
C







pues se necesitan L/ ε cubos para cubrir cada línea de longitud L, entonces,







CONJUNTO O POLVO DE CANTOR:

Este es un conjunto menos trivial, se trata de la construcción matemática por la
cual se va eliminando secciones de un segmento según la siguiente regla por la cual
desaparece un tercio de cada segmento.

Tamaño del Cubo paso Número de cubos


Para cubrir el primer segmento necesito un cubo de lado arbitrario 1 (por
simplicidad en la figura se ha “achatado” al cubo lo cual no influye en el razonamiento).
A medida que elimino las zonas según la regla establecida, la longitud del lado del
“cubo” disminuye como 1/3
n
en tanto que el número requerido para cubrir lo que
queda del segmento inicial crece como N(e) = 2
n
. En el límite de n ? 8  el cubo
tiende a cero y


1
)
1
ln(
)
1
ln(
)
1
ln(
) ln(
0

¹
¹
¹
;
¹
¹
¹
¹
'
¹
+ ·
→ ε
ε
ε
ε
mL
lím D
C
...... 6309297 , 0
3 ln
2 ln
3 ln
2 ln
· · →
n
n
C
límite D
39




Este límite está entre cero y uno y es lo que se denomina dimensión fractal. El
“polvo” de Cantor no llega a ser una línea pero tiene una dimensión superior a un
conjunto finito de puntos. La determinación de la dimensión de Hausdorff permite
establecer cuando una órbita cubre densamente una cierta región del espacio.
Si además para dicha región los exponentes de Liapunov son positivos entonces
los puntos del plano de Poincaré quedarán distribuidos al azar. Si la dimensión de
Hausdorff es menor que la dimensión de la región del espacio en el cual se desarrollan
las órbitas y los exponentes de Lyapunov son positivos, los puntos tendrán una
distribución caótica pero podrá haber regiones más densas que otras y la distribución
no será completamente al azar. La combinación de ambos criterios permite tener
información de cuán caótico es el sistema y cuánto se asemeja la trayectoria con la idea
conceptual de evolución al azar.
40
FRACTALES

Antes de continuar con el estudio de los sistemas dinámicos analizaremos un
poco más el tema de la fractalidad que ya hemos presentado matemáticamente. El
estudio de los espacios físicos tiene dos conceptos importantes: la dimensión y la
métrica. La métrica se dominaba hacía ya tiempo por los matemáticos pero fue
introducida en el estudio de los sistemas físicos por Einstein y su teoría de la
relatividad.
El uso de métricas diferentes de la euclídea sólo requiere de un buen
conocimiento del cálculo tensorial. Las dimensiones se mantenían hasta hace pocos
años tranquilas en números enteros: cero (punto), uno (línea), dos (superficie), tres
(volumen), cuatro (espacio-temporal). En teoría avanzadas de campos y
supercuerdas y súper membranas se teoriza con la posibilidad de 10 u 11
dimensiones la mayoría enroscadas en tamaños indetectables.
Respecto de las dimensiones Mandebrot puso el tema de moda entre los 70 y 80
del siglo pasado. El concepto de fractalidad es especialmente útil para entender y
catalogar estructuras complejas. Personalmente me gusta llamar dimensiones
compactas a las dimensiones enteras y fractales al resto. Cuando analicemos en
detalle el concepto de fractal, veremos que se trata de una aproximación matemática
del objeto físico en estudio pero, ¿no lo son también aproximaciones los conceptos
de punto, línea, superficie y volumen?
Una línea en un cuaderno se convierte en un conglomerado de partículas
acomodadas según una cierta tendencia. Una estrella tiene dimensión 3 cuando se
estudia su estructura cercanamente como es el caso del Sol observado mediante un
telescopio. Sin embargo observado en el cielo no pasa de un disco, es decir una
superficie. Finalmente al observar una estrella muy lejana a la cual no se le puede
detectar el diámetro, tendremos un punto.
En el caso de los fractales también la escala en la cual se observen será
fundamental para que sus propiedades estén bien definidas. Al comienzo realizamos
una serie de presentaciones de fotos naturales donde asegurábamos que la
fractalidad estaba presente, retomaremos ahora esta idea con un aspecto práctico.
Supongamos que estamos frente a un árbol de hojas caducas en pleno invierno:

















41
y deseamos caracterizarlo de algún modo. Podríamos elegir: el volumen que ocupa, su
peso, la longitud total, su altura el diámetro medio, etc. Todas estas propiedades están
relacionadas con dimensiones compactas que no son las más apropiadas para
caracterizar a un árbol de este tipo. Es así que medir el volumen sería una ímproba tarea
que demandaría arrancar el árbol y sumergirlo en un tanque de agua. La longitud es una
tarea prácticamente imposible y con muchas fuentes de error.
La altura y el ancho son poco representativos. Aquí lo ideal es caracterizarlo con
la dimensión fractal. La dimensión fractal tiene la propiedad de ser invariante al
cambiar la “amplificación de la ventana”. En principio se tendrá la misma
dimensión ya sea que se tome todo el árbol, varias ramas o sólo una rama.
Por supuesto que, como vimos en el caso de las dimensiones compactas, existirá
un límite superior (generalmente impuesto o por la ventana de observación o por el
tamaño de la estructura) y un límite inferior (los “ladrillos” con que están edificadas
las estructuras fractales son, invariablemente de dimensión compacta. Por lo tanto estos
ladrillos marcarán indefectiblemente el límite inferior, por ejemplo en el caso del árbol
una ramita aislada será el límite inferior.
Pero también para las dimensiones compactas tenemos ese problema. No existen
líneas, superficies o volúmenes infinitos. Miradas las figuras compactas con un
microscopio también observamos los “ladrillos” elementales. En cada estructura resulta
muy interesante descubrir cuál es la causa por la cual el sistema pasa de una estructura
compacta (los “ladrillos”) a una estructura fractal. Veamos otros ejemplos.
En la siguiente foto se observan varias estructuras naturales con dimensión
fractal:


























42
En el cielo las nubes, al fondo las montañas en el prado diversos tipos de árboles
y arbustos. Todos ellos tienen en común la autosimilaridad. Otro ejemplo que se da
frecuentemente son las costas, Costa de Gran Bretaña
11
vista desde el satélite
magnificada de izquierda a derecha


Costa de Chile desde el satélite magnificada de izquierda a derecha.

Establecer la longitud de una costa es virtualmente imposible, cambio si se
puede determinar la dimensión fractal.
Ya hemos visto la definición matemática de Hausdorff. En general esa
definición tiene buena aplicación en fractales generados por reglas discretas no caóticas.
En sistemas reales, el problema del caos está siempre presente y se hace necesario
aproximar su influencia mediante tratamientos estadísticos. En el caso de los fractales
suele agregarse a reglas discretas y determinísticas el ingrediente aleatorio.
• Veamos ejemplos construidos geométricamente:




11
Benoît Mandelbrot, La Geometría Fractal de la Naturaleza, Tusquets, 2000.
43
Esta curva de Koch que es similar a un cristal de nieve tiene dimensión DH =
log4/log3. también tiene un lejano parecido con la estructura de una costa.
Tenemos aquí un ejemplo de estructura geométrica tridimensional:












44
CRECIMIENTO ELECTROLÍTICO FRACTAL
12


Veamos ahora un ejemplo experimental muy simple de crecimiento fractal. Se
trata de un crecimiento electrolítico generado sobre un portaobjeto de microscopio
como se muestra en la figura:


Se aplica una diferencia de potencial de unos pocos voltios entre los alambres de
cobre (típicamente entre 5 y 10 Volts). Entre los vidrios portaobjetos se introduce una
solución 0,5 molar de sulfato de cobre. En pocos segundos comienza a crecer, por
depósito electrolítico, una estructura dendrítica que, observada al microscopio óptico se
presenta con dimensión fractal:

Comienzo del crecimiento Al llegar al otro electrodo


12
D. Otero, G. Marshall, S. Tagtachian, “From a Compact to a Rugged Border in Ramified Copper
Electrodeposits”, Fractals, vol 4 nro 1 (1996) p7-16.

45
Ahora las imágenes superiores son tomadas con lupa, en cambio la inferior
izquierda es de microcopio en pleno crecimiento con 400x, En cambio la derecha es
tomada con microscopio y 1000x pero detenido el crecimiento,

Estas otras son tomadas con un microscopio electrónico. A la izquierda con
12500x y la de la derecha 25000x. Pueden observarse unos largos bastones de 1 ó 2 nm
de diámetro mezclados con un conglomerado de partículas.

Ahora a la izquierda tenemos una foto de microscopio electrónico de 3500x
donde los bastones se ven como largas agujas clavadas en conglomerados informes. A
la derecha el aumento de 25000x se ha focalizado en el conglomerado lográndose
observar cristales de óxido de cobre donde la forma ha sido remarcada en un caso.







46











Salvo el caso dinámico el resto de las fotos han sido tomadas luego que se
detuvo el crecimiento electrolítico y en particular para las de microscopio electrónico se
debió levantar uno de los portaobjetos, generándose un fuerte “barrido” del líquido
sobre la estructura. Lo que se observe es en consecuencia el montón de “ladrillos”
fundamentales con que estaba construida la estructura.
Para aclarar más la composición de estos ladrillos se realizó un estudio mediante
difracción de rayos X de Brag:

47

Se observa la presencia de Cu
2
O y cobre puro. De estos análisis se concluyó que
muy probablemente la aparición de óxido bloquee el crecimiento compacto de los
cristales de cobre induciendo una estructura fractal. Agregando agua oxigenada
(peróxido de hidrógeno) se observó un bloqueo progresivo del crecimiento a medida
que crecía la concentración de agua oxigenada. Algo así como lo que muestra la
siguiente figura, donde se muestra el crecimiento cristalino en dirección del campo
eléctrico y las ramificaciones generadas por el bloqueo:




48
DETERMINACIÓN DE LA DIMENSIÓN FRACTAL.
MÉTODO NUMÉRICO
13
.

La caracterización de un objeto se dificulta según se vaya complicando su estructura.
Uno de los casos de interés más simples lo constituyen los recintos simplemente
conexos. El borde de dichos recintos puede ser un factor muy importante para el
metabolismo de sistemas biológicos, procesos físicos complejos de absorción,
caracterización geográfica de fronteras y costas, bordes de corrosión, etc. Por
simplicidad comenzaremos estudiando recintos en espacios bidimensionales. La
dimensión geométrica estará comprendida entre el valor uno y el valor dos.
En el primer caso se trata de una línea que puede o no cerrarse sobre sí misma y en el
segundo caso se trata de un borde liso de un recinto ocupado por materia, como se
muestra en la figura,

Dimensión UNO Dimensión DOS

aunque el método es posible extenderlo a objetos tridimensionales, la complejidad
amerita realizar un estudio restringido a los sistemas bidimensionales. El método tiene
alguna similitud con el desarrollado por Forrest y Witten
14
, aunque un ingrediente lo
diferencia fundamentalmente: la evaluación de la dimensión se realiza localmente y la
dimensión correspondiente a la figura surge de un promedio de todas las dimensiones
evaluadas en cada píxel. Ya vimos que la dimensión de Hausdorff tiene una expresión
heurística denominada capacidad que se expresa por:

ε
ε
ε

¹
¹
¹
¹
¹
;
¹
¹
¹
¹
¹
¹
'
¹

,
_

¸
¸
·
1
ln
) ( ln N
lím D
C


L es una longitud típica donde está el objeto y
ε
define un hipercubo de lado
ε
y N(
ε
) es el mínimo número de esos cubos requeridos para cubrir la el conjunto
de puntos cuando 0 ≈ ε .
Entonces e representará una fracción de L que debe tender a cero para evaluar
DC. Cuando operamos con imágenes digitales el tamaño un íxel. La única forma de
que ε tienda a cero es aumentando el número n de píxeles que contiene L,

13
Dino Otero, Claudio Bollini, “Modelizaciones geométricas digitales: Aspectos no euclídeos”,
Modelización aplicada a la Ingeniería, Vol II, p320, 2007.
14
Forrest, S. R. y Witten Jr., T.A. “Long-range correlations in smoke particle aggregates”. Journal of
Physics A: Math. And General, 12, L109-117, 1979.
49
considerando que la figura fractal mantiene autosimilaridad aunque se mínimo de
ε

está determinado por aumente el número de píxeles que la definen.
Tendremos entonces que,


ε
= L/n = 1 pixel

Sin embargo en los casos prácticos no es tan simple obtener el resultado
aplicando la definición. En ese sentido se han propuesto definiciones constructivas de
la dimensión fractal. Aquí presentamos un método robusto para determinar la
dimensión. Como veremos en algunos ejemplos este criterio resulta fundamental para
caracterizar adecuadamente la recinto.

DIFICULTADES DE LA REPRESENTACIÓN BINARIA

Entenderemos por simulación binaria la que sólo utiliza píxeles blancos o negros,
sin tonos intermedios. En realidad para objetos geométricos ideales (puntos, rectas,
cuadrados, círculos, etc.) e incluso para figuras de estructuras más complejas se
esperaría que esta representación fuera la mejor indicada.
Un punto será un píxel negro y una recta una sucesión de píxeles negros uno
contiguo al otro. Pero confluyen aquí dos problemas. Aunque podría aceptarse que un
píxel aislado puede asociarse a un punto de dimensión cero resulta inaceptable que los
puntos de la recta sean numerables. Cualquier simulación que evalúe un límite sobre la
recta presentará una dificultad insalvable que no se resuelve aumentando el número de
píxeles que componen la recta simulada.
Se viola aquí un concepto importante de la geometría euclídea: la continuidad de la
recta. El segundo problema insalvable se origina en el teselado de la matriz.
Normalmente los sistemas de adquisición o procesamiento de imágenes distribuyen los
píxeles con un teselado estrictamente rectangular. Automáticamente queda fijada una
simetría que se superpone a la forma de la figura procesada. Si la simetría y la
orientación de la figura son rectangulares según los ejes del teselado no hay distorsión.
Si la inclinación de una línea es de 45 grados la distorsión es máxima. La geometría
deja de ser euclídea, y ya no se cumple el teorema de Pitágoras. Un triángulo rectángulo
con los catetos iguales tiene, los tres lados iguales en número de píxeles, el error es de
29%,

50




Una circunferencia tiene el mismo perímetro que un cuadrado inscripto en ella. El
error en el perímetro de la circunferencia (constante, independiente del número de
píxeles) es del orden del 10%. No se obtiene mejora aumentando el número de píxeles.
Para corregir este error se desarrolló un código que evalúa la corrección localmente
mientras se recorre la figura. El área evaluada contando el número de píxeles
encerrados dentro de un contorno tiene, sin embargo, muy poco error. Efectivamente, el
error al evaluar un área se limita justamente al contorno que es de una dimensión menor
que la superficie.
Supondremos que, a los efectos prácticos, tenemos una imagen determinada por un
conjunto de píxeles dispuestos según una simetría cartesiana, es decir la típica imagen
construida por una computadora. Los sistemas actuales de adquisición de imágenes
convierten automáticamente una imagen analógica en una imagen digital, por ejemplo el
scanner.
Para estudiar las estructuras asumiremos que sólo nos interesa el comportamiento
del contorno para lo cual se convertirá la imagen en una estructura binaria de ceros
(blanco = no imagen) y unos (negro = imagen). El código recorrerá el recinto
51
comenzando desde el primer   íxel ocupado por un “uno” desde arriba a la izquierda,
bajando.
Sobre cada píxel se establecen un conjunto de pares de cuadrados que
identificaremos por el tamaño de sus lados según la figura:





Donde d > es el lado del cuadrado mayor y d < es el lado del cuadrado menor. El
código cuenta los píxeles ocupados dentro del cuadrado menor y los ocupados dentro
del cuadrado mayor (por supuesto que estos últimos comprenden a los primeros). Los
casos extremos que pueden darse son el de la figura anterior, donde el número de
píxeles es proporcional al lado del cuadrado y el de la siguiente figura en la cual es
proporcional al área del cuadrado:




Sin realizar una demostración matemática rigurosa asumiremos que para
dimensiones fractales ese número estará comprendido entre esos dos límites y
convergerá a la verdadera dimensión fractal cuando el borde del recinto se acerca a esa
dimensión. En este caso existen dos límites bien establecidos para caracterizar la
dimensión fractal: por abajo el píxel y por arriba el número máximo de píxeles que
caben en la figura. En ese sentido un píxel tiene dimensión “cero” y la autosimilaridad
dimensional se cortará en el tamaño máximo de la figura. En la naturaleza también se
dan estos dos límites. Por ejemplo en un típico crecimiento electrolítico, el límite
inferior de la estructura está dado por el cristal de óxido, que tiene dimensión compacta
o entera.
52
El límite superior en este caso está dado por el tamaño de la celda de crecimiento
electrolítico. En realidad para las dimensiones enteras convencionales también existen
estos límites: una circunferencia trazada en el pizarrón es un conjunto de
microcristales en los sistemas monoclínicos y ortorrómbicos de metasilicato ácido
de magnesio, H2Mg
3
(SiO
3
)4, fuertemente localizados y con una simetría polar.
En realidad, como veremos al aplicar este método aquí expuesto, tendremos que
revisar el concepto de dimensión entera para los objetos finitos.
Consideremos entonces un par de cajas centradas en un determinado   íxel, cada
una de ellas definen las dimensiones n
1
y n
2
. Aplicando la definición tenemos que debe
cumplirse y la relación respecto de un   íxel,



2
2
1
1
ln
ln
ln
ln
ln
) ( ln
n
N
n
N
L
N
lím D
C
· ·
¹
¹
¹
¹
¹
;
¹
¹
¹
¹
¹
¹
'
¹

,
_

¸
¸
·
ε
ε






donde n
1
,
2
son los lados de los cuadrados medidos en píxeles y N
1
,
2
son el número de
píxeles de la figura que caen dentro de cada cuadrado. Reordenando,





restando la unidad,






que puede ponerse como,





entonces,







ε
2 , 1
2 , 1
L
n ·
2
1
2
1
ln
ln
ln
ln
n
n
N
N
·
2
2 1
2
2 1
ln
ln ln
ln
ln ln
n
n n
N
N N −
·

2
1
2
2
2
1
ln
ln
ln
ln
n
n
n
N
N
N
·
C
D
n
N

2
2
ln
ln
2
1
2
1
ln ln
n
n
D
N
N
C
·
53
La expresión (214) permite evaluar la dimensión fractal alrededor de un
determinado   íxel, haciendo el cociente entre ln(N1/N2) y ln(n1/n2).
Tomemos ahora un conjunto de cajas centradas en cada uno de los píxeles que
definen la figura cuya dimensión se quiere determinar. Sea ese   íxel el i-ésimo y el
conjunto centrado de cajas definidas por cada valor de n: {n
j
}. Ordenemos ahora las
cajas de menor a mayor y tomemos todas las combinaciones posibles de a pares. Si cada
par diera exactamente el mismo valor para Dc, entonces la expresión (214) define una
recta en función de la diferentes relaciones ln(n
j’
) /ln(n
j
) con ordenada al origen nula.




Las desviaciones respecto de la autosimilaridad, y las deformaciones de la figura
generada por la partición en píxeles dará valores fluctuantes de D
c
, por lo que convendrá
evaluar la pendiente mediante el método de mínimos cuadrados. La primera expresión
permite por sí misma obtener la dimensión fractal. La diferencia fundamental con la
segunda radica en que mientras la primera evalúa la dimensión en forma absoluta, la
segunda obtiene la dimensión comparando el número de píxeles de dos recintos.
La expresión hallada será fuertemente sensible a las dimensiones relativas de los
recintos y a la distribución de píxeles en dichos recintos. Si la estructura del objeto tiene
una correlación fuerte con la relación (y forma) de los recintos, esa correlación influirá
en el valor de la dimensión determinada por este método. Volviendo a (212) podemos
rescribirla en forma incremental variando un ∆n el cuadrado,






1
1 1 1
1 1
1 1 1 1 1
ln
ln ) ln(
) ( ln
) ( ln ) ( ln
n
n n n
n N
n N n n N − ∆ +
·
− ∆ +
54



nuevamente podemos usar que


y dividiendo ambos miembros por ∆n1, con ∆n1/N1 → 0 (como ∆n mínimo es un
  íxel para tener un incremento tendiendo a cero debemos tender N a ∞) se obtiene,






El valor evaluado será el mismo mientras DC se mantenga constante pues,

) ( ln ln ε
ε
N
L
D
C
·

,
_

¸
¸



Integrando con D
c
=cte, se obtiene nuevamente,




Para un objeto no pixelado tendremos,






en la frontera entre dos dimensiones esta expresión dará un valor diferente de la
dimensión pues DC no se mantiene constante. En física es bien conocido el tema de la
C
D
n
N

1
1
ln
ln
[ ]
1
1
1
1 1
ln ) ( ln
dn
n d
D
dn
n N d
C
·
C
D
n
N

1
1
ln
ln
( ) Τϕ ΕΤ Θ θ 337. 56  145. 1698  4. 08  28. 08  ρε Ω∗  ν 0  Γ ΒΤ / Φ5  23. 8516  Τφ 0. 5172  0  0  1  337. 56  150. 3298  Τµ  23. 8516  ΤΛ ( )
ε
ε
ε
ε
ε
d
L
d
d
N
d
D
c
ln
) (
ln
·

,
_

¸
¸
55
frontera en la ligadura de objetos compactos: la gota de agua (tensión superficial) y el
núcleo (término de superficie en la fórmula de masas). Resulta razonable plantearse el
problema:¿cuánto vale la dimensión cuando estoy localmente el borde entre dos
dimensiones? Por simplicidad comenzaremos con el ejemplo simple de una semirrecta.
Primero consideraremos una región interna que no contiene el extremo.
Aplicando la definición formal de H-B tenemos:






También se podría resolver por L´hospital con un resultado idéntico (y trivial). Vamos
ahora al extremo de la semirrecta. Cuando me acerco al punto que corresponde al
extremo, su valor puede ser bien definido asignándoles cualquier número real.
Sobre la base de dicha identificación se propone que la evaluación de la
dimensión quede definida por (L´hospital) ,


¹
¹
¹
¹
¹
¹
¹
;
¹
¹
¹
¹
¹
¹
¹
¹
'
¹

,
_

¸
¸
·
ε
ε
ε
ε
d
L
d
d
N d
lím D
C
ln
) ( ln


L ε → y → ε 0

En todo punto intermedio tenemos,

1
ln
) ( ln
·
¹
¹
¹
¹
¹
¹
¹
;
¹
¹
¹
¹
¹
¹
¹
¹
'
¹

,
_

¸
¸
·
ε
ε
ε
ε
d
L
d
d
N d
lím D
C


Para cualquier punto intermedio siempre tenemos otro punto tan cercano como
se quiera y ningún punto puede ser individualizado. En cambio evaluando el resultado
en un extremo, el punto del extremo es el único que puede ser individualizado y
numerado:








1
ln
ln
ln
) ( ln
0 0
· · ·
→ → ε ε
ε
ε
ε
ε
L
L
L
N
D
2
1
1
1
1
ln
1 ln
0 ,
2
2
0 , 0 ,
·
+
·
·
¹
¹
¹
¹
¹
¹
¹
;
¹
¹
¹
¹
¹
¹
¹
¹
'
¹

+

·
¹
¹
¹
¹
¹
¹
¹
;
¹
¹
¹
¹
¹
¹
¹
¹
'
¹

,
_

¸
¸

,
_

¸
¸
+
·
→ →
→ → → →
ε
ε
ε
ε
ε
ε
ε
ε
ε ε
ε ε ε ε
L
lím
L
L
L
lím
d
L
d
d
L
d
lím D
L
L L C
56







Donde L/ ε está asociada a la dimensión uno de la semirrecta y “1” a la dimensión cero
del punto del extremo. El resultado es el valor promedio entre ambas dimensiones.
Veamos ahora el cálculo utilizando las cajas del método propuesto originalmente,




El límite lo obtendremos tomando cajas que difieran en un píxel y tendiendo el
número de píxeles a infinito. Las cajas se localizarán como indica la figura, de tal forma
que la menor contiene una recta y la mayor detecta la falta de un píxel.

2
1
2
1
ln ln
n
n
D
N
N
C
·
57



Las cajas difieren en 2 píxeles y el número N de píxeles de la recta dentro de las cajas
difiere sólo en un   íxel. Usando entonces la expresión propuesta tenemos:


·
¹
¹
¹
¹
¹
;
¹
¹
¹
¹
¹
¹
'
¹

,
_

¸
¸
+

·
¹
¹
¹
;
¹
¹
¹
¹
'
¹
+

·
n
n
lím
n
n
n
n
lím D
C
2
1 ln
1
1
1
ln
2
ln
1
ln

∞ →

¹
¹
¹
¹
¹
;
¹
¹
¹
¹
¹
¹
'
¹
+

·
n
n
n
lím
2
1
)
2
1 ln(
1
1
1
ln



Veamos el comportamiento a medida que el punto medio se acerca al borde. Al correrse
un   íxel hacia el borde tenemos:

∞ →

+
+

¹
¹
¹
;
¹
¹
¹
¹
'
¹
+


·
n
n
n
lím
n
n
n
n
lím D
C
2
1
)
2
1 ln(
)
1
1 ln(
2
ln
2
1
ln


58
∞ →

+
+

¹
¹
¹
;
¹
¹
¹
¹
'
¹
+


·
n
n
n
lím
n
n
n
n
lím D
C
2
1
)
2
1 ln(
)
1
1 ln(
2
ln
3
2
ln




etc, va desapareciendo un   íxel de cada caja a medida que se desplazan. Si se evalúa el
límite desde el extremo opuesto, es decir cuando ya no podemos corrernos más píxeles
(ver figura).

Entonces para justo ese límite tenemos,









Que también se obtiene cuando comenzamos a agregar píxeles:








En el caso real, en el cual n ≠ ∞, la dimensión pasa de uno a 0,5 y luego
gradualmente vuelve a uno. Es decir en el borde de la semirrecta se produce una
discontinuidad que luego restituye suavemente el valor original. Si la diferencia entre
las dos cajas en mayor que un   íxel, la discontinuidad disminuye. Este resultado pone
de manifiesto que la dimensión semientera sólo se manifiesta exactamente sobre el
borde de la recta.
1
2
ln
2
1
2
ln

¹
¹
¹
¹
¹
¹
¹
;
¹
¹
¹
¹
¹
¹
¹
¹
'
¹
+
+
·
n
n
n
n
lím D
C
1
2
ln
1
2
2
2
ln

¹
¹
¹
¹
¹
¹
¹
;
¹
¹
¹
¹
¹
¹
¹
¹
'
¹
+
+
+
·
n
n
n
n
lím D
C
59
Vamos ahora al caso un poco más complejo consistente en un ángulo recto
formado por dos semirrectas y acerquémonos con nuestras cajas centrados desde una de
las semirrectas, como indica la figura:


Nuevamente comenzaremos con una diferencia de un   íxel entre ambas cajas.
Aplicado nuevamente la expresión original, tenemos que el límite da ahora 2/3. Para
obtener este resultado mediante la definición donde se pone de manifiesto la derivación,










Se deberá asumir que se tienen dos objetos con dimensión uno (las dos semirrectas) y
uno con dimensión cero (el punto),









Un paso más será evaluar la dimensión en el límite que tres semirrectas forma
ortogonalmente una T.
Localizando las cajas como se muestra en la figura 5 se obtiene, DC= ¾. Esto se
obtiene también con (12) si se asumen tres objetos de dimensión uno (las tres
semirrectas) más un objeto de dimensión cero (el punto de unión): (1+1+1+0)/4 = ¾.
0
) ln(
) ( ln

¹
¹
¹
¹
¹
;
¹
¹
¹
¹
¹
¹
'
¹
·
ε
ε
ε
ε
ε
d
L
d
d
N d
lím D
C
3
2
) ln(
) 1
2
ln(
) ln(
) ( ln
0 , 0 ,
·
¹
¹
¹
¹
¹
;
¹
¹
¹
¹
¹
¹
'
¹
+
·
¹
¹
¹
¹
¹
;
¹
¹
¹
¹
¹
¹
'
¹
·
→ → → → ε ε ε ε
ε
ε
ε
ε
ε
ε
ε
ε
L L
C
d
L
d
d
L
d
lím
d
L
d
d
N d
lím D
60


Sin embargo, la extrapolación a figuras más complejas no es inmediata por
varias razones. No cualquier figura permite acercarse a límite adecuadamente y lo que
es más grave, si la simetría de la figura no es acorde con la simetría del teselado la
discrepancia es muy importante. Este problema se pone muy de manifiesto para ángulos
no rectángulos.
61
RESULTADOS
15



RECTA HORIZONTAL

TRIÁNGULO

























15
Está disponible un versión comercial del soft.
62

CUADRADO























SUPERFICIE CUADRADA


















Veamos ahora
como se
genera la
estructura
fractal desde una estructura con dimensión entera. En el primer caso desde el triángulo,
que tiene dimensión casi uno se llega al diagrama de Koch con dimensión D
H
= 1,2618.
63


KOCH
En este y los casos que siguen se utiliza la siguiente nomenclatura: D, dimensión; S,
entropía.


• KOCH


• PASO 1 PASO 2
• D = 1,06 ± 0,11 D = 1,08 ± 0,11
• S = 2,82x10
-3
S = 1,39x10
-3

• Nro Pixels = 511 Nro Pixels = 781








64










PASO 3
D = 1,173 ± 0,148
S = 1,88x10
-3

Nro Pixels = 930
65

PASO 4 PASO 5
D = 1,27 ± 0,12 D = 1,27 ± 0,10
S = 1,89x10-3 S = 0,83x10-3
Nro Pixels = 1457 Nro Pixels = 1771




66
PASO 6
D = 1,28 ± 0.09
S = 0,71x10-3
Nro Pixels = 1880



67

Dimensión teórica de Koch







En el segundo caso se pasa de un triángulo lleno con dimensión casi dos a una
estructura fractal denominada Sierpinski. Vemos en todos los casos comola semilla de
la dimensión fractal se encuentra en la figura con dimensión entera original. En
particular la contribución que cambia la dimensión aparece en los borde donde un
quiebre limita una línea o una superficie.
2618 , 1
3 ln
4 ln
· ·
H
D
68

SIERPINSKI

PASO 1 PASO 2


• DH = 1,97 ± 0,08 DH = 1.93 ± 0,10
• S = 7,5x10-6 S = 1,42x10-5
• Nro ps = 125653 Nro ps = 94727









PASO 3
.... 585 , 1
2 ln
3 ln
· ·
H
D
69


• DH = 1,87 ± 0,12
• S = 2,1x10-5
• Nro ps = 71783


.... 585 , 1
2 ln
3 ln
· ·
H
D
70

• PASO 4 PASO 5
• DH = 1,76 ± 0,11 DH = 1,60 ± 0,13
• S = 2,81x10-5 S = 3,58x10-5
• Nro ps = 125653 Nro ps = 43415


71


72
PASO 6
DH = 1,56 ± ,14
S = 4,82x10-5
Nro ps = 35716



PASO 7 PASO 8

73


74


• DH = 1,574 ± 0,111 DH = 1,585 ± 0,098
• S = 4,684x10-5 S = 4,858x10-5
• Nro pixels = 31404 Nro pixels = 29871






.... 585 , 1
2 ln
3 ln
· ·
H
D
75



Esté código permite discriminar si existen varios objetos con diferentes
dimensión fractal. Al recorrer la imágenes basta orientar los objetos adecuadamente
para poner de manifiesto que cada un de ellos contribuye con una distribución de
dimensiones centradas en valores diferentes. En los ejemplos que siguen se han
procesado, primero un diagrama Koch junto con una línea recta y luego un diagrama
Koch con un rectángulo lleno.
76


77

78
REPASANDO IMÁGENES

Si volvemos ahora a las imágenes de la presentación del tema tenemos por
ejemplo para las nubes:



En la foto se han seleccionado dos regiones con dimensiones proporcionales si giramos
una de ellas 90 grados. Determinando los contornos se obtienen las siguientes figuras:


Procesándolas con el algoritmo propuesto se obtienen los siguientes resultados,

D
HA
= 1,24 t 0,18 y D
HB
= 1,28 t 20

Dejamos para el lector jugar con el resto de las imágenes para encontrar, como
en el juego de los 10 errores, las zonas autosimilares. Como vimos pueden estar giradas,
incluso un ángulo no necesariamente recto. La fractalidad puede darse tanto en contorno
como en superficie. La dimensión estará comprendida entre cero (un conjunto aislado
de puntos) hasta dos una superficie compacta. Los rayos por ejemplo están cerca de la
dimensión uno en cambio las caídas de agua están más cerca de la dimensión dos. Los
contornos montañosos se acercan a la dimensión uno y las formaciones geológicas
requieren una evaluación tridimensional pues tendrán una dimensión entre 2 y 3. Queda
como ejercicio para el lector imaginar la dimensión de la costa del lago de las Vegas.

Sign up to vote on this title
UsefulNot useful