You are on page 1of 80

1

2

La Naturaleza es bella,
caótica y fractal

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

Dino Otero - 2010
dinootero@fibertel.com.ar

3

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

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. ENTROPÍA. EL HAMILTONIANO.I NDI CE INTRODUCCIÓN 6 LA NATURALEZA FRACTAL 8 CONCEPTO DE PROBABILIDAD. VARIABLES CANÓNICAS. MÉTODO NUMÉRICO 48 DIFICULTADES DE LA REPRESENTACIÓN DIGITAL 49 RESULTADOS 62 5 . SISTEMAS LINEALES.

Efectivamente. nuclear y astrofísica y por el otro la necesidad de tener los poderosos equipos de cálculo y graficación que son las computadoras. Me permitiré exponer algunas hipótesis. Creo que el desarrollo gráfico de la computación contribuyó en gran medida a la popularización de estos conceptos y. con la ayuda de la computación. Vol 156. una esfera o un poliedro. las nubes. que con una gran riqueza en su dinámica. No están muy claras las razones por la cuales se da esta omisión. para la cual ni siquiera es necesaria ninguna herramienta sofisticada de cálculo. En el afán de combinar tiempo y espacio sobre una tela plana se perdía. con el cubismo. New Series. En ambos casos no existe hasta el presente asignaturas que traten explícitamente estos temas. Como dice Benoit Manderlbrot en su 1 Science. elipses. estudiantes y profesionales que necesiten una introducción a los temas de caos y fractales. 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. más bellas de la naturaleza: la geometría fractal. 1967). cubos. eventualmente impregnada del espíritu con el cual la contemplaba el pintor. 6 . por que no. 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. por un lado los espectaculares desarrollos de las teorías cuántica y relativista. mientras que el concepto de dimensión no entera fue introducido por el matemático Félix Hausdorff a principios del siglo XX. de la mano de Pablo Ruiz Picaso. esferas. poliedros y cuádricas. particularmente aplicadas con gran éxito en las áreas de física atómica. Se rompía entonces con toda una tradición pictórica que representaba a la naturaleza tal como era. la mezcla de dos pinturas. Las raíces del caos se remontan a fines del siglo XIX con los trabajos de Henry Poincaré. p 636-638. el movimiento artístico denominado cubismo. al entendimiento y profundización de los mismos. Otro ejemplo simple lo constituye la simple ecuación logística a diferencias finitas. puede ser fácilmente comprendido y resuelto por alumnos de los primeros años de la universidad. una de las características. Vaya el ejemplo de un péndulo real. a mi juicio. descubren que lejos están esos objetos y fenómenos de un triángulo. Espero que este trabajo sea un grano de arena que colabore en incorporarlos. Sin embargo esos estudios quedarían prácticamente ignorados hasta fines del siglo XX por diversas razones. los remolinos en el agua. si bien los estudiantes conocen (o al menos es de esperar que conozcan) muy bien los teoremas euclídeos y reconocen las diferencias entre triángulos. Morse) pero el apogeo de la física lineal era aún muy fuerte y el tema quedó relegado a los especialistas. Respecto de la fractalidad podríamos afirmar que la naturaleza es bella porque es fractal. Hacia 1960 se realizó un importante desarrollo con la demostración del teorema KAM (Kolmogorov. Arnold. ni bien se asoman al mundo real y observan un árbol. En 1900 surge en la pintura. Sin embargo todo esto no aclara porque el retraso en incluirlos en las asignaturas de grado. molecular. 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. Nro 3775 (May 5.I NTRODUCCI ÓN Este texto está principalmente dirigido a profesores universitarios. la descarga de un rayo. 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. Las dos principales causas han sido.

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. las montañas no son conos. UBA. lo mismo que los relámpagos no viajan en línea recta”. Con ciclos más largos o más imbricados todos los problemas que puede resolver la física lineal se reduce a seguir esos ciclos. Parte de este material se dictó en la carrera de doctorado de la Facultad Regional de Buenos Aires. Universidad Tecnológica Nacional. La base de la teoría del caos es la física no lineal. Centro de la Provincia de Buenos Aires. En un primer volumen presentamos conceptos elementales y todo el tema de fractales. física nuclear y teoría de la información. 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. los litorales no son circulares. fractales. 7 . El segundo volumen está dedicado al caos y la relación de ambos conceptos con el tema de sistemas complejos. Sólo los relojes asociados a los rutinarios ciclos temporales están realmente fuera de la física no lineal. El autor ha publicado en teoría del caos.libro: “Las nubes no son esferas. Fue profesor de física y matemáticas en las universidades de Luján. y los ladridos no son suaves. UTN y Favaloro.

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). particularmente el movimiento del aire. Buscar esos caminos mediante un cálculo sería virtualmente imposible pero la naturaleza los encuentra sin esfuerzo. Confluyen varios efectos. Sigamos mirando el cielo. Pero el más importante está relacionado con la agregación de las gotas de agua. La estructura es claramente fractal. Bajemos ahora a la tierra y miremos que sucede con el agua. Para un gas como el aire predomina la repulsión de choque entre las moléculas originadas en las fuerzas de Coulomb. Pero. particularmente en la atmósfera. La atmósfera de la Tierra se encuentra muy fuera del equilibrio termodinámico (¡afortunadamente!). 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. las fuerzas electrostáticas tienen tanto el comportamiento repulsivo como el atractivo. Pero para gases densos como son las nubes. Veamos que pasa en el cielo. Mares. La descarga recorre los caminos que mejor la conducen. 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. compuestas por gotas de agua.LANATURALEZAFRACTAL Comenzaremos por presentar algunos ejemplos de la incidencia del caos y la fractalidad en la naturaleza. al igual que en el caso de las nubes y los relámpagos ¿cómo medir la dimensión de un salto de agua?: 8 .

Primero vemos alguien que goza lanzándose entre un torbellino de agua. la fuerza de gravedad y un comportamiento altamente no lineal del fluido. aproximadamente el ancho.Aunque los tres saltos de agua son muy distintos los tres se caracterizan por no tener bien definida su dimensión. Luego vemos como se aprovecha el espectáculo de chorros caóticos que surgen de las fuentes para embellecer las ciudades. Podemos estimar la altura. en este caso se trata de la estatua de Neptuno en Madrid: 9 . Pero veamos como el hombre saca ventaja de este comportamiento caótico y/o su aspecto fractal. A esto contribuyen una distribución de rocas desorganizada. groseramente la profundidad pero su dimensión real es otra cosa y es eso justamente lo que los hace bellos.

10 . La música surge entre la distribución fractal de las rocas y la caída caótica del agua. aprovechan todo el esplendor de la caída de agua y las rocas que la rodean para enmarcar una bailarina. en pleno paseo del tren turístico que une Bergen con Myrdal y Flam. Finalmente en Noruega.

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: 11 . 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. por la propia estructura fractal de las montañas poseen autosimilaridad.Veamos que sucede con la Tierra misma. los accidentes geológicos. Los ejemplos típicos lo constituyen las cadenas montañosas. Incluso los depósitos de nieve.

China: 12 . o en la estructura de estalagmitas y estalactitas en la cueva de las Flautas de Caña en Guilin.Más acentuada aún son las estructuras que pueden observarse en el Bryce Canyon Nat. Park.

USA: 2 “How Long is the COSAT of Britain?. Este fue el trabajo de Benoit Mandelbrot de 1967. Statisticas Self-Similarity and Fractional Dimension”. 13 .Aunque en estas últimas fotos la iluminación artificial acentúa el efecto de por sí presente dentro de la caverna. Vol 156 Nro 3775 (May 5. Science. ¿Cuánto miden la costa de Gran Bretaña?2. Uno de los primeros casos de estructura fractal corresponde a la dimensión de las costas. aquí podemos apreciar esa estructura en la costa de la Bahía de Las Vegas. New Series. 1967) p636-638.

líquida y gaseosa. Pero hay fenómenos en la naturaleza que combinan la fractalidad geológica. como por ejemplo los géiseres de los cuales mostramos tres ejemplos de Yellowstone: 14 .

15 .

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: 16 .

A escala planetaria también se pueden observar el caos y la fractalidad como en estas tormentas en torbellinos sobre Júpiter: 17 .

Si la distribución fuera homogénea la dimensión debería valer 3. en cambio se obtiene el valor de 2.1: 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.

19 .

Nada es “aproximado” o “ íxel ilística”. la mecánica cuántica. ¿Qué papel juega realmente este concepto en las ciencias físicas? Tenemos por un lado el enunciado de leyes muy generales propuestas por: Newton. la mecánica estadística.quantum t heor ye l iminatedtheNe wt oniand ream ofacontr oll ableme asurementproces s. propiedad que hasta ese momento el electrón no poseía. la mecánica del continuo. etc.and c haoseli minatestheLaplaci anf antasyofdet ermini sti cpredictabil it y”. los sólidos. 20 . Einstein. VARI ABLES CANÓNICAS. ENTROPÍ A. Ed. EL HAMI LTONIANO. rígidamente relacionadas por las ecuaciones propuestas. el azar y el destino”. los fluidos. Sin embargo estas leyes tan precisas requieren del auxilio de la probabilidad para describir completamente los fenómenos físicos. la termodinámica.t oobject sathuman scale . Madrid 1990. 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.…” “Peroesimposi blequeune ntendimient ol i mitadopreve alasc osasf uturaspue sel mundoconstadeinfi nit ascosasq uecooperan.the re voluti oni nchaosappli est otheuniver sewes e eandt ouc h. “Re lati vit yeliminat edtheNe wt o nianillus ionofabsol utespac eandtime. 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.demodoquenadahayt anr e mot oni tanpequeñoquenoc ontr ibuy aalgoensume di da. PRINCIPI O DESUPERPOSICI ÓN.oft hetree.” 3 Got tf rie dWl hel m Le ibni z PROBABI LIDAD Un concepto que recurrentemente reaparece en la solución de los problemas científicos es el de la probabilidad. Tecnos. EVOLUCI ÓN EN EL ESPACI ODEFASES. Este concepto está presente en las ciencias físicas en: la teoría cinética. Cuando en el mundo de los átomos una interacción exige que un sistema adquiera propiedades que en realidad no posee.se ríaunprofe tayve ríaelf utur oe nl oprese nte . la física nuclear. “… s ial gui entuv ies eunapercepci ónsuf icie ntedel aspart esdelasc osasybas tant e memori ayentendi mie nto. la mecánica cuántica provee una “receta” probabilística. Sin embargo una interacción (“interna” o “externa”) puede forzar la localización espacial del electrón. La teoría permite evaluar probabilísticamente la localización. los plasmas. SISTEMAS LINEALES.Acos tumbr oade ci rqueuna mosc apue decambiarto doe lest ados izumbaantel anari zdelreymi e nt r asé st ee s tá s umidoe nimportante sd e liberaci one s . En estas leyes se utilizan variables dinámicas de características geométricas. Schrödinger. Obs erv aci óndeunf ísi coanóni mo CONCEPTO DE PROBABILI DAD.

con la moderna teoría de la física no lineal. Hoy día. Pero existe una diferencia conceptual profunda entre la probabilidad clásica. Pone así las bases de la mecánica estadística. definida a partir del conjunto continuo de números reales { pi}. la teoría se consolida con el trabajo de George Boole: “Laws of Thought.. 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. 195 (1964). Dalibard and G. 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. Vol 6. Iss. Aspect. Algunas de ellas. N. 47:777-780. Pricenton. B. Las objeciones de Einstein no sólo cuestionaban los resultados íxel ilísticas de una medida cuántica para un estado puro. El Estudio del caos cuántico apunta a unificar el uso de la probabilidad en la física clásica y la mecánica cuántica. También Fermat contribuyó a la fundamentación y posteriormente en 1854. 6 A. Roger.. a su muerte. i i y la probabilidad estrictamente cuántica. 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. 1804-1807 (1982) 7 A. Physical Review Letters. tuvo el merecido reconocimiento. J. 1935. 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!”. Vol. Phy si c alRe vi ew. and Rosen. "On the Einstein-Podolsky-Rosen Paradox" Physics Vol1. Podolski. . p. como la relacionada con la paradoja de Einstein Podolski Rosen4 y replanteada por John Stewart Bell5]. esta dificultad ha recobrado interés científico y dio origen a los estudios de “caos cuántico”. señala la dificultad que tiene el formalismo cuántico en explicar el comportamiento dinámico de más de dos cuerpos. 434 21 . 5 John Bell. "Can quantum-mechanical description of physical reality be considered complete?". Un estado cuántico 4 Einstein. en 1900 con el estudio del movimiento de Brownian de las partículas..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. 49. Pricenton U. Recién en 1870. Sus trabajos fueron muy combatidos por los físicos contemporáneos y posteriormente.. pp. on Which Are Founded the Mathematical Theories of Logic and Probabilities” (1854). tal que 0 = pi = 1 y que cumplen la condición ∑ p= 1 . Ángel “The Collected Papers of Albert Einstein”. Sin embargo la idea de Einstein que la teoría no es completa tiene aún sus partidarios. Justamente un trabajo relativamente olvidado de Einstein de 19177 sobre el análisis de la teoría cuántica del ión H2+. fueron resueltas a favor de la mecánica cuántica mediante un ingenioso experimento realizado por Alain Aspect en 19826:. A. 25. NJ (1997). La relación entre azar y determinismo se plantea tardíamente en las ciencias físicas. “Experimental Test of Bell's Inequalities Using Time-Varying Analyzers”. Press. trans.

y.t) + bψ 2 ( x .También puede suceder que el electrón esté en alguno de los dos átomos pero sólo sepamos que existe una probabilidad p1 de estar en el átomo (1) y una probabilidad p2 que esté en el átomo (2).t) (2) Ese estado podría corresponder a un electrón compartido por los átomos (1) y (2).z . Cómo la funciones están normalizadas y son ortogonales la probabilidades de que el electrón 2 sea localizado en el átomo (1) es a y la probabilidad que sea localizado en el átomo 2 (2) es b .z . φ( x . denominadas funciones de onda cuánticas.y.general se puede describir por un conjunto de funciones (que pueden ser complejas) ortogonales. {ψ i( x. y. t )} (1) Veamos por ejemplo un estado descripto por dos funciones de este tipo.t) = aψ 1 ( x . z.y. Los dos casos son bien distintos como podemos observar en la figura: 22 .z .

Sin embargo si olvidamos de darle cuerda (o suspendemos la alimentación eléctrica). 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. Un ingrediente adicional surge de la irreversibilidad. Veamos que significa microreversibilidad en la siguiente figura donde chocan coulombianamente dos partículas cargadas. tanto clásicas. Pero la flecha del tiempo no tiene una ecuación dinámica que sólo pueda avanzar desde el pasado hacia el futuro. I RREVERSI BILI DAD Se han propuesto varias explicaciones para conciliar la microreversibilidad con la macroirreversibilidad. el tiempo necesario para que se revirtiera un movimiento superaría la edad del universo (14000 millones de años). dada la gran cantidad de partículas involucradas en un proceso macroscópico. Como ya señalamos las ecuaciones básicas de la física. un presente y un futuro se denomina l af lecha de lt i empo. 23 . En cambio para una bola macroscópica no es equivalente ir del estado A al B y luego volver al A. invirtiendo las velocidades cuando las partículas llegan al estado 2-4. La más aceptada consiste en aceptar que. cuánticas o relativisticas. El tiempo puede transcurrir indiferentemente hacia el futuro o hacia el pasado. el péndulo comienza a detenerse y claramente nos indica la dirección del tiempo. son absolutamente reversibles. La clara percepción entre un pasado. La oscilación del péndulo no indica ninguna dirección temporal. Observemos un reloj de péndulo. invirtiendo la velocidad cuando se llega a B.

es un parámetro asociado a la energía promedio de las partículas y n/V representa la densidad promedio del gas. representa el promedio de los impulsos de las partículas sobre un elemento de superficie. Veamos el caso más simple de la densidad. el número de partículas es el mismo al menos en promedio. la temperatura. en cualquier lugar dentro del recipiente. Sobre este concepto se basa la definición de estado de equilibrio 24 . Se basa en la idea intuitiva que fijado un elemento de volumen. PV = nRT (1) donde P. Por ejemplo para los gases resulta muy útil utilizar la simple ecuación. la presión. 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. T.

En nuestro ejemplo el valor promedio significa “contar” el número de partículas que “transitan” por elemento de volumen en un cierto tiempo ∆t .45x1010 partículas. Sin embargo cuando se fundamentan estadísticamente las ecuaciones basta que ese número sea >>10. Conviene tener muy claro que se entiende por este concepto. por ejemplo 100. una condición importante es que el sistema no tenga forma de decirnos como ha llegado a la situación de equilibrio. El número de partículas que puede haber en un dado instante en el elemento de volumen es de características frecuenciales. Asegurar esta última condición también se encuentra en la frontera de la ciencia. Para poder asegurar que el sistema está en equilibrio. grados de libertad). Entonces en nuestro caso la fluctuación esperada para el número promedio en 0. Esto asegura que las partículas están evolucionando erráticamente. La fluctuación porcentual es de tan sólo 4. 0.4 litros. No es posible utilizar variables macroscópicas que representan promedios de las variables microscópicas si el sistema termodinámico no se encuentra en equilibrio.As. pero afortunadamente existen condiciones externas que ayudan a caracterizarla. • El sistema debe ser c errado(no deben ingresar o salir partículas) y aislado(no debe entrar o salir radiación). Las observaciones frecuenciales. Esto ocupa aproximadamente 22. para tan grandes números se puede aproximar por una distribución de Gauss con un solo parámetro: ( <n>−n) 2 1 − P(n) = e 2<n> 2π < n> (2) Donde <n> es el valor promedio y < n> es la dispersión.0224 litros.0224 litros (un cubo de 2.8 micrones en la distancia Bs. • Por ejemplo.termodinámico. es decir mil veces menos.-Mar del Plata (450 km)! Volvamos al concepto de equilibrio termodinámico.8 cm de lado) es de 2. ¡Algo así como una precisión de 4. • Las condiciones anteriores se aplican a un e s paciof inito y a un t iempo 25 . por ejemplo. Un elemento de volumen podría ocupar. por ejemplo el número de glóbulos rojos en un cm3 de sangre. Si hubiera lugares donde el elemento de volumen tuviera un valor promedio de partículas mayor o menor.8x10-11. el gas no estaría en equilibrio térmico. De acuerdo con el número de Avogadro tendríamos en promedio unas 6x1020 partículas de gas. Es decir el sistema ha pe rdidol ame mor i ade su evolución y/o condiciones iniciales. se requieren las siguientes condiciones: • El sistema debe estar constituido por un gr annúme r odepar tí c ulas(o en un concepto más fuerte. La densidad es constante con una tremenda precisión. • Las variables dinámicas de dichas partículas deben evol uc ionare rrát i came nte. siguen una distribución de Poisson que. ¿Cuál es la exactitud de ese promedio? Supongamos que tenemos un mol de gas a 20o y 1 atm. Veamos las condiciones que aseguran el estadodee quili br i ot ermodi námi co: DEFI NICI ÓNDEEQUI LIBRI O TERMODI NÁMI CO • Las ecuaciones termodinámicas son “ecuaciones de e stado dee quili br i o”.

Observado en ese instante el sistema tiene “memoria” de cómo se está moviendo el pistón. Sin embargo si se toman fetas transversales muy delgadas. Els istemae s ho mogé ne orespecto de dichas variables. EVOLUCI ÓNI RREVERSI BLE Por supuesto se la identifica como aquella evolución que no es reversible. EVOLUCI ÓNREVERSI BLE • Las evoluciones reversibles se caracterizan por pasar por estados de equilibrio. En cambio si el pistón se mueve mucho más despacio que el movimiento promedio de las partículas. Sin embargo poseen en común la imposibilidad de invertir la evolución sin poner trabajo en el sistema. Por ejemplo en la expansión violenta de un pistón. limi tado. ¿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. Veamos ahora un ejemplo de evolución irreversible que permite relacionar el concepto de calor termodinámico con la probabilidad y la teoría de la información. deben tomar el mismo valor en cualquier punto del sistema. donde la variación de las variables macroscópicas evolucionan más lentamente que las microscópicas. por ejemplo la temperatura. en un dado instante. Luego de un rato toda el agua se coloreó uniformemente y recién entonces estaríamos en condiciones de afirmar que el sistema está en equilibrio. Veremos desde el concepto termodinámico de entropía que sucede 26 . Estas dos últimas condiciones colaboran a extender el concepto de equilibrio termodinámico a sistemas que globalmente no lo están. Por ejemplo una barra con los extremos a diferente temperatura pasa al estado de equilibrio en un proceso irreversible aunque cuasiestacionario. la densidad. la temperatura está bien definida para cada feta pero evidentemente no están aisladas unas de otras. • 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 sea un vaso de agua en el cual vierto tinta. • La definición de un estado de equilibrio es subjetiva pues depende de las variables que se observen. MEZCLADEGASES La purificación de gases es una técnica usual en la industria. entonces al moverse se producirá un cuasi vacío detrás del pistón y una consiguiente corriente de gas hacia el pistón. La barra no es homogénea respecto de la temperatura. Se gasta energía en separarlos y si por cualquier razón vuelven a mezclarse habrá que invertir nuevamente trabajo en separarlos. al observar al sistema. Pero si en lugar de tinta vertemos sal. Si la velocidad de movimiento del pistón es muy superior a la velocidad promedio de las partículas del gas contenido en el pistón. no es posible saber en qué dirección se mueve el pistón observando el movimiento de las partículas. la presión. • Las variables intensivas. sólo si medimos la salinidad podremos asegurar en qué momento el sistema alcanzó el equilibrio.

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 otra parte por ser gases ideales las variables intensivas (P. por Para determinar la variación de entropía utilizaremos la fórmula usual de entropía: ∆ U = TdS – PdV = 0 despejando dS e integrando: P ∆S= ∫dS= ∫ dV T Si el proceso de mezcla de los gases es suficientemente lento la presión y la temperatura estarán bien definidas en todo instante. Supongamos que la relación de volúmenes que ocupa cada gas. ∆S= ∆S 1 + ∆S R[xln x+ (1 − x 2 = −n )] ) ln(1 − x 27 . Para el gas 2 se V tiene. Si el volumen total es V. Es decir se rigen por la ecuación de estado: PV = nRT. El número de moles para el gas 1 será x y el del gas 2.cuando se mezclan gases distintos.T) no varían al mezclarlos. para el gas 1 tenemos. a una temperatura y densidad que pueden considerarse gases ideales. Concretando la integración indicada. es x para el gas 1 y (1-x) para el gas 2. Los gases se encuentran en recipientes como indica la figura. Durante todo el proceso el sistema está aislado tal que entonces ∆U = 0 . Incluso la expansión de un gas ideal en el vacío no cambia su temperatura. Consideremos ahora la evolución irreversible (cuasiestacionaria) del sistema para la cual la pared que separa los gases permite una l e ntame zclade ambos gases hasta que se alcanza un nuevo equilibrio a la misma (P. el gas 1 ocupará un volumen xV y el gas 2 un volumen (1-x)V.T) pero con los gases completamente mezclados. P dv ∆S2 = ∫ dv= (1 − x )nR ∫ = T (1− x)V v V = (1 − x )nRln = −nRln(1 − x ) V(1 − x ) La variación total de la entropía será. V P d v V 1 = ∫ d ∆S v= x nR∫ = x nRln = −n Rln x T x V v x V pues el gas 1 pasa de ocupar un volumen xV a ocupar un volumen V. (1-x).

3.como x y (1-x) son menores que uno. ambas contribuciones son mayores que cero y también ∆S> 0 . Para ello partimos de la desigualdad.2. que corresponde a m cajas iguales. i nformac i ónques epi e r dealme zclarlos . ∆ S = -nR(p1lnp1+p2lnp2) Antes de que los gases se mezclaran c onoc íamosc one xacti tuddónde estaba cada gas. Lagr áfi cadee st af unci ón e sf undame nt alene lc onceptode entropíayte oríadelainfor mac i ón: Las fracciones x y (1-x) podemos interpretarlas como la pr obabi l idadque. al tomar una molécula corresponda al gas 1. La constante nR es ar bitrari apero permite en este caso relacionar l ae ntropíai nformac i onalc onl at ermodi námica. xm-2 que al mezclar los gases pueden interpretarse como las probabilidades p1. La expresión para la variación de entropía puede ponerse como. Veamos como se demuestra esto. p2. El aume ntodee ntropíaestá midiendo esa pé rdidadei nf ormac ión. x3. como indica la figura: cada recipiente representa una fracción x1. Supongamos que ahora tenemos un conjunto similar de recipientes con diferentes gases 1.… m. La máxima pérdida se da para cuando ambos recipientes son iguales. p2 = (1- x). …. x−1 ≥ ln x Que se cumple para todo valor de x y en particular vale la igualdad para x=1: 28 . Trivialmente la expresión (131) se generaliza: m m ∆S= ∑ ∆Si= −nR∑ piln pi =1 i =1 i Ahora el máximo valor que puede tomar la entropía es. pm-1. pm de sacar una molécula de alguno de los m gases. p3. xm-1. La pérdida de información es nula si cualquiera de los recipientes tiene inicialmente volumen igual a cero. luego de mezclar los gases. x2. …. ∆ S=l n(m). p1 = x o al gas 2.

antes de mezclarlos podríamos definir que como la falta de información es nula. ln N> S En términos de mezcla de gases.Definiendo. existe una falta de información de la posición y velocidad de cada partícula. reordenando se tiene. Clás i c ame ntenoe spos i bl ede fi nirunval orabs olutodel ae ntropíapues como el espacio de fases puede subdividirse en “recipientes” arbitrariamente pequeños el resultado es que el valor de la entropí aabs olutadi vergepara cualquier temperatura y presión. N N N 1 ∑ ( N− p) ≥ −∑ pln p− ∑ pln N =1 i i =1 i i i =1 i i pero el miembro de la izquierda es nulo pues la sumatoria sobre pi vale 1 y sumar N veces 1 es igual a N. ¿Qués uc e dec one lt ratami entor eali z ado sie lgas1e se lmi smoquee lg as2?La expresión empleada no tiene forma de 29 . En lo que respecta a la entropía de cada gas. Pero eso no es correcto pues cada gas tiene un valor de entropía por la agitación térmica de sus moléculas. clásicamente. Es decir se carece de información respecto del estado dinámico de cada molécula. la entropía también lo será. las variaciones de entropía. Pero este ejemplo da para más aún. Dentro de cada recipiente no podemos saber donde está cada molécula ni con qué velocidad se está moviendo más allá de un valor promedio. 1 x= Np i Y reemplazando en la desigualdad. Por eso sólo se calculan. 1 1 −1 ≥ ln = − ln( piN) Npi Np i Multiplicando por pi y sumando sobre el índice i. como lnN es una constante se tiene que: N 0 ≥ −∑ p i− ln N iln p =1 i por lo que. Sin embargo las divergencias para diferentes temperaturas y volúmenes tienen igual orden y cancelan cuando se evalúa una variación de entropía.

La discrepancia es aún muy superior. 8 Se obtiene así la expresión de Sackur Tetrode . 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. Como conclusión. 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. Un tratamiento más riguroso. basado en la maxi mi z ación deS utilizando mul tipl i cador esdeLagr ange . La “trampa” está en que las partículas son indistinguibles y la fórmula convencional utilizada asume que las partículas son “distinguibles”. Sin embargo resulta evidente que al mezclar gases iguales la entropía no crece. 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.diferenciar un caso del otro y por supuesto obtendremos el mismo resultado. Para eso debe recalcularse la entropía considerando que laspar t ículass oni ndistinguiblesys ólopue dendi st inguirs ec uandolosgas es sondi sti nt os. Pero la expresión de la entropía cambia. Esto se conoce como la paradoja de Gibbs que no tenía solución en el formalismo clásico. La identificación de los sistemas se vuelve así un problema de di f erenteordenami entode 30 . En la deducción se requiere evaluar los posibles microestados accesibles del gas. demuestra que la fórmula de estado Pv= nRT no cambi ayas eaques ec ons i de renl apar tículasdistinguible soi ndist inguibl es.

Para ello veamos primero la entropía de los gases antes de mezclarlos.e n pri nci pio.peronoe ssi nounal i mitación. Benjamin. Desde un punto de vista cuántico la indistinguibilidad es esencial. 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. “Thermal Physics”.átomos y mol é culas que . Justamente en un gas debido a la total falta de orden el problema de la indistinguibilidad desemboca en la par adojadeGi bbs .muypoc ot i empode s puésunapar tí c ulas i mi lare nun puntomuypr óximoalpr i me ro. 31 . λVn Vn ∆S(λn. λV) = λnRlnV   ≠ λnRln  V = λ∆S(n .de be sc onsiderar lo. Debemos recordar que por ser la entropía una función potencial termodinámica. V) V0λn V0 n λV V  ∆S(λn . New York.…” Veamos que sucede cuando se utiliza la fórmula de Sackur Tetrode8: DISTINGUIBLES T V  ∆S= Cvln T  Rln + n V    0  0 INDISTINGUIBLES: SACKUR-TETRODE (Versión simplificada) T Vn  ∆S= CV ln T  + nRlnVn 0   0  0  La sutil diferencia radica en que aparece el número de moles dentro del logaritmo.not ieneauté ntic oei nequívoco senti doa fi rmarquee sla misma par t ículalaquehasobs er v adoe nlosdosc asos. sólo queda determinada a menos de una constante: V1 Si1 = n 1 Rln + S01 n1 V2 Si2 = n2 Rln + S02 n2 8 Philip M.A. Conviene hacer los cálculos con cierto detalle para entender bien la diferencia entre dos gases iguales o dos gases distintos.c omo unac onte c imiento aisl ado.yhas t as it ienestodalaraz ónparae ncontrarrelación causal ent rel apr i merayl as egun daobs ervaci ón. λV) = λnRln 0 = λnRln 0 = λ∆S(n.V)  0   0 Vamos ahora a la paradoja de Gibbs.I ncl usos iobservas. Morse. Como dijo Erwin Schröedinger en 1950: “Cuandoobs er vasunapar tí cul adeunt ipodet erminado.pongamosporc asoun elect rón. W.aquíyahor a.Pue de quelasc ir cunstanci asseant ale squeac onsejenyhagandes eablequet ee x pr esesdee sa mane ra. 1965.i ndi vidua lme nt es on e senc i alment ei ndi sti ngui bl es.

V Sf(1+2) = (n 1 +n2 ) ln + S01 + S02 1 +n n 2 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!).Si los gases son distintos [distinguible una molécula del gas (1) de otra del gas (2)]. Calculando nuevamente la diferencia entre la entropía final (gases idénticos mezclados) y la inicial (gases idénticos separados). entonces se puede evaluar la entropía final de cada gas luego de mezclarlos: V Sf1 = n 1 Rln + S01 n 1 V Sf2 = n2 Rln + S02 n2 Entonces la diferencia de entropía entre el estado final (gases distintos mezclados) y el inicial (gases distintos separados): V V ∆Stotal= ( Sf1 + Sf2 ) − ( Si1 + Si2 ) = n 1 Rln + n2 Rln V1 V2 Y si reemplazamos por las fracciones molares y de volúmenes. V V V = nln − nx Rln − n(1 − x ) Rln = 0 n n n Este tema de la indistinguibilidad no ha sido aún suficientemente analizado en los sistemas caóticos. SI STEMASDI NÁMI COSLI NEALES. 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. Por otra parte la mecánica cuántica no puede ser formulada en un sistema auténticamente no lineal. V V1 V ∆Stotal= Sf(1+2) − ( Si1 + Si2 ) = nln −n 1 Rln − n2 Rln 2 = n n1 n2 reemplazando por la relaciones molares y volumétricas. tenemos: V V ∆Stotal= x nRln + n(1 − x ) Rln = Vx V(1 − x ) − nR[xln x+ (1 − x )] ) ln(1 − x Que coincide con la obtenida originalmente. Pero si los gases son idénticos entonces la entropía final será. 32 . 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. Normalmente se asume que existen comportamientos caóticos en el límite clásico. es decir en un estado completamente caótico.

son reversibles temporalmente. Durante los siglos XVII. creada con los sistemas lineales pero de gran aplicación en los sistemas no lineales es el espacio de 33 . planteándose en consecuencia ecuaciones reversibles. se asignaron a la interacción de un conjunto muy grande de partículas intratable con las herramientas disponibles. Todas las fuerzas. XVIII. se unificó con la electromagnética a mediados del siglo XX por Salam. En la mecánica cuántica (único formalismo medianamente idóneo para resolver problemas con estos potenciales) no existe el concepto de fuerza. p2 1 H= + mω 2 x2 2m 2 Una herramienta útil para visualizar la evolución de los sistemas. 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. 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. GRAVITATORIA NUCLEAR DÉBIL (responsable del decaimiento radiactivo beta. Las fuerzas disipativas. ET = Ec + Ep A la expresión simbólica (realización) de la energía total se la denominó Hamiltoniano (en honor del gran matemático Hamilton). 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). Es que simultáneamente hacía su irrupción la mecánica cuántica (Shrödinger- Heisemberg). 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. Glashow y Weinberg). Por ejemplo el Hamiltoniano de una partícula libre es. Para comprender la profunda conmoción que ha producido la moderna teoría de caos en la ciencia conviene repasar algunos conceptos de sistemas dinámicos lineales. la mecánica cuántica y la teoría relativista. 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. p2 H= 2m En tanto que el hamiltoniano para un oscilador armónico es. Parecía lógico reducir la dinámica fundamentalista a aquellos problemas en los que la disipación estuviera ausente. una teoría nacida al amparo de ecuaciones lineales y la teoría relativista (Einstein). Toda la investigación se centró entonces en el análisis de las ecuaciones lineales. responsables de la irreversibilidad. Es interesante destacar que sólo las fuerzas gravitatorias y electromagnéticas generan una dinámica.

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. z3. Veamos ahora el caso unidimensional del oscilador armónico. En símbolos. x2. y2 e Y son soluciones de la ecuación. si L representa la ecuación diferencial entonces.022x1023 dimensiones. p2x. p2y. p1y. pi (el índice i indica que existe un conjunto de partículas nomencladas por ese índice). 34 . p2z y p3z. Para visualizar su utilidad en sistemas simples veamos la representación de una partícula libre que se mueve según la dirección x (dos dimensiones). x3. Si tuviéramos por ejemplo tres partículas el espacio de fases tendría 18 dimensiones: x1. y2.fases. p3x. Se denomina espacio de fases al sistema de coordenadas ortogonales compuesto por las variables xi. z2. p1z. z1. Este espacio se suele utilizar en mecánica estadística y por ejemplo para un gramo mol de gas monoatómico ideal tendrá 6x6. p3y. y1. p1x. y3. Las soluciones de este tipo de ecuaciones cumplen las siguientes relaciones. Y = ay1 +by2 Donde y1. Los sistemas lineales están gobernados por ecuaciones diferenciales lineales.

conociendo dos soluciones la suma de ambas no es necesariamente solución de la ecuación. Para un sistema de t er mi nístic odada una situación (c ondi cióni nic ial) Ase tiene otra situación (es tado fina l) B: • Dado A? se tiene B • En cambio en los procesos azarosos: • Dado A? se tiene {Bi }. Jan 1992. La posibilidad de obtener soluciones mediante superposición lineal permite. generadas por un c onj unt o inf i ni tode puntos. Si la trayectoria es cíclica el conjunto de puntos sobre el plano es finito. con i > 1 • y a cada i se asociará un número real pi tal que. • 0 = pi = 1 y ∑ p i= 1 i (condición de normalización). El uso de dicho plano es importante aún en la actualidad. en particular el problema Sol -Luna. Pero antes fijemos ideas respecto del determinismo y al azar. Por ejemplo para un péndulo no amortiguado da dos puntos. en particular para el estudio de los denominados at rac torese xtraños . Tie rra. Para calificar este tipo de trayectorias existen dos importantes conceptos matemáticos: Los e xpone nte sdeLi apounof fy la dime nsióndeHaus dor f f. la evolución del sistema al cambiar levemente las condiciones iniciales. 35 . a partir de un conjunto completo y linealmente independiente de autofunciones de L. en general. La trayectoria no vuelve a pasar por los mismos lugares aunque se encuentre restringida a una región del espacio. “Noe stámuye nc laros il osf ísi c osyl osas tróno mosha ns idoc ons cientesdel as te nue sbas esmat emát i c as( frecue nte ment enodi chas )des uscr e enc i as .pe roe smuy c laroquenos ehanpr eoc upadode mas iadopore s o” MaxDr esden9 El primero que descubrió el comportamiento complejo en el estudio de sistemas dinámicos no lineales fue Poincaré. Para sistemas no lineales. 9 The Physics Teacher. obtener cualquier solución de la ecuación. Este era el problema de “n” cuerpos para el cual el Rey Oscar II de Suecia creó un premio de 10000 coronas. (aL1+bL2)y = aL1y+bL2y Estas propiedades se pierden cuando el sistema es no lineal. Vol 30. el conjunto de puntos puede cubrir homogéneamente una región del plano o distribuirse según extrañas figuras denominadas f rac tales . Realizó (1890) una substancial contribución a la teoría de órbitas de planetas y estrellas. En cambio para sistemas no lineales. L(ay1 +by2) = aLy1 +bLy2 Incluso si el sistema puede está gobernado por más de una ecuación diferencial lineal se cumple que. Poincaré ganó el premio en 1889 aunque no llegó a resolver totalmente el problema para el caso del sistema solar. Es decir conocidas las autofunciones se tiene resuelto el problema. Para el estudio de trayectorias complicadas inventó el “mapadePoi nc aré ”que consiste en un plano sobre el cual la trayectoria del sistema marca un punto cuando lo atraviesa. estos son los at ract or esextraños . Incluso para una misma solución no se sabrá.

Jugando a los dados. Para los sistemas semiestadísticos el problema es muy complicado y cada caso requiere un estudio particular. la distribución de velocidades de las partículas de un gas a temperatura ambiente. la distribución de errores de una medición. Ejemplos típicos son el s istema pl ane tario. Una pequeña perturbación en el valor de A: A± δA tendrá un valor asociado B´.l asr eac c ione squí mi c as(en general). por ejemplo: el valor promedio de los observables y la desviación estándar. Obsérvese que como señalamos al principio la s egundal eytiene una base esencialmente pr obabi lí stic a. Los procesos azarosos abiertos tienen un grado menor de determinismo y son de un tratamiento aún más difícil. Tomo 57 No 1 (2005). Investigación y Ciencia.re glasy/ o pr i ncipios. p40. 36 . la evaluación de la variable χ 2 . En ciencia el de ter mi nismo se manifiesta como e c uac i onesc ons ti tutivas. La condición determinista no dice nada sobre este aspecto. las tasas de fallas de equipos electromecánicos. La irre versibi li da dy la probabi lidadson conceptos que confluyen en el s e gundopr inc ipio. que podrá diferir poco o mucho del anterior o tener poco que ver con él. e cuac i one sdi fe renc i aleso a di fere nciasf init as . Corresponden a la t e rmodi námi cadenoe qui li brio. En las ecuaciones di ferencialesl i ne alesel valor asociado B´ difiere poco del anterior B: B′= B± δB y permiten utilizar aproximaciones con pe queñas pertur bac ione s. El proceso azaroso definido en (9) corresponde a un sistema cerrado. para un sistema determinístico rige la condición (7): dado A existe un B asociado y sólo un B. Investigación y Ciencia. Inmediatamente surge la pregunta: ¿Es pos iblede f i ni runa“me di da”de lgr adodeal eatori e daddeunpr oceso?Algo como 10 un reloj de este tipo : EXPONENTEDELYAPUNOV En la introducción establecimos que. etc.e lj ue go debi l lar .Estamos muy acostumbrados a tratar con s istemas í xe li lí stic as: la ruleta. típico de los s istemast ermodi námi cosdee quili brio. Para asegurar que la información relacionada con un sistema es puramente estadística suelen usarse e sti mador e s.elpé nduloc on pe que ñas os cil ac i one s. s is temast e rmodi námi cosys u e voluciónme di ant epr oc es osdec uas ie qui l ibr i o. etc. la lotería.las condiciones azarosas expuestas aseguran aún un c i e rtogradodede te rmini smoen el sentido que algún Bi debe suceder. En las ecuaciones no lineales el valor de B´ puede tener poco que ver 10 Dino Otero.

Algunos pueden ser negativos. • Unc onj untof ini todem punt os:Requiere m cubos con ε → 0 . Aunque no es la única forma de “medir” la dimensión de un conjunto de puntos. si es ne gativoel sistema es estable y pequeñas perturbaciones en el valor de A genera pequeñas perturbaciones en el valor de B. DI MENSI ÓNDEHAUSDORFF El matemático Haus dor f fintrodujo un criterio de dimensión para un conjunto de puntos. Por ejemplo. Una superficie. di me nsiónt res.       ln N(ε)    ln(m)   DC = l ím  = l ím   ln1    ln   1     ε   ε→ 0   ε  ε→ 0 37 . Cuando la solución se aparta de valor previo con un comportamiento λ (δA) t δB≥ e entonces se dice que el sistema es particularmente sensible a las condiciones iniciales y su comportamiento es caótico. dime nsi ón uno. La capacidad se define como:    ln N(ε)   DC = l ím   ln 1    ε    ε→ 0 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 ε → 0 . Un volumen. otros nulos y otros positivos. Se pueden evaluar tantos exponentes de Liapunov como gr adosdel ibertad posea el sistema. entonces. Los valores de A y B corresponden a los valores que pueden tomar las variables dinámicas del espacio de fases del sistema.con el previo B y por ello pueden ser c aót icas. Más práctica aún es la definición de “capac i dad” de un conjunto de puntos que para los casos de interés tiene un resultado equivalente al de la dimensión de Hausdorff. suele ser una de la más usada. Una línea. En muchos casos es posible evaluar el exponente ?. denominado exponente de Lyapunov. Estas definiciones coinciden con el concepto usual que tenemos por ejemplo para: Un punto o conjunto de puntos aislados. La distribuc ióndepos ibl esval or esdeB pue denos erc ongr ue nt ec onunavar iable aleator ia aunque e le xpone ntes ea pos i tivo. di me nsiónc ero. si es nulo existe la posibilidad de una bifurc ación(el sistema puede ir a dos lugares muy distintos del espacio de fases). Sin embargo estos exponentes son sólo una cota del comportamiento de la solución. di me nsióndos .Se requiere una investigación más profunda del comportamiento de la solución. Si es positivoel comportamiento es c aóti c o(el sistema puede ir a cualquier lugar en una región grande del espacio de fases).

la longitud del lado del “cubo” di smi nuyecomo 1/3n en tanto que el número requerido para cubrir lo que queda del segmento inicial c r ececomo N(e) = 2n . ln(mL) ln( 1 )   ε  → 1 DC = l ím +   1 1 ε  ln( ) ln( )  ε ε→ 0 CONJUNTO O POLVODECANTOR: Este es un conjunto menos trivial.. que coincide con la definición matemática usual para un conjunto de puntos aislados. A medida que elimino las zonas según la regla establecida. 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...y como ln(1/ ε ) es divergente para ε → 0 . 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)... entonces. • Unc onj unt odem l íne asdel ongi tudl :    mL   ln  ln N(ε)    ε   DC = l ím  =l ím   ln1    1   ln     ε   ε→ 0   ε   ε→ 0 pues se necesitan L/ ε cubos para cubrir cada línea de longitud L. se tiene que DC → 0.6309297. ln 3 ln 3 38 . En el límite de n ? 8 el cubo tiende a cero y ln 2 n ln 2 DC → l ími te n= = 0.

La determinación de la dimensión de Hausdorff permite establecer cuando una órbita cubre densamente una cierta región del espacio. 39 . Este límite está entre cero y uno y es lo que se denomina dime nsiónf ractal . El “pol vo”deCant ornol legaas erunal íneape rot ieneunadi me nsións uperioraun conj untof i nitodepunt os. 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. Si además para dicha región los exponentes de Liapunov son positivos entonces los puntos del plano de Poincaré quedarán di stri bui dosalaz ar.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. los puntos tendrán una distribuc iónc aóticapero podrá haber regiones más densas que otras y la distribución nos erác ompl etame nt ealaz ar.

El concepto de f ractali dades especialmente útil para entender y catalogar e st ruc t urasc ompl ejas. 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. retomaremos ahora esta idea con un aspecto práctico. Las dimensiones se mantenían hasta hace pocos años tranquilas en números enteros: cero (punto). uno (línea). Respecto de las dimensiones Mande brotpuso el tema de moda entre los 70 y 80 del siglo pasado. Finalmente al observar una estrella muy lejana a la cual no se le puede detectar el diámetro. ¿no lo son también aproximaciones los conceptos de punto. tendremos unpunt o. tres (volumen). superficie y volumen? Una línea en un cuaderno se convierte en un conglomerado de partículas acomodadas según una cierta tendencia. Una e strell atiene di me nsión3cuando se estudia su estructura cercanamente como es el caso del Sol observado mediante un telescopio. Al comienzo realizamos una serie de presentaciones de fotos naturales donde asegurábamos que la fractalidad estaba presente. línea. Sin embargo observado en el cielo no pasa de un di sco. El estudio de los espacios físicos tiene dos conceptos importantes: la dimensión y la métrica. 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. Cuando analicemos en detalle el concepto de fractal. es decir una supe rfi cie . El uso de métricas diferentes de la euclídea sólo requiere de un buen conocimiento del cálculo tensorial. Personalmente me gusta llamar di me nsiones compac tasa las di me nsione se nter asy f r ac tal e salr esto. veremos que se trata de una aproximación matemática del objeto físico en estudio pero. En el caso de los fractales también la escala en la cual se observen será fundamental para que sus propiedades estén bien definidas. dos (superficie).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. Supongamos que estamos frente a un árbol de hojas caducas en pleno invierno: 40 . cuatro (espacio-temporal).

Miradas las figuras compactas con un microscopio también observamos los “ladrillos” elementales. por ejemplo en el caso del árbol una ramita aislada será el límite inferior. En la siguiente foto se observan varias estructuras naturales con dimensión fractal: 41 . su peso. Es así que medir el volumen sería una ímproba tarea que demandaría arrancar el árbol y sumergirlo en un tanque de agua. La altura y el ancho son poco representativos. Todas estas propiedades están relacionadas con dimensiones compactas que no son las más apropiadas para caracterizar a un árbol de este tipo.Veamos otros ejemplos. Pero también para las dimensiones compactas tenemos ese problema. la longitud total. etc. su altura el diámetro medio. Aquí lo ideal es caracterizarlo con la dime ns i ónf rac tal. invariablemente de dimensión compacta.variasr amasos ólounar ama. La longitud es una tarea prácticamente imposible y con muchas fuentes de error. Ladi me nsi ónf r actalti enel apr opi edaddes eri nvar iant eal c ambi ar l a “ampl ific ac ión de l a ve ntana”. superficies o volúmenes infinitos. Por supuesto que. Por lo tanto estos ladrillos marcarán indefectiblemente el límite inferior. No existen líneas.y deseamos caracterizarlo de algún modo. como vimos en el caso de las dimensiones compactas. existirá un l í mi tes upe rior(generalmente impuesto o por la ventana de observación o por el tamaño de la estructura) y unl ímit ei nf e r i or(los “ladrillos” con que están edificadas las estructuras fractales son. Podríamos elegir: el volumen que ocupa.En pr inc ipios et e ndrál a mi sma di me ns iónyas e aques etomet odoe lár bol. En cada estructura resulta muy interesante descubrir cuál es la causa por la cual el sistema pasa de una e struc tura c ompac ta(los “ladrillos”) a una es truc tur afractal.

2000. • Veamos ejemplos construidos geométricamente: 11 Benoît Mandelbrot. En el cielo las nubes. al fondo las montañas en el prado diversos tipos de árboles y arbustos. Ya hemos visto la definición matemática de Hausdorff. Otro ejemplo que se da frecuentemente son las costas. el problema del caos está siempre presente y se hace necesario aproximar su influencia mediante tratamientos estadísticos. Todos ellos tienen en común la autosimilaridad. Costa de Gran Bretaña11 vista desde el satélite magnificada de izquierda a derecha Costa de Chile desde el satélite magnificada de izquierda a derecha. 42 . En sistemas reales. LaGe ome trí aFr act aldel aNat ural eza. En general esa definición tiene buena aplicación en fractales generados por reglas discretas no caóticas. En el caso de los fractales suele agregarse a reglas discretas y determinísticas el ingrediente aleatorio. Tusquets. Establecer la longitud de una costa es virtualmente imposible. cambio si se puede determinar la dimensión fractal.

también tiene un lejano parecido con la estructura de una costa. Esta curva de Koch que es similar a un cristal de nieve tiene dimensión DH = log4/log3. Tenemos aquí un ejemplo de estructura geométrica tridimensional: 43 .

Fractals. una estructura dendr í ti c aque. Entre los vidrios portaobjetos se introduce una solución 0. “From a Compact to a Rugged Border in Ramified Copper Electrodeposits”. 44 . por depósito electrolítico.CRECI MIENTO ELECTROLÍ TICO FRACTAL12 Veamos ahora un e jemploexperi me ntalmuy simple de crecimi entofractal. observada al microscopio óptico se presenta con di me nsiónf rac tal : Comienzo del crecimiento Al llegar al otro electrodo 12 D. Marshall. S. Se trata de un c re ci mi ent oe l e ct rol ít icogenerado 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 5y10Vol t s). 5mol ardes ulfatodec obr e. Tagtachian. En pocos segundos comienza a crecer. Otero. vol 4 nro 1 (1996) p7-16. G.

Ahora a la izquierda tenemos una foto de microscopio electrónico de 3500x donde los bastones se ven como largas agujas clavadas en conglomerados informes. Ahora las imágenes superiores son tomadas con lupa. A la izquierda con 12500x y la de la derecha 25000x. 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. Estas otras son tomadas con un mi c ros copioe lec t róni c o. en cambio la inferior izquierda es de microcopio en pleno crecimiento con 400x. 45 . En cambio la derecha es tomada con microscopio y 1000x pero detenido el crecimiento. Pueden observarse unos largos bastones de 1ó2nm de diámetro mezclados con un conglomerado de partículas.

Lo que se observe es en consecuencia el montón de “ladrillos” fundamentales con que estaba construida la estructura. generándose un fuerte “barrido” del líquido sobre la estructura. 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. Para aclarar más la composición de estos ladrillos se realizó un estudio mediante difracción de rayos X de Brag: 46 .

Agregando agua oxigenada (pe róxidodehi dróge no) se observó un bloque opr ogr e sivodel crecimiento a medida que crecía la concentración de agua oxigenada. donde se muestra el crecimiento cristalino en dirección del campo eléctrico y las ramificaciones generadas por el bloqueo: 47 . De estos análisis se concluyó que muy probablemente la aparición de óxido bl oque ee lc rec imient oc ompac tode los cristales de cobre i nduc iendounae structur af rac tal . Algo así como lo que muestra la siguiente figura. Se observa la presencia de Cu2O y cobre puro.

etc. 48 . El borde de dichos recintos puede ser un factor muy importante para el metabolismo de sistemas biológicos. La caracterización de un objeto se dificulta según se vaya complicando su estructura. Entonces e representará una fracción de L que debe tender a cero para evaluar DC. la complejidad amerita realizar un estudio restringido a los sistemas bidimensionales. 1979. Por simplicidad comenzaremos estudiando recintos en e spac ios bi dime nsional es. Cuando operamos con imágenes digitales el tamaño un í xel . Modelización aplicada a la Ingeniería.L109-117. 13 MÉTODO NUMÉRI CO . Vol II. Claudio Bollini. Ya vimos que la dimensión de Hausdorff tiene una expresión heurística denominada capacidad que se expresa por:    ln N(ε)   DC = l ím   ln 1     ε   → ε 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 ε ≈ 0 . 14 Forrest. Journal of Physics A: Math. 13 Dino Otero. T. S. 12. 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. Laúni cafor made queεt ienda a c eroe saume ntando e lnúme ro n depí xe lesquec ontieneL. R. como se muestra en la figura.DETERMI NACIÓN DE LA DI MENSI ÓN FRACTAL. 2007. caracterización geográfica de fronteras y costas. La dimensión geométrica estará comprendida entre el val orunoye lvalordos . Uno de los casos de interés más simples lo constituyen los recintos simplemente conexos. bordes de corrosión. p320. And General. “Long-range correlations in smoke particle aggregates”. “Modelizaciones geométricas digitales: Aspectos no euclídeos”. procesos físicos complejos de absorción.. 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. y Witten Jr. Dimensión UNO Dimensión DOS aunque el método es posible extenderlo a objetos tridimensionales.A. El método tiene alguna similitud con el desarrollado por Forrest y Witten14.

Automáticamente queda fijada una simetría que se superpone a la forma de la figura procesada.considerando que la figura fractal mantiene autosimilaridad aunque se mínimo de ε está determinado por aumente el número de píxeles que la definen. el error es de 29%.) e incluso para figuras de estructuras más complejas se esperaría que esta representación fuera la mejor indicada. Si la simetría y la orientación de la figura son rectangulares según los ejes del teselado no hay distorsión. En ese sentido se han propuesto def ini cione sc onst r uct ivasde la dimensión fractal. Si la inclinación de una línea es de 45 grados la distorsión es máxima. Aquí presentamos un mé todo r obust o para determinar la dimensión. DI FICULTADESDELAREPRESENTACI ÓNBI NARI A Entenderemos por simulación binaria la que sólo utiliza píxeles blancos o negros. Un triángulo rectángulo con los catetos iguales tiene. Pero confluyen aquí dos problemas. 49 . sin tonos intermedios. Un punto será un píxel negro y una recta una sucesión de píxeles negros uno contiguo al otro. La geometría deja de ser euclídea. En realidad para objetos geométricos ideales (puntos. 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. y ya no se cumple el teorema de Pitágoras. Tendremos entonces que. Se viola aquí un concepto importante de la geometría euclídea: la c ontinui daddel a recta. Como veremos en algunos ejemplos este criterio resulta fundamental para caracterizar adecuadamente la recinto. ε = L/n = 1 pixel Sin embargo en los casos prácticos no es tan simple obtener el resultado aplicando la definición. círculos. cuadrados. El segundo problema insalvable se origina en el t eselado de l a mat ri z . 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. etc. Normalmente los sistemas de adquisición o procesamiento de imágenes distribuyen los píxeles con un teselado estrictamente rectangular. los tres lados iguales en número de píxeles. rectas.

por ejemplo el scanner. Supondremos que. El error en el perímetro de la circunferencia (constante. tenemos una imagen determinada por un conjunto de píxeles dispuestos según una simetría cartesiana. Los sistemas actuales de adquisición de imágenes convierten automáticamente una imagen analógica en una imagen digital. a los efectos prácticos. Para corregir este error se desarrolló un código que evalúa la corrección localmente mientras se recorre la figura. muy poco error. independiente del número de píxeles) es del orden del 10%. El código recorrerá el recinto 50 . el error al evaluar un área se limita justamente al contorno que es de una dimensión menor que la superficie. El área evaluada contando el número de píxeles encerrados dentro de un contorno tiene. sin embargo. No se obtiene mejora aumentando el número de píxeles. Efectivamente. 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). es decir la típica imagen construida por una computadora. Una circunferencia tiene el mismo perímetro que un cuadrado inscripto en ella.

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 unpí xe lt ienedi me nsi ón“c e ro”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.

51

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 c i
rcunf erenc iat razada e ne lpi zar rón es un c onjunt o de
mi croc ris t
alese nl oss ist
emasmonoc líni
cosyor torrómbi cosdeme tas
ili
catoác ido
demagne s
io,H2Mg3( SiO3)4,f uerteme nteloc ali
zadosyc onunas ime trí
apol ar.
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 n1 y n2. Aplicando la definición tenemos que debe
cumplirse y la relación respecto de un íxel,

 

ln N(ε)  ln N1 ln N2
DC = l
ím = =
 ln  L  ln n ln n2
  1

 ε   

L
1, 2 =
n 1, 2

ε
donde n1,2 son los lados de los cuadrados medidos en píxeles y N1,2 son el número de
píxeles de la figura que caen dentro de cada cuadrado. Reordenando,

ln N1 ln n
= 1
ln N2 ln n2

restando la unidad,

ln N1 − ln N2 ln n
1 − ln n
= 2
ln N2 ln n 2

que puede ponerse como,

N1 ln N2 n
ln = ln 1
N2 ln n2 n 2

entonces,
ln N2
≈ DC
ln n
2

N1 n
ln = DC ln 1
N2 n2

52

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: {nj}. 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) defineuna
rectaen función de la diferentes relaciones ln(nj’) /ln(nj) con or
denadaalor
ige
nnul a.

Las desviaciones respecto de la autosimilaridad, y las deformaciones de la figura
generada por la partición en píxeles dará valores fluctuantes de Dc, 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 + ∆n
ln N1 (n 1 ) − ln N1 (n
1) 1 + ∆n
ln(n 1 ) − ln n
= 1
ln N1 (n1) ln n1

53

ln N1
nuevamente podemos usar que ≈ DC
ln n1

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,

d[ln N1 (n
1 )] dln n
= DC 1
dn1 dn1

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

L
DC ln  = ln N(ε)
ε 

Integrando con Dc =cte, se obtiene nuevamente,

ln N1
≈ DC
ln n
1
Para un objeto no pixelado tendremos,

Dc
dln


N(ε) 
ε L
 = dln ε ()Τϕ ΕΤ Θ θ 337.56 145.1698 4.08 28.08
ε
d dε

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

54

ε→ 0  =  dln L   −L 2    ε  ε       dε       1 55 =lí mL→ ε.    dln N(ε)     d ε  DC = l ím  =1  L  dln    ε      d ε  Para cualquier punto intermedio siempre tenemos otro punto tan cercano como se quiera y ningún punto puede ser individualizado.frontera en la ligadura de objetos compactos: la gota de agua (tensión superficial) y el núcleo (término de superficie en la fórmula de masas).ε→ 0 =1 L +1 2 ε . Vamos ahora al extremo de la semirrecta. Primero consideraremos una región interna que no contiene el extremo. 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.ε→ 0  = l ímL→ ε. su valor puede ser bien definido asignándoles cualquier número real. En cambio evaluando el resultado en un extremo. Aplicando la definición formal de H-B tenemos: ln N(ε) ln L D= = ε =1 ln L ln L ε ε→ 0 ε ε→ 0 También se podría resolver por L´hospital con un resultado idéntico (y trivial).    dln N(ε)     d ε  DC = l ím   dln L     ε      d ε  L → ε y ε→ 0 En todo punto intermedio tenemos. Sobre la base de dicha identificación se propone que la evaluación de la dimensión quede definida por (L´hospital) . el punto del extremo es el único que puede ser individualizado y numerado:  L  − L 2   dlnε +1  ε     L     ε +1   DC = l d ε ímL→ ε. Cuando me acerco al punto que corresponde al extremo.

N1 n ln = DC ln 1 N2 n2 El límite lo obtendremos tomando cajas que difieran en un píxel y tendiendo el número de píxeles a infinito. 56 . Las cajas se localizarán como indica la figura. El resultado es el valor promedio entre ambas dimensiones.Donde L/ ε está asociada a la dimensión uno de la semirrecta y “1” a la dimensión cero del punto del extremo. de tal forma que la menor contiene una recta y la mayor detecta la falta de un píxel. Veamos ahora el cálculo utilizando las cajas del método propuesto originalmente.

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   n   ln 1   ln n− 1   1 − n DC = l ím =l ím = n+ 2  ln  ln 2  1 +   n    n    1   ln  1− 1  = lí m n ≈ 1 2   ln(1 + n)  2     n→ ∞ Veamos el comportamiento a medida que el punto medio se acerca al borde. Al correrse un íxel hacia el borde tenemos:  n− 1  ln n− 2  ln(1 + 1 ) 1 DC = l ím ≈l ím n≈ n+ 2  ln  ln(1 + 2 ) 2 n  n  n→ ∞ 57 .

la dimensión pasa de uno a 0. va desapareciendo un íxel de cada caja a medida que se desplazan. la discontinuidad disminuye. Si la diferencia entre las dos cajas en mayor que un íxel. 58 . Este resultado pone de manifiesto que la dimensión semientera sólo se manifiesta exactamente sobre el borde de la recta. en el cual n ≠ ∞ . Entonces para justo ese límite tenemos. es decir cuando ya no podemos corrernos más píxeles (ver figura).5 y luego gradualmente vuelve a uno.  n +1  ln 2   n   2  ≈1 DC = l ím   ln n+ 2   n      Que también se obtiene cuando comenzamos a agregar píxeles:  n +2  ln 2   n +1   2  DC = l ím ≈1  ln n+ 2   n      En el caso real. Es decir en el borde de la semirrecta se produce una discontinuidad que luego restituye suavemente el valor original.  n− 2  ln n− 3  ln(1 + 1 ) 1 DC = l ím ≈l ím n≈ n+ 2  ln(1 + ) 2 2 ln  n  n  n→ ∞ etc. Si se evalúa el límite desde el extremo opuesto.

Para obtener este resultado mediante la definición donde se pone de manifiesto la derivación. 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.  dln N(ε)     dε  DC = l ím  L  dln( ε)    dε  ε→ 0 Se deberá asumir que se tienen dos objetos con dimensión uno (las dos semirrectas) y uno con dimensión cero (el punto).  dln N(ε)   dln(2 L + 1)     ε   dε   d ε  2 DC = l ím  =l ím  = L L  dln( ε)   dln( ε)  3   dε  L→ ε. 59 . Localizando las cajas como se muestra en la figura 5 se obtiene.ε→ 0 Un paso más será evaluar la dimensión en el límite que tres semirrectas forma ortogonalmente una T. 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. DC= ¾.ε→ 0   d ε  L→ ε. 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.

si la simetría de la figura no es acorde con la simetría del teselado la discrepancia es muy importante. No cualquier figura permite acercarse a límite adecuadamente y lo que es más grave. la extrapolación a figuras más complejas no es inmediata por varias razones. Sin embargo. Este problema se pone muy de manifiesto para ángulos no rectángulos. 60 .

RESULTADOS15 RECTAHORI ZONTAL TRI ÁNGULO 15 Está disponible un versión comercial del soft. 61 .

CUADRADO SUPERFI CIECUADRADA Veamos ahora como se genera la estructura fractal desde una estructura con dimensión entera. 62 . que tiene dimensión casi uno se llega al diagrama de Koch con dimensión DH = 1.2618. En el primer caso desde el triángulo.

06±0.39x10 • NroPixel s=511 NroPixel s=781 63 . KOCH En este y los casos que siguen se utiliza la siguiente nomenclatura: D. • KOCH • PASO1 PASO 2 • D=1. S. 11 D=1.08±0. dimensión. entropía. 11 - 3 - 3 • S=2.82x10 S=1.

148 S=1.173±0.PASO 3 D=1.88x10-3 NroPixel s=930 64 .

PASO 4 PASO 5 D=1.83x10- 3 NroPixel s=1457 NroPixel s=1771 65 .27±0.10 S=1.12 D=1.27±0.89x10- 3 S=0.

PASO 6 D=1.71x10- 3 NroPixel s=1880 66 .09 S=0.28±0.

67 . En particular la contribución que cambia la dimensión aparece en los borde donde un quiebre limita una línea o una superficie.2618 ln 3 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.Di mens iónt eór icadeKoc h ln 4 DH = = 1.

585. ln 2 PASO 3 68 .93±0. 08 DH =1.10 • S=7. SI ERPI NSKI PASO 1 PASO 2 • DH =1.42x10- 5 • Nr ops=125653 Nr ops=94727 ln 3 DH = = 1..97±0...5x10- 6 S=1.

12 • S=2.87±0. ln 2 69 ..1x10- 5 • Nr ops=71783 ln 3 DH = = 1..• DH =1.585..

60±0.• PASO4 PASO 5 • DH =1.81x10- 5 S=3.11 DH=1.58x10- 5 • Nrops=125653 Nrops=43415 70 .13 • S=2.76±0.

71 .

PASO 6 DH=1.14 S=4.82x10- 5 Nrops=35716 PASO 7 PASO 8 72 . 56±.

73 .

. 858x10- 5 • Nr opi xel s=31404 Nr opixel s=29871 ln 3 DH = = 1.585±0.585.574±0. ln 2 74 .• DH =1.098 • S=4.684x10- 5 S=4.111 DH=1...

75 . primero un diagrama Koch junto con una línea recta y luego un diagrama Koch con un rectángulo lleno. 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.

76 .

77 .

incluso un ángulo no necesariamente recto. La dimensión estará comprendida entre cero (un conjunto aislado de puntos) hasta dos una superficie compacta. las zonas autosimilares. como en el juego de los 10 errores.REPASANDO I MÁGENES 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.18 y DHB = 1. 78 . La fractalidad puede darse tanto en contorno como en superficie. Determinando los contornos se obtienen las siguientes figuras: Procesándolas con el algoritmo propuesto se obtienen los siguientes resultados. Como vimos pueden estar giradas. DHA = 1. Los contornos montañosos se acercan a la dimensión uno y las formaciones geológicas requieren una evaluación tridimensional pues tendrán una dimensión entre 2 y 3.24 ± 0.28 ± 20 Dejamos para el lector jugar con el resto de las imágenes para encontrar. Queda como ejercicio para el lector imaginar la dimensión de la costa del lago de las Vegas. Los rayos por ejemplo están cerca de la dimensión uno en cambio las caídas de agua están más cerca de la dimensión dos.