Topicos Mat UNA2

Universidad Nacional Abierta
UNIVERSIDAD NACIONAL ABIERTA
TPICOS
DE
MATEMTICA
SELECCIN DE LECTURAS
Slo para uso instruccional
Sin valor comercial
EDUCACIN
Mencin: Matemtica
1
UNIVERSIDAD NACIONAL ABIERTA

rea de Educacin Mencin Matemtica
TPICOS
DE
MATEMTICA
CDIGO 575
SELECCIN DE LECTURAS
Compilador
Profesor Arocha Mara
Noviembre 2 005
2
INDICE
Introduccin 4.
LECTURA 1. Matemtica Discreta. Talleres divulgativos matemticas en accin. 6
LECTURA 2. La Historia de la Matemtica y de la ciencia como estrategia en la didc- 24

tica de resolucin de problemas..
LECTURA 3. Recopilacin de problemas histricos. 34
LECTURA 4. Ensear probabilidad en primaria y secundaria? Para qu y por qu?.... 41
LECTURA 5. Nociones Bsicas. Grafos (redes y circuitos)... 60
LECTURA 6. Matrices.... 76
LECTURA 7. La matemtica de todos los das. Problemas de optimizacin.. 80
LECTURA 8. Sistemas ponderados de votacin 105
LECTURA 9. Biologa y transformaciones afines 110
LECTURA 10. Fractales: formas de la naturaleza?................................................ 113
LECTURA 11. Resumen del curso de Introduccin a la Geometra Fractal 120
LECTURA 12. La lgica 174
LECTURA 13. La prediccin y la teora del caos 188
LECTURA 14. Borrosidad y educacin. 195
LECTURA 15. Diagrama de Voronoy... 206
3
INTRODUCCION
Nuestro sistema educativo, debe tener por finalidad, adems de ser imprescindi-
ble que ste se adapte a los cambios que se van generando con los avances tericos y
con las aplicaciones cientficas y tecnolgicas, garantizando con esto la transmisin y
supervivencia del conocimiento.
Por tal motivo, esta seleccin de lectura tiene la finalidad de permitir a nuestros
futuros docentes conocer contenidos en accin para llevar al aula. Es decir, los avances
tecnologicos como cientificos hacen necesario objetos discretos y procesos finitos. Esto
establece que se ponga de manifiesto temas como grafos, matrices, problemas de op-
timizacin, fractales, procesos iterativos, caos, ecuaciones en diferencias, entre otros.
Dichos contenidos se suelen agrupar con el trmino de matemtica discreta.
Esta asignatura se origina con la finalidad de ofrecerle al futuro docente de la

carrera de Educacin Mencin Matemtica una serie de nuevos conceptos y formas de
pensamientos que le permitan:
Situar la planificacin de la instruccin dentro del contexto del procesos curricu-
lar .
Seleccionar y aplicar estrategias de enseanza y procedimientos de evaluacin,
acordes con su rea de especializacin.
Ser capaz de disear programa de instruccin y materiales necesarios para lle-
varlo a cabo dentro del aula.
Que articule estos contenidos con otras reas como son: biologa, qumica, in-
geniera, informtica, sociologa, economa, etc.
Con este curso el docente podr concretar aspectos estudiados en otras mate-
rias en su vinculacin con temas especficos de la matemtica y que le dan sentido al
Currculo Matemtico, a la Evaluacin Matemtica y a los Materiales Instruccionales
diseados con fines especficos.
Este curso contribuir a definir el quehacer cotidiano del docente en su actividad

de aula, marcar las pautas fundamentales de su actividad profesional.
4
No se puede abordar en una asignatura, o carrera de enseanza de todos los

conocimientos, destrezas y habilidades que deseamos tenga un docente. El presente es
un esfuerzo que pretende suministrar conocimientos y experiencias que le sirva como
futuro docente en el aula.
5
LECTURA 1
Matemtica Discreta
Talleres divulgativos
matemticas en accin
24 Noviembre 2004
Francisco Santos
Qu es la Matemtica Discreta?
En matemticas, discreto es lo contrario de continuo.
continuo discreto
Matemtica discreta es casi sinnimo de combinatoria, aunque lo primero es

ms amplio que lo segundo.
La matemtica discreta trata de nmeros enteros, conjuntos finitos, objetos

geomtricos discretos (poliedros, complejos simpliciales,)
La matemtica discreta engloba:

- combinatoria (el arte de contar)
- geometra discreta (poliedros, etc)
- teora de grafos
- lgebra discreta (grupos y cuerpos finitos, cdigos algebraicos,)
- etc
En esta charla nos fijamos en cuatro ejemplos:

(1) particiones de un nmero.
(2) grafos Eulerianos y Hamiltonianos.
(3) empaquetando esferas que se besan.
(4) poliedros regulares.
6
Es una disciplina nueva?

Desde luego que no. Veremos varios ejemplos de Teoremas de Matemtica Dis-
creta descubiertos por Leonard Euler (1707-1783). Antes de Euler cabe citar a Jakob
Bernoulli, Abraham de Moivre, Blaise Pascal.
pero la Matemtica Discreta ha vivido un renacer (revolucin?) en el siglo

XX, por dos razones:
- ha pasado de ser una mera coleccin de problemas sueltos y trucos de re-
solucin a tener una estructura definida y bien fundamentada (por ejemplo,
con los trabajos de G.C. Rota en los 1960s.
- la Matemtica Discreta es la parte de las matemticas ms cercana a los or-
denadores, y tiene una relacin bidireccional con ellos: los ordenadores
son discretos.
the recent development of combinatorics is somewhat of a cin-

derella story: It used to be looked down on by mainstream math-
ematicians as being somehow less respectable than other areas, in
spite of many services rendered to both pure and applied mathemat-
ics. Then along came the prince of computer science with its many
mathematical problems and needs --- and it was combinatorics that
best fitted the glass slipper held out.
A. Bjrner, R. P. Stanley, 1999
El desarrollo reciente de la combinatoria es en cierto modo la histo-

ria de la cenicienta: los matemticos ortodoxos la miraban por enci-
ma del hombro, considerndola menos respetable que otras reas a
pesar de sus muchos servicios tanto a la matemtica pura como apli-
cada. Pero entonces lleg el prncipe de la informtica con todos sus
problemas y necesidades matemticas, y la combinatoria fue a quien
mejor le entraba el zapatito de cristal.
7
(1) Particiones de un nmero

Un poco de combinatoria
La combinatoria es el arte de contar o, para ser ms precisos, el arte de decir
cuntos objetos hay en un cierto conjunto, o de cuntas maneras se puede hacer algo,
sin necesidad de contarlo explcitamente.
Por ejemplo, en un curso bsico de combinatoria se aprende que hay 13 983

816 de combinaciones posibles en la lotera primitiva (el nmero combinatorio 49 so-
bre 6)
. y tambin que ese mismo nmero cuenta las posibles maneras de ir desde el
punto (0,0) al punto (43,6) mediante caminos montonos en la retcula de cuadrados
de lado 1.
Particiones de un nmero
Dado un nmero natural n llamamos particiones de n a todas las maneras de
escribir n como suma de nmeros naturales. Por ejemplo:
hay 11 particiones del nmero 6:
1+1+1+1+1+1
2+1+1+1+1 4+1+1
2+2+1+1 4+2
2+2+2 5+1
3+1+1+1 6
3+2+1
3+3
8
Euler, en 1740, demostr el siguiente

Teorema: para todo nmero n, hay tantas particiones de n en partes distintas
como particiones de n en partes impares.
Ejemplo: para n=9:
Distintas: Impares:
9 9
8+1 7+1+1
7+2 5+3+1
6+3 5+1+1+1+1
6+2+1 3+3+3
5+4 3+1+1+1+1+1+1
5+3+1 1+1+1+1+1+1+1+1+1
Demostracin: Para cada n, sea pn el nmero de particiones de n. Llamamos
funcin generatriz de la sucesin (pn) a la funcin:
P(x) = po + p1 x + p2 x2 + p3 x3 + + p4 x4 + .
Se tiene que:
P(x) = (1 + x + x2 + x3 + + x4 +.)
(1 + x2 + x4 + x6 + + x8 +.)
(1 + x3 + x6 + x9 + + x12 +.)
(1 + x4 + x8 + x12 + + x16 +.)
(1 + x5 + x10 + x15 + + x20 +.)

Del mismo modo, la funcin generatriz de las particiones en partes impares es:
I(x) = (1 + x + x2 + x3 + x4 + .)
(1 + x3 + x6 + x9 + x12 + .)
(1 + x5 + x10 + x15 + x20 + .)
(1 + x7 + x14 + x21 + x28 + .)

Y la de las particiones en partes distintas es:
D(x) = (1 + x )(1 + x2)(1 + x3)(1 + x4 )(1 + x5 )
Se trata, por tanto, de ver que I(x) = D(x).

Eso es cierto porque:
9
I ( x ) (1 x x 2 x 3 x 4 ...)(1 x 3 x 6 x 9 x 12 ...)
(1 x 5 x 10 x 15 x 20 ...)( 1 x 7 x 14 x 21 x 28 ...)
1

(1 x )(1 x )(1 x 5 )(1 x 7 )...
3
Y:
D( x ) 1 x x 2 x 3 x 4 ...)(1 x 3 x 6 x 9 x 12 ...)
(1 x )(1 x 2 )(1 x 3 )(1 x 4 )...
(1 x )(1 x 2 )(1 x 3 )(1 x 4 )...
(1 x )(1 x )(1 x )(1 x )...
2 3 4
(1 x 2 )(1 x 4 )(1 x 6 )(1 x 8 )...

(1 x )(1 x 2 )(1 x 3 )(1 x 4 )...
1

(1 x )(1 x )( 1 x 5 )(1 x 7 )...
3
QED
El teorema de Euler sobre particiones, aparte de su inters, ilustra el mtodo de

las funciones generatrices en combinatoria enumerativa.
Es uno de los mtodos ms usados hoy da. El principio bsico es que a veces
es ms fcil manipular la funcin generatriz en global que los trminos de la sucesin
a estudiar, individualizados. (Adems de que, por ejemplo, el anlisis de los ceros de la
funcin generatriz da informacin muy precisa sobre el comportamiento asinttico de
la sucesin a estudiar.
La teora de particiones (de nmeros, de conjuntos, de dimensin dos y supe-

rior) tiene relaciones con, por ejemplo, representacin de grupos de Lie y con mecni-
ca estadstica.
Nota: existen demostraciones posteriores del Teorema de Euler que dan una
correspondencia explcita y biyectiva entre particiones impares y particiones sin re-
peticin. Por ejemplo, la siguiente se debe a Sylvester:
- dada una particin en partes distintas, descompngase cada parte como un
nmero
10
impar multiplicado por una potencia de dos (lo cual se puede hacer de manera nica).
Sustityase cada parte por el factor impar repetido las veces que dice el factor poten-
cia de dos. Por ejemplo:
60=15 x 4 se sustituira por 15+1515+15.
46=23 x 2 se sustituira por 23+23
8=1 x 8 se sustituira por 1+1+1+1+1+1+1+1
- dada una particin en partes impares, considrese un nmero i y sea r la can-

tidad de veces que aparece en la particin. Escrbase r como suma de potencias de dos
distintas (lo cual se puede hacer de manera nica, se trata de escribir r en base dos).
Agrpense las repeticiones de i en los grupos marcados por las potencias de dos que
aparecen.
Por ejemplo:
5+5+5+5+5+5+ se sustituira por 20+10.
1+1+1+1+1+1+1 se sustituira por 4+2+1.
27+27+27+27+27+27 por 108 +54.
Se deja al lector comprobar que estas dos transformaciones se desha-

cen la una a la otra y, por tanto, dan una biseccin entre particiones impares
y particiones sin repeticin.
(2) Grafos
Teora de grafos
Junto con la combinatoria enumerativa es la otra gran pata de la Matemtica
discreta.
Un grafo es un objeto combinatorio formado por un conjunto finito de vrti-

ces, unidos entre s por aristas.
Formalmente, un grafo con vrtices V={1,2,3,,n} no es ms que un conjunto

de parejas de elementos de V.
11
Ejemplo: el grafo completo con cuatro vrtices:
Los puentes de Knigsberg
Knigsberg, en tiempos de Euler Kaliningrado, hoy
En tiempos de Euler se hizo popular en Knigsberg hacer la siguiente pregunta:
Es posible atravesar los siete

puentes de Knigsberg pa-
sando una sola vez por cada
uno de
ellos?
12
Euler reformul la pregunta como un problema de teora de grafos ( y, de paso,

invent el concepto de grafo):
Es posible recorrer entero el
siguiente grafo sin pasar dos
veces por ninguna arista?
Teorema (Euler): Sea G un grafo (finito y conexo).

(a) la suma de las valencias de todos sus vrtices es par. Es decir, hay un n-
mero par de vrtices impares.
(b) Si el nmero de vrtices impares es mayor que dos, el grafo no se puede
recorrer [sin pasar dos veces por ninguna arista].
(c) Si el nmero de vrtices impares es cero, el grafo se puede recorrer. Pode-
mos adems elegir por qu vrtice empezar, y el camino siempre ser cerrado
(termina donde empez).
(d) Si el nmero de vrtices impares es dos, el grafo se puede recorrer, pero el
camino ha de empezar en uno de los dos vrtices impares y terminar en el otro.
A los grafos del apartado (c) se les llama eulerianos En particular, la

respuesta a la pregunta de Knigsberg es negativa
13
Cules de los siguientes grafos se pueden recorrer de manera euleriana?
Grafos Hamiltonianos
W.R. Hamilton (1805-1865) in-
vent (y patent) un juego en el que se
trataba de hacer un recorrido por 20
ciudades del mundo sin pasar por nin-
guna ms de una vez. Las ciudades es-
taban unidas por 30 aristas, formando
el grafo de un icosaedro.
Es decir, se trataba de construir
un camino Hamiltoniano en el grafo
del dodecaedro.
El juego
icosiano
de Hamilton
14
El problema tiene solucin en el dodecaedro, y de hecho en los cinco poliedros

regulares:
Pregunta: dado un grafo cualquiera, cmo es posible decidir si el grafo posee

un camino Hamiltoniano?
Es una pregunta parecida a la de Euler, as que esperaramos una respuesta

parecida.
Respuesta: con mucha dificultad!
Teorema (Garey-Johnson, 1983): decidir si un grafo posee un camino Hamilto-

niano es un problema NP-completo.
Qu significa NP-completo?
- es algo demasiado complejo de explicar en esta charla.
- NP-completo es un problema difcil de resolver pero fcil de comprobar.
- NP-completo implica que casi seguro no existe ningn algoritmo general
para resolver ese problema en tiempo polinmico. De hecho, si usted lo en-
cuentra:
* Con el mismo mtodo podr descifrar las claves criptogrficas ms uti-
lizadas.
* El Instituto Clay (Cambridge, Mass.) le dar un milln de dlares
(P=NP es uno de sus problemas del milenio).
(3) Esferas que se besan

Empaquetamientos (y besos) de esferas
Dos problemas clsicos de geometra combinatoria son:
Empaquetamiento de esferas en dimensin n: en el espacio Eucldeo de dimen-
sin n, cul es la mayor densidad con que pueden colocarse esferas del mismo radio,
sin que se solapen?
15
El nmero de besado de dimensin n: cuntas esferas de dimensin n pue-

den tocar simultneamente a otra esfera del mismo radio, sin que se solapen?
En dimensin dos la solucin es relativamente sencilla: no ms de seis bolas

pueden tocar a una, simultneamente, y el empaquetamiento hexagonal es el ms
denso posible. Lo primero es muy fcil de demostrar. Lo segundo requiere cierto traba-
jo y lo demostr por primera vez A. Thue en 1892.
En Dimensin 3 es posible colocar 12 esferas que toquen a una dada: por

ejemplo, en los vrtices de un icosaedro regular, o en los de un cubo-octaedro regular
(es decir, en los puntos medios de las 12 aristas de un cubo):
Ahora bien, ser posible tambin colocar 13 esferas? Y es posible extender

estas configuraciones ad infinitum?
16
El problema de las 13 esferas

Una de las primeras apariciones del problema es en una discusin entre New-
ton (1643-1727) y David Gregory (1659-1708). Gregory opinaba que es posible co-
locar 13 esferas, y Newton que no. Pero la demostracin formal (de que 13 no es posi-
ble) no lleg hasta final del Siglo XIX (Bender 1874, Hoppe 1874, Gther 1875).
En cuanto al problema de empaquetamiento, Kepler afirmaba que el empa-

quetamiento ms compacto posible el que se sigue del cubo-octaedro (red cbica cen-
trada en las caras). Pero el problema estuvo abierto hasta hace bien poco
La conjetura de Kepler
En el empaquetamiento cbico compacto, de cada esfera
es un dodecaedro rmbico las esferas forman capas de empaque-
tamientos hexagonales
La celda de Voronoi
La conjetura de Kepler. Citas.

Kepler, 1609: de este modo el ensamblaje ser muy prieto, de modo que
ninguna otra disposicin permitir meter ms glbulos en el mismo recipiente.
Hilbert, 1900 (como parte del problema 18 de su famosa lista para los mate-
mticos futuros): Cul es la manera ms densa de colocar en el espacio un nmero
infinito de slidos iguales de una forma dada, e.g., esferas []?
17
C. A. Rogers, 1958: Muchos matemticos creen, y todos los fsicos saben,

que la densidad no puede exceder de pi/raiz(18)=0.74048, pero la mejor cota estable-
cida con propiedad parece ser 0.828,.
J. Milnor, 1974: la situacin es escandalosa, puesto que la respuesta correcta

se conoce desde Gauss. Lo nico que nos falta es una demostracin.
La conjetura de Kepler. Historia

Gauss (1831) demostr que el empaquetamiento cbico centrado en las caras
es el ms denso posible si nos restringimos a empaquetamientos por retculos.
L. Fjes Toth (1953) redujo por primera vez la conjetura de Kepler a un pro-
blema de clculo (encontrar el mnimo de cierta funcin de varias variables), finito
pero complicado.
T. Hales consigui demostrar la conjetura en 1998. Su mtodo simplifica al de

Fjes-Toth pero an as es, si lo suponemos correcto, un tour de force en optimizacin
no lineal (J. Lagarias, 2002). La demostracin de Hales fue escrita en una serie de
seis artculos (con una ingente cantidad de casustica y clculos por ordenador) de los
cuales slo tres han sido publicados a fecha de hoy.
Dimensin 4
En dimensin 4 el empaquetamiento ms compacto concido es el retculo D4
(puntos de coordenadas enteras y con suma par). Cada esfera toca a otras 24 (coloca-
das en los vrtices de una 24-celda).
Korkine y Zorotareff (1973) demostraron que es el mejor empaquetamiento

reticular, pero an no se sabe si es el mejor empaquetamiento en general.
En cuanto al nmero de besado, tan slo hace dos aos se ha conseguido

demostrar que es imposible que 25 esferas toquen a otra del mismo radio, en
dimensin 4. (Oleg Musin, 2002)
18
En dimensiones an mayores:
El empaquetamiento reticular ms denso se conoce en dimensiones 1, 2, 3, 4,
5, 6, 7, 8 y 24.
Los de dimensiones 6, 7, y 8 (retculos E6, E7 y E8)
los demostr Blichfeld en 1938. El de dimensin 24
es el llamado retculo de Leech, conocido desde
los 1950s, pero su optimalidad no se demostr
hasta hace poco (Cohn y Elkies, 2003).
La cota de Cohn-Elkies para empaquetamientos
reticulares, mejora ligeramente a la anterior cota
conocida y es suficiente para concluir que el retculo de Leech es ptimo.
(4) Poliedros regulares

Un poliedro regular de dimensin 3 es un poliedro cuyas caras son todas polgo-
nos regulares iguales e igualmente dispuestos (= el grupo de simetras del polie-
dro contiene al de simetras de cada cara y es transitivo sobre los vrtices).
Un poliedro regular de dimensin n+1 es un poliedro cuyas caras son todas po-
liedros regulares de dimensin n iguales e igualmente dispuestos.
Dimensin 2:
Hay un polgono regular para cada nmero de lados:
Dimensin 3:
Hay slo cinco. Los cinco slidos platnicos:
19
Demostracin de que slo hay estos cinco:

Con tringulos, el nmero de tringulos por vrtice ha de ser tres, cuatro o cin-
co, porque la suma de ngulos alrededor de un vrtice ha de ser menor que 360 (y 60
x 6=360)
Del mismo modo, con cuadrados y pentgonos slo es posible colocar tres alre-
dedor de cada vrtice, porque 90x4 = 360 y 108x4 > 360.
Con hexgonos no es posible colocar ni siquiera tres.
Dimensin 4
Es fcil llevar a cabo la misma clasificacin en dimensin cuatro. La ni-
ca novedad es que no tenemos que pensar en cuntos poliedros de una clase es posi-
ble colocar en cada vrtice sino de qu maneras es posible colocarlos de modo que
alrededor del vrtice se forme un poliedro regular (al que llamaremos figura de vr-
tice del poliedro de dimensin cuatro).
Fijmonos de nuevo en el caso de dimensin tres:
Tipo de caras Figura de vrtice Poliedro resultante

Tringulos Tringulos Tetradedro
Tringulos Cuadrados Octaedro
Tringulos Pentgonos Icosaedro
Cuadrados Tringulos Cubo
Pentgonos Tringulos Dodecaedro
20
En el paso de dimensin tres a cuatro, debe haber compatibilidad entre los

poliedros de dimensin tres P y Q usados como cara y como figura de vrtice. Para que
sea posible hacer la construccin de manera simtrica, las caras de Q han de ser igua-
les a la figura de vrtice de P.
(Por ejemplo, si queremos colocar cubos pegados por un vrtice de manera

completamente simtrica la figura de vrtice ser un poliedro con tringulos por ca-
ras, que son las figuras de vrtice del cubo).
Eso deja, a priori, las 11 posibilidades de la siguiente tabla:

Cara (P) Figura de vrtice (Q)
Tetraedro Tetraedro
Lo nico que nos queda es com-
Tetraedro Octaedro
probar, caso por caso, si hay es-
Tetraedro Icosaedro
pacio suficiente
Cubo Tetraedro
para colocar los poliedros P for-
Cubo Octaedro
mando la figura de vrtice Q.
Cubo Icosaedro
Eso sucede si (y slo si) el ngulo
Dodecaedro Tetraedro
slido en un vrtice de P es menor
Dodecaedro Octaedro
que el ngulo
Dodecaedro Icosaedro
con que cada cara es vista desde
Octaedro Cubo
el centro de Q.
Icosaedro Dodecaedro
Cara (P) Figura de vrtice (Q) Los casos positivos resultan ser los 6 resalta-
Tetraedro Tetraedro dos en negrita.
Tetraedro Octaedro Hay 6 poliedros regulares de dimensin
Tetraedro Icosaedro cuatro.
Cubo Tetraedro Nota: a decir verdad, slo hemos demostra-
Cubo Octaedro do que no puede haber ms que estos seis,
Cubo Icosaedro pero hace falta un argumento ms (o una
Dodecaedro Tetraedro construccin explcita) para demostrar que
Dodecaedro Octaedro estos seis existen. Es decir, que la regla lo-
Dodecaedro Icosaedro cal para construirlos se puede propagar y no
Octaedro Cubo da lugar a malas intersecciones entre caras.
Icosaedro Dodecaedro Adems, la construccin no nos dice cuntas
caras tendr el poliedro final, del mismo mo-
do que a priori no podemos saber que colo-
cando cinco tringulos por vrtice en dimen-
sin tres vamos a obtener un poliedro de 20
caras.
Por ejemplo, si queremos que las caras de nuestro poliedro regular sean cu-
bos, debemos empezar colocando cubos alrededor de un vrtice de modo que (local-
mente, alrededor del vrtice) se forme uno de los tres poliedros regulares cuyas caras
son tringulos.
21
Es fcil hacerlo con cuatro cubos (formando un tetraedro) e imposible ha-

cerlo con 20 (formando un icosaedro). Si lo intentamos hacer con ocho (octaedro) re-
sulta algo anlogo al caso de seis tringulos en el plano: se pueden colocar, pero resul-
tan pegados unos a otros y no sobra espacio para poder inclinarlos a dimensin
cuatro de manera convexa.
Es decir, el nico poliedro regular de dimensin cuatro cuyas caras son

cubos es el que tiene cuatro caras en cada vrtice: el hipercubo, o 4-cubo (bola
unidad de la norma Linf).
El 4-cubo (diagrama de Schlegel):
Del mismo modo:

Si las caras son tetraedros, se pueden disponer formando tanto tetraedros,
como octaedros y como icosaedros alrededor de cada vrtice. Los poliedros resultantes
son:
- El smplice (de dimensin cuatro), que tiene cinco vrtices, 10 aristas, 10
tringulos, y 5 tetraedros.
- El politopo cruzado (dual del hipercubo y bola unidad de la norma L1) que
tiene 8 vrtices, 24 aristas, 32 tringulos y 16 tetraeedros como caras.
- La 600-celda, que tiene 120 vrtices, 720 aristas, 1200 tringulos y 600 te-
traedros.
Si las caras son dodecaedros, slo es posible colocar cuatro alrededor de cada
vrtice, formando (localmente) un tetraedro. El poliedro resultante en dimensin 4 es
la 120-celda que tiene 600 vrtices, 1200 aristas, 720 pentgonos y 120 dodecae-
dros.
Si las caras son octaedros, la disposicin local debe ser la de un 3-poliedro con
caras cuadradas, es decir un cubo.
Se comprueba que s es posible hacerla. El 4-poliedro resultante en dimensin 4

es la 24-celda que tiene 24 vrtices, 96 aristas, 96 tringulos y 24 octaedros.
22
Es un poliedro autodual y es la base para resolver el problema de empaque-

tamiento y el de besado en dimensin 4. Sus vrtices son los de un cubo y un politopo
cruzado con el mismo circuncentro. Es, en cierto modo, el anlogo 4-dimensional del
dodecaedro rmbico (excepto que ste no es regular).
Por ltimo, con caras icosadricas es imposible construir un 4-poliedro regu-

lar. Hara falta poder colocar 20 en cada vrtice (formando un dodecaedro localmente)
y no es posible hacerlo.
En resumen: los seis poliedros regulares de dimensin cuatro son:

- El smplice y la 24-celda, que son autoduales.
- El hipercubo y su dual, el politopo cruzado.
- la 120-celda y su dual, la 600-celda.
Y en dimensin mayor? La clasificacin es an ms sencilla. En cualquier di-
mensin n>4 slo hay los tres poliedros regulares triviales: smplice, hipercubo (bola
unidad Linf) y su dual (politopo cruzado, o bola unidad L1)
23
LECTURA 2.
Educacin Universitaria, 1999, No. 2
LA HISTORIA DE LA MATEMTICA Y DE LA
CIENCIA COMO ESTRATEGIA EN LA DIDCTICA
DE RESOLUCIN DE PROBLEMAS.
Israel Mazaro Triana. Lic. en Educacin en la especialidad de Matemtica,
Profesor Asistente del Departamento de Matemtica General de la Facultad de
Mecnica Qumica de la Universidad de Matanzas.
La Historia y la Metodologa de la Matemtica y la Ciencia, desde todos los pun-

tos de vista: acontecimientos histricos, la vida de los hombres de ciencia, metodolo-
ga de la ciencia, epistemologa, filosofa del conocimiento cientfico, etc, puede servir
como instrumento eficaz de trabajo, como una estrategia ms que el docente puede
aplicar. La Historia de la Ciencia aporta datos y reflexiones sobre la naturaleza (mundo
que nos rodea), el alcance y los lmites del conocimiento humano en su forma ms
rigurosa y sistemtica. Por lo que la conjugacin de todos estos factores, la exploracin
en la misma aportar valiosos elementos para que el profesor pueda desempearse
como un facilitador en la construccin del conocimiento sistmico del estudiante.
Los problemas que la naturaleza plantea al ser humano pueden ser abordados
de muy variadas formas o desde pticas muy diversas. La Ciencia contempla la natura-
leza desde una perspectiva que permite establecer leyes, propiedades, modelos, etc.
de la realidad que hagan a esta ms comprensible.
Debido a ello nuestros antepasados intentaron, prcticamente desde el mismo

momento que caminaron erguidos, encontrar las causas de los hechos que observaban
a su alrededor y este proceso de bsqueda estuvo estrechamente relacionado con la
resolucin de problemas de las ms diversas ndoles que el hombre ha tenido que so-
lucionar haciendo uso de los conocimientos de su poca, en este proceso continuo de
investigacin sin lmites, el ser humano buscando descubrir nuevos hechos y estable-
cer relaciones entre ellos, hace Ciencia, nutrindose de toda la experiencia precedente
24
y proyecta extender el alcance de su propia experiencia, reducirla al orden y valorar

cul es el procedimiento ms conveniente para afrontar un problema con posibilidades
de solucionarlo, en este proceso ininterrumpido, la ciencia ofrece la solucin de mlti-
ples fenmenos y simultneamente intenta encontrarla para aquellos que todava no la
tienen. Dentro de este rico proceso cada Ciencia particular en su avance va tributando
al desarrollo de la Ciencia en general y se van enriqueciendo el conocimiento, proceso
imprescindible para que estos avancen y combinen sus principios para resolver pro-
blemas prcticos que contribuyen al desarrollo social de la humanidad.
Por tales razones es importante concebir la enseanza de la Matemtica inte-

grada en la historia y en la cultura, lo que puede constituir un valioso aporte a fin de
proporcionar motivacin e inters al analizar las dificultades por la que ha transitado el
pensamiento humano hasta llegar a las formas actuales de presentacin matemtica.
Los conocimientos transmitidos durante la educacin deben ser mostrados como

las soluciones trabajosamente logradas por los hombres en el curso de su enfrenta-
miento a los problemas prcticos y concretos de la vida real. Difcilmente podremos
encontrar conocimientos adquiridos como mero disfrute intelectual o por simple ocio
improductivo. La historia de la ciencia y la tecnologa mucho nos puede ensear en
esta direccin. Estudimosla para ver en ella no la simple coleccin de descubrimiento
o la secusin cronolgica de ideas interesantes sino para reconocer all los pasos que,
entre triunfos y reveses, le permitieron al hombre ir domando a la naturaleza y a las
propias fuerzas sociales (Ramos, G.,1998, p. 85).
Por otra parte el uso de la historia de la Matemtica y su relacin con otras

Ciencias con una dimensin metacognitiva propone aprovechar la Historia de la Ciencia
para que los estudiantes sean conscientes de la existencia de ideas previas, es decir,
se trata de utilizar los elementos histricos para conseguir determinados objetivos
afectivos y nuevas actitudes que respondan a los valores que queremos estn presen-
tes en la formacin universitaria, formacin donde el desarrollo de habilidades en la
resolucin de problemas y la aplicacin de la Matemtica como una herramienta bsica
tiene una importancia extraordinaria para el futuro egresado.
Entre los valores a que hacamos referencia en el prrafo anterior, Carlos Sn-
chez, 1989, pp.13-15, destaca:
25
1- Valores heursticos: La Historia nos brinda un panorama general de las direc-

ciones principales de la investigacin en diferentes momentos, bajo determina-
das condiciones de carcter socio-econmico relativas al propio desarrollo lgico
de conceptos y teoras.
La Metodologa nos posibilita tomar conciencia sobre el mecanismo dialctico de
formacin y fundamentacin del conocimiento matemtico.
La Historia y Metodologa de la Matemtica nos ayudan a introducirnos en el la-
boratorio de la creacin cientfica, en las luchas de ideas dentro del proceso de
investigacin.
2- Valores comunicativos: Con el conocimiento de la Historia de la Matemtica y
de la relacin de esta con otras ciencias y otros campos de la actividad humana.
Ellas nos brindan un lenguaje comn para todos los profesionales, un vnculo y
un modo fcil de intercambiar ideas. Posibilitando de esta forma el punto de vis-
ta pedaggico, a travs de las referencias histricas, en la introduccin de los
nuevos conceptos o teoras, activar los procesos productivos del pensamiento y
convertir la clase en una verdadera fiesta intelectual.
La Metodologa de la Matemtica nos permite comprender mejor el fundamento
material de la unidad de la Matemtica, el carcter artificial de la diferenciacin
entre matemticas puras y aplicadas. se aade a la razn anterior el principio
metodolgico bsico de la relacin entre teora y prctica, el anlisis de los ras-
gos especficos de otras regiones del conocimiento que se encuentran reflejadas
en los mtodos matemticos.
3- Valores educativos: La Historia de la Matemtica ilustra la vida intelectual de
los grandes matemticos, lo cual no slo posee un inmenso valor heurstico,
sino ante todo es un magnifico recurso para la educacin integral.
En los ejemplos del pasado se educa a la juventud en el arte del descubrimiento
pero tambin en el espritu de sacrificio y de consagracin a la Ciencia, de la
honradez y la modestia, de los valores morales necesarios a todo cientfico.
La Metodologa de la Matemtica ayuda a formar una concepcin cientfica del
mundo, favorece la comprensin del papel del hombre en la solucin de pro-
blemas globales de la Ciencia y de la importancia de asumir una posicin ideo-
lgica firme y honesta en el enfoque de estos problemas.
Por su parte Miguel de Guzmn (1993, pp. 107-119), enfatiza el papel del cono-
cimiento de la Matemtica y la Ciencia en el bagaje de conocimientos del profesor de
cualquier nivel de enseanza y seala valiosos elementos sobre esta problemtica,
26
destacando que el orden lgico en la construccin del conocimiento no es necesaria-

mente el orden histrico, ni tampoco el orden didctico coincide en muchas ocasiones
con ninguno de los anteriores, pero el profesor debera saber cmo han ocurrido las
cosas, para:
- comprender mejor las dificultades del hombre genrico, de la humanidad, en
la elaboracin de las ideas matemticas, y a travs de ellas la de sus propios
alumnos.
- entender mejor la ilacin de las ideas, de los motivos y variaciones de la sin-
fona matemtica.
- utilizar este saber como una sana gua para su propia pedagoga.
El conocimiento de la Historia proporciona una visin dinmica de la evolucin
de la Matemtica que puede capacitarnos para muchas tareas interesantes en
nuestro trabajo educativo:
- posibilidad de extrapolacin hacia el futuro.
- inmersin creativa en las dificultades del pasado.
- comprobacin de los tortuosos caminos de la investigacin, con la percepcin
de la ambigedad, obscuridad, confusiones iniciales, a media luz, esculpiendo
torsos inconclusos y concluye este autor destacando la Historia como un poten-
te auxiliar para lograr objetivos como:
- hacer patente la forma peculiar de aparecer las ideas en Matemtica; - en-
marcar temporalmente y espacialmente las grandes ideas, problemas, junto con
su motivacin, precedentes;
- sealar los problemas abiertos de cada poca, su evolucin, la situacin el la
que se encuentran actualmente;
- apuntar las conexiones histricas de la matemtica con otras ciencias, en cuya
interaccin han surgido tradicionalmente gran cantidad de ideas importantes.
Todos estos elementos aportan al futuro egresado un conocimiento matemtico

de gran valor instrumental y prctico, proyectan conocimientos indispensables a otras
disciplinas, que sern de gran valor para disear modelos matemticos o de cualquier
otra ndole. El conocer la gnesis de las ideas con que se trabaja, capacita a una per-
sona para resolver problemas que presenten una determinada peculiaridad, propongo
tratar de formar un ser humano que aplique sus conocimientos en la prctica profesio-
nal para resolver los problemas de los que ser responsable, dentro de este proceso la
enseanza y aprendizaje de la Matemtica tiene mucho que aportar por ser una disci-
27
plina cuya historia y mtodos generales aportan adems valores informativos y forma-
tivos a nuestros estudiantes.
Los profesores de Matemtica debemos hacer un esfuerzo especial en este sen-

tido, es decir, es necesario que la enseanza transmita una correcta comprensin del
trabajo cientfico o al menos, algunas de sus caractersticas ms relevantes.
Segn lo expuesto por Juan Manuel Navarro Cordn y Toms Calvo Martnez,
1992, p. 20: Los pitagricos fueron, ante todo, matemticos (los primeros que hicieron
progresar las matemticas, dice Aristteles) y su dedicacin a las matemticas influy
decisivamente en su explicacin acerca de la naturaleza (origen, sustrato y causa) de
lo real. Observaron, en efecto que mltiples propiedades y comportamientos de los
seres reales pueden ser formulados matemticamente y supusieron que todos los se-
res del universo- lo que son y su forma de comportarse-son formulables matemtica-
mente. Desde entonces la ciencia se ha beneficiado incesantemente de esta suposi-
cin, confirmndola una y otra vez.
El estudio de la Historia y metodologa de la Ciencia en general debe ser un

componente esencial de los curriculum en todos los niveles de enseanza por constituir
una premisa fundamental de la formacin del profesional, ya que es conocido que el
desconocimiento de la experiencia y aporte de la ciencia, al no poderse llegar a la
esencia de su anlisis, forma un profesional incompetente ante los problemas a enfren-
tar.
Es as como a lo largo de la historia, los aporte de la Ciencia han ejercido in-

fluencia en la concepcin contempornea de la Matemtica y recprocamente el cono-
cimiento matemtico ha servido de modelo ejemplar para la construccin de la Ciencia.
Durante el transcurso del presente siglo, la Matemtica se ha convertido en una

ciencia muy extendida en nuestra cultura ya que ha jugado un papel muy importante
en la enseanza de otras disciplinas, lo que esta avalado por la incidencia de los con-
tenidos matemticos los cuales abarcan no solo sus definiciones, axiomas, leyes y me-
todologa y de forma peculiar su aplicacin en otras reas de la Ciencia.
A medida que un nmero cada vez mayor de cientficos es atrado al mundo de
las cuestiones prcticas, el intervalo de tiempo entre el desarrollo de los conceptos y
su aplicacin concreta va disminuyendo. (Magenau, H., Bergamini, D., 1966).
28
Pudiramos argumentar a favor de lo anterior que la Aritmtica y el lgebra,

surgieron como respuestas a necesidades humanas en materias de contabilidad, admi-
nistracin y otras demandas de la cotidianidad; la Geometra y la Trigonometra, sur-
gen y se desarrollan a partir de problemas de medida, astronoma, y agrimensura; el
Clculo Diferencial e Integral para la solucin de ciertos problemas relacionados con la
Fsica.
Otras teoras matemticas como la Geometra Proyectiva, la Teora de Grupos,

la Topologa, la Teora de Conjuntos, y otras. Al principio pareca como si estas nuevas
teoras abstractas tuviesen slo un valor para la propia Matemtica. Con el tiempo se
ha comprobado que es posible expresar adecuadamente las singularidades de los pro-
cesos reales de la Fsica, la Qumica, la Biologa, la Economa y la Tcnica. Despus de
elaborada la teora de Algoritmos y de las funciones recursivas, la lgica matemtica
encontr mltiples aplicaciones tericas y prcticas en el anlisis y sntesis de las m-
quinas calculadoras y aparatos cibernticos Estos ejemplos, cuyo nmero poda au-
mentar nos demuestran que con el aumento de la abstraccin dentro de la Matemtica
sta no se aleja de la realidad. al contrario, con el uso de las teoras ms abstractas es
posible reflejar ms completa y profundamente las relaciones y vnculos del mundo
real. (Ivanivich, G., 1990. pp. 222-223).
Debemos aadir que en los ltimos aos la matemtica es utilizada con ms

frecuencia como instrumento dentro de disciplinas como la Historia, la Lingstica y la
Psicologa.
En todas las actividades humanas es identificable algn elemento matemtico,

an en aquellas con menos indicios de su presencia; aunque en ocasiones esta carac-
terstica de su presencia en lo cotidiano la hace pasar inadvertida, por lo que los do-
centes y profesionales de la Matemtica tenemos que poner nuestro empeo en hacer
que los estudiantes perciban la Matemtica en todos los rdenes de la vida moderna,
enfatizando su caracterstica de ser un conocimiento cientfico de primer orden que
hace se le identifique como la ciencia racional , deductiva o exacta por excelencia con-
siderndose adems la humilde sirvienta de la Ciencia o la reina y cenicienta de la
Ciencia aunque cada persona pueda definirla o buscar una definicin en correspon-
dencia a sus intereses o instruccin, considero que para el propsito del tema aborda-
29
do la definicin de Miguel de Guzmn (en Marcos, A., 1997, p. 2) se ajusta ms que

ninguna otra para el mensaje que queremos comunicar, se expresa:
La Matemtica ha sido y es un saber extraordinariamente polivalente y como

tal presenta caractersticas que la hacen extraordinariamente adecuada para la trans-
misin de las capacidades propias de nuestra cultura. La Matemtica es a su vez:
- Una Ciencia con sus propios fines. Entre ellos la organizacin racional y lgica
de los aspectos cuantitativos, en sentido amplio, en las estructuras reales y
mentales.
- Un arte, que consigue, al menos como premio dado a su esfuerzo por alcanzar
sus objetivos especficos, la creacin de estructuras mentales profundamente
bellas.
- Un instrumento poderoso de exploracin y transformacin del universo.
Entre las caractersticas menores pero llamativas estn:
- La desnudez y el carcter esqueltico de sus proposiciones.
- La peculiar dificultad; complicacin y tensin de sus razonamientos.
- La perfecta exactitud de sus resultados.
- Su amplia universalidad.
- Nos permite hacer predicciones.
- Su peculiar uso de la abstraccin; no puede tener xito si no puede generali-
zarse.
Todo lo anterior es consecuencia de la posicin especial de la Matemtica en el

sistema de las Ciencias y del carcter especial de sus resultados en la prctica. La en-
seanza de la Matemtica contribuye a la formacin de la personalidad, ante todo
desarrollando en los alumnos conocimientos y capacidades slidas y ponindolos en
disposicin para aplicarlos en la prctica. (Jungk, W., 1979, p.7).
Es decir, la Ciencia ha ejercido una enorme influencia en la concepcin contem-

pornea de la Matemtica as como la riqueza del conocimiento matemtico ha servido
de modelo insustituible para la construccin de la Ciencia.
Un aspecto que puede incidir en las dificultades de la enseanza de la Matem-

tica puede ser la excesiva formalizacin en la presentacin de sus contenidos y una
insuficiente reflexin acerca de su naturaleza epistemolgica, su metodologa y desen-
volvimiento histrico.
30
La dialctica de la Matemtica requiere de un contexto donde colocar el conoci-

miento matemtico en contrastacin con otros tipos de conocimiento. Es decir, situar
el conocimiento matemtico en relacin al conocimiento cientfico o el filosfico, lo que
debe hacerse desde dos direcciones diferentes:
i) Proceso de anlisis hacia el interior de la Matemtica, una introspeccin en
sus fundamentos y evolucin histrica.
ii) Proceso de anlisis del conocimiento matemtico en su relacin con el cono-
cimiento cientfico, de esta forma se incorpora la Matemtica dentro de un so-
porte referencial exterior como la Ciencia, lo que permite observar sus seme-
janzas, diferencias y limitaciones en su historia paralela.
Tanto en el enfoque interno como en el externo, debe hacerse nfasis en la es-

tructura problematizadora de los contenidos. Dicho enfoque tiene por objetivo inducir
al estudiante a abordar los problemas analizando la evolucin de los mismos a lo largo
de la Historia, donde cada problema sirva de fundamentacin y motivacin para los
otros y aprovechar al mximo la estructuracin de los contenidos.
De esta forma: Los alumnos pueden reconocer que el grado de abstraccin de

la Matemtica es muy elevado y que precisamente en esto radica la posibilidad de apli-
carla universalmente. reconocen, adems, en el transcurso de su formacin matemti-
ca, que esta ciencia se ha desarrollado por necesidades prcticas y que incluso hoy
recibe impulsos de la prctica para su desarrollo continuo. (Jungk, W.., 1979, p. 7).
Este autor tambin destaca la afirmacin de Federico Engels en su obra Antidhring de
que la Matemtica al igual que cualquier otra Ciencia, ha partido de las necesidades
prcticas del hombre.
En correspondencia con esto, a la Historia de las Matemticas se les encomien-

da la resolucin de un gran nmero de problemas que pueden ser analizados en tres
direcciones ( Rbnikov, K., 1987, p. 10).
- los trabajos de carcter histrico-matemticos ilustran como surgieron los m-
todos, conceptos e ideas matemticas, cmo se construyeron histricamente las
diferentes teoras matemticas.
- las relaciones de la matemtica con las necesidades prcticas y la actividad de
los hombres, con el desarrollo de otras ciencias, la influencia de la estructura
31
econmica y social de la sociedad y la lucha de clases (especialmente en la es-

fera ideolgica), sobre el contenido y carcter del desarrollo de la matemticas.
- el condicionamiento histrico de la estructura lgica de las matemticas mo-
dernas y la dialctica de su desarrollo.
El estudio anterior puede ser fructfero slo si las investigaciones se realizan ba-
sndose en la ciencia marxista-leninista con la aplicacin del mtodo del materialismo
dialctico y con completo conocimiento del contenido especial de las cuestiones estu-
diadas.
El campo de aplicacin de las matemticas en la resolucin de problemas se

ampla constantemente, a esta ampliacin no es posible ponerle un lmite en los mar-
cos del desarrollo cientfico-tcnico de nuestros das Insisto nuevamente que la Historia
y Metodologa de la Matemtica y la Ciencia integradas, pueden ser muy tiles en la
formacin profesional, debido a la relacin que puede establecer con la prctica y en la
docencia por su aplicabilidad y potencialidad didctica en la resolucin de problemas.
La utilizacin de la estrategia propuesta con una metodologa de aprovecha-

miento didctico, supone incidir en un planteamiento activo y de aprendizaje significa-
tivo ya que el profesor trabaja reconstruyendo pasos del mtodo cientfico. La forma-
cin del estudiante se completa no slo con la transmisin y adquisicin de los conoci-
mientos estructurados en el currculo, sino que adems conoce y aplica una serie de
recursos y tcnicas de anlisis, que integradas en su acerbo personal le permiten moti-
varse y orientarse en bsqueda de informacin bibliografica, realizar pequeas investi-
gaciones orientadas por el profesor y de esta forma avanzar en su formacin.
La Historia y Metodologa del pensamiento matemtico y cientfico en general es

una evidencia que reafirma que el anlisis integrado de estos elementos es una forma
correcta de hacer ciencia.
Su estudio da una idea integral y armnica de la concepcin unitaria de la reali-

dad, de la imperiosa necesidad de analizar la ciencia en su contexto, estableciendo los
vnculos entre Ciencia/Tecnologa/Sociedad lo cual hace de la enseanza un proceso
que no puede obviar la interdisciplinaridad para lograr sus objetivos.
32
BIBLIOGRAFA
1. - De Gzman, M., Formacin del profeasorado de las Matemticas y las Ciencias,

Editorial Popular S.A., Madrid, 1993.
2. - Ivanivich, G, Mtodos de investigacin cientfica., editorial de Ciencias Sociales, La
Habana, 1990.
3. - Jungk, W., Conferencias sobre Metodologa de la Enseanza de la Matemti-
ca.editorial Pueblo y Educacin, Ciudad de La Habana, 1979.
4. - Margenau, H., Berganini, Coleccin cientfica de Life en espaol., Life, Editado por
Off Set Multicolor, S.A., Mxico, 1968.
5. - Marcos, A., La enseanza de las Matemticas en las Ciencias Econmicas, Trabajo
presentado en el Evento COMAT97, Universidad de Matanzas, 1997.
6. -Navarro, J.M., Calvo, T., Historia de la Filosofa, COU, Grupo Anaya, S.A., Espaa,
1992.
7. - Ramos, G., Sociedad, educacin y ciencias tcnicas., Revista Cubana de Educacin
Superior, Vol. XVIII, No. 2, La Habana, 1998.
8. - Rbnikov, K., Historia de las Matemticas., Editorial MIR, Mosc, 1974.
9- Snchez, C., El recurso de la Historia y la Metodologa en la Didactica de la matem-
tica., Boletin de la Sociedad Cubana de Matemtica y Computacin,1989.
33
LECTURA 3
RECOPILACIN DE PROBLEMAS
HISTRICOS.
Los siete puentes de Knigsberg: Un ciudadano de Knigsberg (Prusia) se

propuso dar un paseo cruzando cada uno de los siete puentes que existen sobre el ro
Pregel una sola vez. Los dos brazos del ro rodean a una isla llamada Kneiphof. Cmo
debe cruzar los puentes para realizar el paseo?
El problema es simplemente encontrar un trayecto, alrededor de una serie de

puentes, que cruce solamente una vez cada uno de ellos. El mapa de abajo muestra la
disposicin de siete puentes y dos islas en la ciudad de Knigsberg.
En 1736, el matemtico suizo radicado en San Petersburgo Leonhard Euler pu-

blic "Solutio Problematis ad Geometriam Situs Pertinentis", un artculo en el que re-
solva el problema en el caso general. Este trabajo es considerado como el nacimiento
de la Teora de Grafos, utilizada hoy en da en mltiples aplicaciones
La idea de Euler fue considerar los cuatro lugares terrestres, que se deseaban
comunicar (hay 4 de ellos), como puntos de destino y, a los famosos puentes, como
trayectorias entre esos puntos. En consecuencia, el mapa de Knigsberg en esencia
matemtica puede ser entonces reducido al siguiente diagrama, que es un ejemplo de
lo que se suele llamar un grafo:
34
Un grafo, es una figura cuyas lneas o curvas (llamadas aristas), conectan pun-
tos o vrtices. En consecuencia, la trayectoria de los puentes de Knigsberg puede ser
reformulada como un grafo, en el cual las aristas son recorridas una sola vez. En la
siguiente figura, los puntos rojos representan las reas terrestres de Knigsberg y las
curvas negras los puentes. Este problema, por supuesto que puede ser resuelto me-
diante un estudio exhaustivo de todas las posibles trayectorias. Pero las matemticas
se interesan en generalizar el problema y buscar una solucin sencilla y vlida para
todos los posibles mapas de ciudades, e incluso objetos ms generales.
En funcin de la ubicacin de cada uno de los vrtices y de los puentes que los
conectan, Euler demostr que no existe solucin al problema de la trayectoria de los
puentes de Knigsberg.
Por lo general, usamos grafos en dos situaciones. En primer lugar, ya que un

grafo es un modo muy conveniente y natural de representar las relaciones entre obje-
tos: representamos objetos por puntos llamados vrtices y la relacin entre ellos por
lneas llamadas aristas. En muchas situaciones (problemas) una representacin de este
tipo puede ser suficiente para ilustrar un problema.
Por ejemplo una molcula qumica puede representarse como un grafo donde
los vrtices son los tomos que la componen y las aristas, los enlaces entre estos to-
mos.
35
Otro ejemplo puede ser la representacin de un mapa, en particular, el mapa de

Colombia, donde los vrtices representan los departamentos y cada arista une dos de-
partamentos si estos tienen una frontera comn.
En segundo lugar, tomamos el grafo como el modelo matemtico, solucionamos

el problema grafo-terico apropiado, y luego interpretamos la solucin en trminos de
problema original.
La mayor parte de los problemas de la teora de grafo pueden ser clasificados

en:
1. Problemas de Existencia
El problema de los siete puentes de Knigsberg: Existe una trayectoria cerrada
que cruce cada uno de los siete puentes exactamente una vez?
El problema del Caballo de Ajedrez: Existe una secuencia de los movimientos
del caballo tal que visite cada cuadrado de un tablero de ajedrez exactamente
una vez y regresando a la posicin de partida?
El problema de los Cuatro Colores: Puede colorearse todo mapa con cuatro co-
lores de modo que los pases vecinos tengan colores diferentes?
36
2. Problemas de Construccin
Determinar si un grafo dado es euleriano y construir un camino euleriano (algo-
ritmo de Fleury).
3. Problemas de Enumeracin
Grafos etiquetados.
Digrafos etiquetados.
rboles etiquetados.
4. Problemas de Optimizacin
Problema de encontrar el camino mnimo entre dos vrtices en dgrafo pesado.
Problema del viajante de comercio
www.astrocosmo.cl/anexos/p-p_konigsberg.htm
www.personal.kent.edu/~rmuhamma/GraphTheory/MyGraphTheory/graphIntro.htm
http://docencia.udea.edu.co/regionalizacion/teoriaderedes/nocionesbasicas.html
EL TEOREMA DE LOS CUATRO COLORES consiste bsicamente, en que

cualquier mapa puede ser coloreado solamente con cuatro colores distintos de tal ma-
nera que dos regiones adyacentes (es decir, que tienen una frontera en comn y no
slo un punto) no tengan el mismo color. Aqu te ponemos un ejemplo con el mapa de
Espaa. Si quieres puedes intentarlo t, de otra manera o con otros cuatro colores
distintos con el mapa de Espaa que est en blanco y que puedes imprimir con la hoja
de ejercicios que te ofrecemos ms adelante.
Aunque parece un problema no matemtico, sin embargo lo es y su demostra-

cin no es nada sencilla, ha costado mucho esfuerzo y 125 aos el conseguirlo.
37
El comienzo
Como tantos otros problemas matemticos, comenz
de una manera casual. En 1850 un ingls estudiante de
leyes, Francis Guthrie se entretena intentando colo-
rear el mapa de Inglaterra utilizando la menor cantidad
de colores posibles e intent hacerlo con slo cuatro
colores sin conseguirlo, pero tena la intuicin de que
se poda hacer.
Le cont a su hermano Frederick su problema. Frede-
rick haba estudiado con un prestigioso matemtico
ingls de la poca llamado De Morgan, que no supo
solucionar el problema. De Morgan le envi una carta
a Hamilton (otro matemtico ingls importante) que
no abord el problema.
El caso es que el problema de los cuatro colores empez a adquirir fama de tal
forma que en 1878 el profesor Cayley lo propuso oficialmente a la London Mathema-
tical Society (una de las sociedades de matemticos ms importantes del mundo)
como un problema a resolver.
Al poco tiempo A. B. Kempe propuso uona demos-
tracin que public en 1879. Esta demostracin
fue, en principio, aceptada y dio mucha fama a
Kempe, hasta que Heawood descubri en 1890,
11 aos despus, que la demostracin de Kempe
tena un error, Heawood sigui trabajando en el
problema pero no lo solucion, sin embargo consi-
gui probar que con cinco colores si se poda colo-
rear cualquier mapa.
38
Tambin se supo que tres colores no eran suficien-

tes, de modo que slo quedaba por probar o refutar
los cuatro colores.
El problema sigui dando vueltas. Algunos matem-
ticos pensaron incluso, que no todo mapa se poda
colorear con cuatro colores.
La prueba
Por fin!, en 1976 Appel y Haken dieron una prueba del teorema. Demostra-
ron mediante un complicado programa de ordenador que, efectivamente cuatro
colores eran suficientes para colorear cualquier mapa .
De nuevo surgieron objeciones. El proceso del ordenador, es decir los pasos in-
ternos del ordenador no podan seguirse ni comprobarse cuando la mquina los
haca; y para verificarlos "a mano", eran tantos, que habra hecho falta toda
una vida para realizarlos. De modo que algunos matemticos han tenido mu-
chas reservas con respecto a esta demostracin.
Por ltimo, en 1996, Neil Robertson; Daniel P. Sanders; Paul Seymour y
Robin Thomas, de la Escuela de Matemticas del Georgia Institute of Te-
chnology de Estados Unidos, publicaron una nueva prueba que no tena los in-
convenientes de la demostracin de Appel y Haken.
Te proponemos algunos ejercicios Pese a que, como has visto, todo mapa
plano se puede colorear con slo cuatro colores, la cosa no es nada fcil. Pue-
des intentarlo con los tres siguientes mapas. Si quieres, puedes hacer "click"
sobre uno de ellos y los obtendrs en el tamao de una pgina, que puedes im-
primir para practicar. Ambos mapas

son del libro: "Aventuras topolgicas" de Jos Luis Carlavilla y Gabriel
Fernndez, Ed. RUBES. Estos dos profesores de matemticas espaoles, tam-
39
bin incluyen en su libro el siguiente ejemplo de un mapa que no se puede co-
lorear con menos de cuatro colores:
40
LECTURA 4
Ensear probabilidad en primaria y secundaria?
Para qu y por qu?
Liliana Jimnez M., Jos Rafael Jimnez F.
Programa de Maestra en Matemtica Educativa
Universidad de Costa Rica
"Cuando no est en
nuestra mano determi-
nar lo que es verdad,
debemos actuar de
acuerdo con lo que es
ms probable.''
Descartes
Resumen:
Este trabajo va dirigido a maestros y profesores de Matemtica. En l se exponen
algunas reflexiones sobre la necesidad de abordar, en nuestros das, los conceptos de
incertidumbre y probabilidad en la educacin primaria y secundaria. Adems se propo-
nen algunos modelos de ejercicios que los introducen, con algunos comentarios didc-
ticos para orientar el proceso.
Por otra parte, se trata de provocar ms discusin acerca de la importancia de ensear
el tema de probabilidad a nivel tanto de secundaria como de primaria, ya que es reco-
nocido que en el mbito costarricense, los objetivos de este tema son dejados de lado
con mucha frecuencia.
Palabras Clave: Incertidumbre, probabilidad, azar en la enseanza.
Introduccin
En los programas de estudio de Matemtica para segundo y tercer ciclo, del Mi-
nisterio de Educacin Pblica de Costa Rica (M.E.P.), se incluye entre los contenidos
por estudiar, algunas nociones ligadas a los temas de Probabilidad y Estadstica. Sin
embargo es conocido que en repetidas ocasiones estos temas no se cubren, al menos
en secundaria. Esto ocurre, entre otras razones, porque el tiempo lectivo que propone
el M.E.P. para cubrir los programas a veces resulta insuficiente. Esto ltimo, aunado al
hecho de que dichos temas hasta el ao 2003 no eran evaluados en las pruebas nacio-
nales de conclusin de ciclo, ha provocado que muchos profesores los dejen de lado.
Amn de esto, se puede agregar que muchos docentes no son conscientes de la impor-
tancia que puede tener para un estudiante poseer como parte de su cultura un buen
manejo de la nocin de incertidumbre.
41
Adems, podemos decir que, respecto a la enseanza secundaria, en Costa Rica

nos estamos quedando rezagados, en lo que al tema de probabilidad se refiere. Al ana-
lizar los planes de estudio vigentes se nota la balanza inclinada hacia los temas tradi-
cionales: aritmtica, geometra, lgebra y las funciones. Solamente se considera en
octavo ao el estudio de algunos elementos de estadstica descriptiva elemental y en
primaria escasamente dos o tres nociones introductorias al tema.
Por esta razn nos hemos propuesto en este trabajo, en primer trmino, dilucidar
por qu es importante ensear el tema de probabilidad, en la Seccin 2. En las seccio-
nes siguientes se presentan unos modelos de ejercicios y situaciones, acompaados de
comentarios sobre cundo presentarlos, cules intenciones llevan y qu conceptos se
trata de explotar en ellos; en la Seccin 5 se proponen actividades para la primaria y
en la Seccin 6 para la secundaria.
Por qu ensear Probabilidad?

La matemtica sirve para modelar situaciones que se presentan en campos de la
vida cotidiana a travs de diferentes ciencias como la fsica, qumica, economa, biolo-
ga, etc.; adems juega un papel importante en el desarrollo tecnolgico. De esta ma-
nera el saber matemtico se puede considerar como un instrumento con el que es po-
sible, a travs de otras ciencias, reconocer y transformar la naturaleza y la sociedad.
En las ltimas dcadas el hombre ha sido testigo del gran incremento en la cantidad de
avances cientficos y tecnolgicos en la sociedad moderna, en consecuencia, del cam-
bio que esto ha provocado en el desarrollo industrial, la organizacin econmica y so-
cial de los pases.
Sin embargo, al tratar de modelar los fenmenos de la naturaleza, el hombre se

ha encontrado con que hay situaciones que obedecen a un modelo determinista y otras
que en cambio obedecen a un modelo aleatorio. Por ejemplo, en el caso de los cientfi-
cos sociales es ms difcil descubrir principios fundamentales que respondan a la in-
mensa complejidad de los fenmenos que se proponen estudiar, que para los investi-
gadores de las ciencias naturales explicar las leyes de la cada libre. El fenmeno de la
"prosperidad'' nacional es an ms complicado. Adems de los millones de voluntades
y glotoneras humanas que la esculpen, estn de por medio los recursos naturales, las
relaciones con otras naciones, las perturbaciones causadas por la guerra, entre otras.
Sin embargo estas dificultades que agobian a los cientficos sociales son parecidas a las
que algunas veces sufren los bilogos, por ejemplo cuando se trata de explicar el fun-
42
cionamiento del cerebro humano o las leyes de la gentica, o los fsicos cuando tratan
de explicar el estado de las partculas atmicas y subatmicas de la materia.
Como lo seala Kline: "Afortunadamente, las ciencias sociales y las biolgicas

han adquirido un mtodo matemtico, nuevo por completo, de obtener informacin
sobre sus fenmenos respectivos: el mtodo estadstico. (...) Sin embargo, con el uso
de los mtodos estadsticos, ha surgido tambin el problema de determinar la confiabi-
lidad de los resultados. Este aspecto de la estadstica se trata por medio de la teora
matemtica de la probabilidad.'' (Kline, 1998, pg 496)
Igualmente, al hacer la planificacin de proyectos industriales o el estudio y control de
sistemas econmicos complejos, el hombre se ha visto obligado a explorar y aprender
nuevos mtodos que hagan ms eficiente su manejo. El desarrollo de estos mtodos
tambin ha contribuido a un aumento de la actividad dentro de ciertos campos de las
matemticas aplicadas, como por ejemplo, la Probabilidad, la Estadstica, Teora de
Colas, Teora de Fiabilidad entre otras.
As mismo se puede agregar, como lo expresa Wakely en el prlogo al libro de

J.C. Turner, Matemtica moderna aplicada: probabilidades, estadstica e investigacin
operativa, el aumento de la capacidad de los computadores ha hecho factible su utili-
zacin para explorar de una manera ms amplia las implicaciones de los modelos ma-
temticos en los diferentes campos econmicos o tecnolgicos. Contina: "Como resul-
tado de ello, la industria (y en sentido amplio, la nacin), necesita ahora de las mate-
mticas, y del modo de pensar matemtico, de una manera sin precedentes en la his-
toria. (...) Hoy en da un joven ejecutivo no puede considerarse a s mismo persona
culta si no hace ms que inclinar la cabeza ante estos mtodos.''(Turner, 1981, pg 9)
Con todos estos cambios, la sociedad se ve inevitablemente obligada a adaptar y rees-
tructurar su sistema educativo, para cumplir con su compromiso de formar a los indivi-
duos que la componen. Debe considerar que una persona que vive en esta sociedad
moderna debe tener una idea ms clara de aquellos fenmenos de carcter aleatorio,
ahora ms que en el pasado, ya que se cuenta con ms informacin acerca de cmo
los cambios en su vida se pueden ver influenciados por ello. Veamos algunos casos que
lo ilustran: Cada maana cuando se dirige al trabajo, un individuo tiene la confianza de
que llegar. Sin embargo todos los das muchas personas salieron de sus casas y no lo
lograron; esto lo conduce a pensar en los riesgos que debe asumir y los eventuales
seguros que debe tomar. Al escoger el banco para sus operaciones un individuo espera
que ste tenga solidez; no obstante, todas las decisiones tienen alguna incertidumbre,
43
que se refiere a aquellas situaciones que no se pueden controlar, pero que influirn en
el resultado. Si un joven decide iniciarse en el fumado, hoy da existe mucha informa-
cin que indica una medida sobre el riesgo de enfermar de cncer.
Dacunha en su libro "Chemins de L`Aleatorie. Le hasard et le risque dans la so-

cit moderne.'', seala que el azar ha sido un recurso que han utilizado algunas so-
ciedades para resolver diversas situaciones y que en nuestra poca hasta se ha inten-
tado utilizar en la asignacin de empleos. Agrega, hay que aprender a dudar, a reco-
nocer la incertidumbre, a saber que ella es parte del ejercicio de la ciudadana. Los
ciudadanos deberan integrar a su juicio la dimensin de lo aleatorio, cuando se trata
de su responsabilidad individual y de la responsabilidad del estado.
De esta manera, especficamente en lo que se refiere a la enseanza de la matemti-
ca, al menos en el nivel de secundaria en nuestro pas, se debe incluir en los progra-
mas el concepto de aleatorio. Adems, ensear un conjunto de teoras que den acceso
a los estudiantes a los elementos bsicos de probabilidades, que le permitan tomar
decisiones en su vida cotidiana y contar con una formacin mnima para que puedan
desarrollarse desde esa perspectiva en cualquier campo profesional o cientfico. "La
probabilidad tiene la enorme cualidad de representar adecuadamente la realidad de
muchos procesos sociales y naturales, y, por lo tanto, su conocimiento permite com-
prender y predecir mucho mejor el mundo en que vivimos'' (Prez y otros, 2000, pg
15). Solo as se lograr cumplir con el compromiso de formar un individuo que pueda
manejar los conceptos bsicos del siglo XXI.
Pinceladas de historia
Los primeros pasos en la teora de las probabilidades fueron dados por el mate-
mtico y mdico italiano Jernimo Cardano (1501-1576). Se dice que Cardano era un
jugador y que inclusive algunas veces estuvo en la crcel a causa de sus trampas y
pilleras. l decidi que si iba a usar su tiempo en juegos de azar, aprovechara para
aplicar la matemtica y as sacara provecho de su pasatiempo. Procedi a estudiar las
probabilidades de ganar en varios juegos de azar y public sus reflexiones de la mate-
ria en su libro "Liber De Ludo Aleae'' (El libro de los juegos de azar). "Este libro es un
manual del jugador, en el cual se ensea a hacer trampas lo mismo que a descubrir-
las''. (Kline, 1998, pg 518)
Ms tarde, en 1653, otro jugador y matemtico, el llamado Caballero de Mr, se
interes por la relacin entre la matemtica y los juegos de azar. "De talento limitado,
remiti a Pascal algunos problemas sobre el juego de dados. Y ste, en colaboracin
44
con Fermat, hizo avanzar un poco ms el estudio de la probabilidad. Cardano resolvi

slo unos cuantos problemas de probabilidades; Pascal concibi toda una ciencia. Se
propuso reducir a un arte exacto, con el rigor de la demostracin matemtica, la incer-
tidumbre del azar, fundndose as una nueva ciencia que con justicia reclamara para
s el asombroso ttulo de: las matemticas del azar. Cardano, Pascal y Fermat llegaron
a la probabilidad pasando por los problemas de los juegos de azar.'' (Kline, 1998, pg
518)
Aunque esta teora nace como una aplicacin de la matemtica a los juegos de
azar, su estudio se fue profundizando cuando se necesitaron otras aplicaciones. Esto se
puede observar en el trabajo de Laplace, con su problema de determinar la exactitud
de las observaciones astronmicas o en procesos de muestreo al aplicar algunos mto-
dos de la estadstica, que introducen inevitablemente la posibilidad de error. O en la
biologa con Mendel, en sus trabajos de gentica.
Todo trabajo cientfico depende de la medicin, pero toda medicin es aproxima-

da. Los cientficos buscan minimizar las inexactitudes haciendo muchas mediciones de
una misma cantidad y luego tomando la media de las cantidades medidas. Pero aqu
cabe preguntarse, cun confiable es la media calculada de las mediciones reales?
Kline lo explica de esta manera. "Es deplorable la falta de certidumbre en algunas

fases del trabajo cientfico, pero esto no es un obstculo insuperable. Muy poco de lo
que esperamos que nos ocurra en el porvenir es cierto. Cmo se procede ante la in-
certidumbre? Descartes seal el curso que seguimos todos, consciente o inconscien-
temente: "Cuando no est en nuestra mano determinar lo que es verdad, debemos
actuar de acuerdo con lo que es ms probable.'' En nuestra evaluacin diaria de pro-
babilidades, nos contentamos con estimaciones burdas, es decir, con slo saber si la
probabilidad es alta o baja. Al cruzar una calle hay incertidumbre, pero la cruzamos
porque, sin hacer el clculo respectivo, sabemos que es alta la probabilidad de sobre-
vivir al hacerlo. Pero en el trabajo cientfico y en las empresas de gran envergadura
tenemos que hacerlo mejor. Ya no podemos aceptar estimaciones bastas, sino que
debemos calcular con exactitud las probabilidades, y aqu es donde entra en juego la
teora respectiva.'' (Kline, 1998, pg 519)
La necesidad de una teora de probabilidades surge cuando se estudian experi-

mentos donde interviene el concepto de incertidumbre. Por eso se propondrn algunas
45
actividades que involucran juegos para acercar al estudiante a las nociones de incerti-
dumbre y probabilidad.
Algunas consideraciones generales para una propuesta didctica

En las lneas anteriores se ha comentado la importancia que tiene la probabilidad
en el mundo moderno, tanto para el desarrollo cientfico como para la cotidianeidad de
cada persona. Se hace importante entonces considerar cuales son aquellos aspectos en
los cules se debe fijar la atencin para lograr que las probabilidades se inserten en el
bagaje cultural de esta sociedad moderna. En Costa Rica, el estudio de las probabilida-
des se ha restringido fundamentalmente a las aulas universitarias, especialmente para
los estudiantes de matemtica y las ciencias econmicas. Tambin estudian este tema
pero en menor grado los estudiantes de ciencias sociales y de ingeniera.
De aqu surge la necesidad de plantearse la insercin de la probabilidad en la

educacin general bsica y el ciclo diversificado. Por supuesto que esto plantea un re-
to, en el sentido de que ser un conocimiento nuevo, y que como tal ofrecer la resis-
tencia de los padres y de las autoridades.
En un primer momento se debe empezar a introducir, ampliar y desarrollar el

concepto de "ENSEANZA DE LA PROBABILIDAD''. Hace algunos aos se desarrollaron
trabajos de investigacin sobre la enseanza del clculo, la enseanza del lgebra y de
la enseanza de la geometra, haciendo un anlisis histrico y metodolgico. Le ha
llegado el momento a la enseanza de la probabilidad.
Para desarrollar trabajos de investigacin en torno a la enseanza de la probabilidad,
es necesario que se planteen preguntas interesantes cuyas respuestas sea preciso de-
terminar para continuar el estudio de dicho tema. Estas preguntas deben referirse a
aspectos fundamentales y tener la amplitud y la profundidad necesarias para que sus
respuestas repercutan directamente en el desarrollo de la enseanza de la probabili-
dad. Algunas posibles preguntas son:
1. Si se considera el marco filosfico en que se debe desarrollar la enseanza de la

probabilidad, de acuerdo con la filosofa de la ciencia y los aspectos histricos,
polticos, cientficos y religiosos que estuvieron presentes en los orgenes de es-
ta ciencia, cmo debe realizarse esa insercin en nuestra idiosincrasia?
2. Desde el punto de vista de la psicologa del nio y de su desarrollo intelectual,
qu consideraciones se deben tener al ensear probabilidades?
46
3. Debe ensearse la probabilidad en forma aislada, o conviene integrarla con

otras ramas de la matemtica como la teora de nmeros, la geometra, el l-
gebra y la trigonometra?
4. Cules son aquellos conceptos matemticos que tienen un carcter de herra-
mienta (Douady, 1995, pg 63) en el estudio de las probabilidades?
5. Cules son los conceptos de probabilidades que deben ensearse en primaria y
secundaria? y en qu forma deben distribuirse?
6. Qu caractersticas deben tener los materiales que sirvan de apoyo en el tra-
bajo de aula, tales como libros, dados, esferas, barajas, tablas, calculadoras,
software?
7. Cul es la formacin que se debe brindar a los futuros profesores de probabili-
dades?
8. Qu peso debe tener la probabilidad en los curriculos de matemtica de se-
cundaria y de primaria?
En las dos secciones siguientes, se expondrn algunos ejercicios que al docente

le podran servir de modelo para generar otras actividades tendientes a introducir al-
gunos de los conceptos de la teora de las probabilidades y a desarrollar la nocin de
incertidumbre. Para una mayor comprensin se dividirn las actividades en: activida-
des para la escuela primaria y actividades para la escuela secundaria. Se procurar no
entrar en mucho detalle en cada actividad, sino plantearlas en forma general haciendo
consideraciones metodolgicas para el profesor y adaptndolas al desarrollo intelectual
del alumno.
Actividades para la primaria

La escuela primaria debe ser el lugar donde el estudiante se enfrente por primera
vez a la probabilidad. Los docentes encargados deben tener la suficiente solidez en su
formacin para poder desarrollar adecuadamente esta tarea --aunque pareciera que
son ellos quienes tienen ms deficiencias en su formacin sobre probabilidades--. Es
importante que stos tengan un dominio bsico de la aritmtica, de las fracciones,
comprendan las operaciones bsicas de la teora de conjuntos, reconozcan si una va-
riable es cualitativa, discreta o continua, interpreten grficas y tablas de datos, com-
prendan modelos sencillos de experimentos aleatorios y planteen distintas actividades
que ilustren esos modelos. Deben tambin los maestros, tener la capacidad de hacer
una ubicacin histrica, sencilla pero cierta, de las probabilidades, adems de una idea
clara de sus aplicaciones, de manera que stas no resulten una amenaza para el en-
47
torno del estudiante, y se eliminen prejuicios. Esto ltimo se podra lograr si se motiva
al alumno con actividades en forma de juegos, pero adems, si se indica la importancia
de las probabilidades en el mundo actual, tales como los seguros, la salud, los nego-
cios o la asignacin de empleos.
Una propuesta de actividades didcticas para la primaria

Utilizando colores
Actividad 1.
El maestro muestra a los alumnos cuatro bolas distintas solo en sus colores. Las
coloca en una caja y dice a los estudiantes que "sin ver'' se seleccionar una
bola. Pero que antes quiere saber cul bola piensan los estudiantes que saldr.
Anota en la pizarra los distintos colores y al lado escribe el nmero de alumnos
que creen que ese color corresponde a la bola que saldr seleccionada. Se reali-
za el experimento y se escuchan comentarios de los estudiantes acerca de por
qu razn se obtuvo ese color. En el momento de los comentarios es importan-
te que el maestro apoye aquellos que tienen un sentido relacionado con el azar
y rechace de una manera sencilla aquellos que tiendan a asignar motivaciones
no aleatorias en los resultados. Se devuelve la bola a la caja. Luego se repite el
experimento, sin hacer la primera parte, un nmero grande de veces (preferen-
temente un nmero mltiplo de cuarto, ya que en esta etapa no se van a calcu-
lar razones y se puedan comparar rpidamente las proporciones) y se va regis-
trando en la pizarra el nmero de veces que se obtuvo cada color. Finalmente
se comentan los resultados que se obtienen.
Actividad 2.
Se trata de repetir la actividad anterior pero con dos de las cuatro bolas de
igual color, es decir hay tres colores y cuatro bolas. Antes de realizar la primera
seleccin se debe notar si los estudiantes se dan cuenta que ahora hay un color
que "puede salir ms veces''. Una vez realizado el experimento conviene escri-
bir en la pizarra algunos comentarios como "el color que estaba repetido sali
ms veces ...'', "todos los colores salieron ...'', etc.
Actividad 3.
El maestro entrega a los alumnos una hoja en la cual est descrito el experi-
mento. Se tiene una caja con cinco bolas de diferentes colores: roja-verde-azul-
amarilla-negra. Se extrae una bola y se anota el color. Cul cree usted que
48
saldr? Si se realiza el experimento 20 veces cree usted que hay alguna bola
que saldr ms veces?. Nuevamente, lo importante es considerar aquellos co-
mentarios que tienen un sentido relacionado con el azar.
Actividad 4.
El maestro entrega a los alumnos una hoja donde se describe el experimento:
Se tiene una caja con cinco bolas: cuatro rojas y una amarilla. Se pueden repe-
tir entonces preguntas similares a las anteriores y se puede pedir al nio que
haga dibujos que ilustren su respuesta.
Comentarios de las actividades

En estas actividades se busca iniciar al alumno con experiencias aleatorias, de
manera que pueda decir cules son los posibles resultados y cules pueden ocurrir con
ms frecuencia, usando recursos de fcil manejo y atractivos para el nio.
En las actividades 1 y 3 los eventos simples son equiprobables, mientras que en

la actividad 2 no lo son. En la actividad 4 el nio debe seguir el modelo de las activida-
des anteriores pero el experimento es mental, en el sentido que el texto le describe la
experiencia pero no tiene la presencia fsica de la caja con las bolas.
Combinando nombres
Actividad 1.
El maestro escribe en el pizarrn los nombres de cinco personas y pregunta a
los nios. "Si se quiere escoger un comit de tres personas que representen a
estos nios, de cuntas formas podemos hacerlo?''. Una vez que se han escu-
chado algunas opiniones se les pide que digan posibles escogencias y se van
anotando en la pizarra, teniendo el cuidado de que no queden repetidas. Es im-
portante que en algn momento de la actividad se establezca que el orden no
interesa, es decir que tres nombres en diferente orden representan el mismo
comit. En este caso un problema que se plantea es cmo determinar cuando
se tienen todos los resultados posibles para garantizar que se tienen todas las
posibilidades. Si no se oyen sugerencias, conviene entonces que el profesor
plantee a los estudiantes una tcnica para formar estos comits. Una de ellas
podra ser fijar un nombre, y luego escoger el segundo y el tercero. Es muy im-
49
portante que en este nivel el profesor no d frmulas, para que el alumno logre
construir resultados.
Actividad 2.
Otra actividad que conviene plantear como variante del caso anterior es aquella
donde se asignara a cada uno de los miembros del comit una determinada ta-
rea que podemos llamar P=presidente, S=secretario y T=tesorero. Llamaremos
a estos grupos directivas. La fase donde se establecen los resultados podra ser
semejante a la realizada en la actividad anterior. Sin embargo conviene tam-
bin desarrollarla en el sentido de que cada comit permite obtener un cierto
nmero de directivas; as el profesor podra pedir inicialmente a los estudiantes
que digan cules directivas se pueden obtener del comit formado por Mario-
Carmen-Ana. Se esperara que el estudiante haga todas las ordenaciones posi-
bles con estos tres nombres y obtenga que el resultado es seis directivas. Ob-
serve que del grupo de cinco personas se podran obtener sesenta directivas en
total. Tratar de obtenerlas todas tal vez sea difcil, lo importante es que los es-
tudiantes se den cuenta que en el caso de la actividad anterior el orden en la
terna no importa, en cambio en esta actividad el orden de la terna s importa.
Actividad 3.
El maestro les pide que formen grupos de tres personas y le entrega una hoja a
cada alumno. En sta se indican seis nombres y se les pide que determinen
cuantos comits de cuatro personas se pueden formar con esas seis personas.
La idea es que el alumno solo diga cuntos. El diagrama de rbol funciona bien
en este caso.
Actividad 4.
Una vez realizada la actividad anterior conviene que los alumnos establezcan el
nmero de directivas de cuatro personas que se pueden formar de esas seis
personas.
Actividad 5.
Otra actividad que se puede desarrollar es pedir a cuatro alumnos que se colo-
quen frente al grupo uno al lado del otro. Una vez all se les pide que se orde-
nen de distintas formas. Otro alumno escribira en la pizarra cada uno de los re-
50
sultados. Se esperara que puedan establecer el resultado para la siguiente in-

terrogante. "De cuntas formas se pueden ordenar cuatro personas?''
Luego el profesor podra plantear las preguntas: "De cuntas formas se pue-
den ordenar cinco personas?'' "De cuntas formas se pueden ordenar seis per-
sonas?''
Conviene que el grupo generalice un mtodo para poder contestar esas pregun-
tas para cualquier nmero de alumnos.
Comentarios de las actividades

Las tcnicas de conteo permiten al estudiante reconocer un universo de eventos
donde debe trabajar. Este es un elemento necesario para que l pueda llegar a esta-
blecer una asociacin entre un determinado evento y una medida de la incertidumbre.
En espacios de probabilidad discretos, para asignar una medida a la incertidumbre de
un cierto fenmeno aleatorio, se requiere determinar el nmero de eventos favorables
entre la totalidad de eventos posibles.
De esta manera se hace necesario desde la primaria introducir a los estudiantes a

las diferentes tcnicas de conteo, aunque no se llegue a formalizar la teora. As se irn
desarrollando las estructuras mentales necesarias para etapas posteriores donde s se
requiere de la formalizacin de resultados, trabajo que por cierto algunos investigado-
res han sealado como difcil de enfrentar para los estudiantes.
Andr Antibi, en su libro Didcticas de las Matemticas. Mtodos de Resolucin de Pro-
blemas[1], se refiere a esta problemtica. Muestra el grado de dificultad que presen-
tan, tanto para profesores como estudiantes desde los liceos, los problemas de conteo.
Seala que dichos problemas tienen al menos dos puntos en comn: a menudo no se
est seguro de su resultado y por otro lado muchas veces resultan difciles.
Con las actividades mostradas en esta seccin, se busca que el alumno se inicie en
tcnicas de conteo y a la vez que en el proceso se institucionalice --desde el punto de
vista de la teora de las situaciones de Brousseau-- un procedimiento que ste pueda
utilizar, adems de distinguir las condiciones en las cules se aplica.
Usando dados
El uso de los dados en la escuela primaria plantea el inconveniente que el alumno
confunde el nombre del evento con la frecuencia de la ocurrencia. As, puede ocurrir
que si se lanza un dado el alumno crea que un 5 puede obtenerse con frecuencia cinco
sobre seis. Es por esto necesario que se trabaje con dados que tengan en sus caras
51
colores, dibujos de animales, ciudades, pases, palabras, alimentos, hbitos, activida-

des, etc. Esto permitira al maestro desarrollar actividades donde el nio lance el dado
y pueda realizar una actividad complementaria. Por ejemplo, si sale "Argentina'', decir
cul es la capital. O si sale "dormir'' el nio simula que duerme y el maestro aprovecha
para hacer un comentario sobre la importancia del sueo. As aparece el dado y el azar
como un recurso del aula que permite utilizarse en otras actividades. Es importante
tambin desarrollar actividades como "lance dos dados y diga el resultado de multipli-
car los dos nmeros de las caras''.
Comentarios generales de las actividades propuestas

En general, no es necesario que en primaria se den definiciones de trminos o
se enuncien resultados formalmente. Ms bien conviene ofrecer al alumno acti-
vidades que le permitan desarrollar las estructuras mentales necesarias que lo
lleven a comprender los conceptos de las probabilidades.
Conviene trabajar con atributos de cosas o personas, de manera que la fre-
cuencia de que ocurra un evento no se confunda con el evento mismo.
El maestro puede proponer actividades como "dibuje los resultados posibles'' o
"coloree las distintas formas en que puede ocurrir'', para asegurarse que el nio
est entendiendo el proceso.
El profesor debe plantear actividades que puedan realizarse en grupos peque-
os y que luego puedan ser analizadas en general.
Lo importante es que el alumno desarrolle tcnicas y mtodos para resolver dis-
tintos problemas y no que utilice frmulas.
Es muy importante que el maestro planifique las actividades integrando otras
reas del currculo.
La improvisacin de actividades en el aula debe evitarse pues puede caerse en
resultados de difcil manejo.
Es importante tener siempre presente, "que la caracterstica comn de los fe-
nmenos que estudia la probabilidad es que en ellos se observa la ocurrencia de
algo (...), y en este contexto, experimentar equivale a observar.'' (Prez y
otros, 2000, pg 31)
Actividades para la secundaria

Se propone que se enseen los siguientes contenidos agrupados de la siguiente
manera:
1. Tcnicas de conteo y anlisis combinatorio.
52
2. Clculo de probabilidades de variables aleatorias discretas.

3. Clculo de probabilidades de variables aleatorias continuas.
El tema 1 se puede desarrollar en stimo y octavo, el tema 2 en noveno y dcimo,

y el tema 3 en undcimo ao.
Una propuesta de algunas actividades didcticas para la secundaria
En esta seccin se presentarn modelos de ejercicios ilustrativos para introducir

el tema de probabilidades en secundaria. No se va a entrar en detalles en stos, por-
que alargara demasiado la exposicin, dada la densidad del tema.
La idea es que en este nivel, aprovechando los conceptos y habilidades que traen
los estudiantes de primaria, se vayan introduciendo las definiciones y teoremas nece-
sarios para la comprensin de la teora de probabilidades, formalmente.
Es muy importante dejar claro, en las primeras discusiones, que los fenmenos estu-
diados por la probabilidad cumplen con las siguientes caractersticas:
1. Se conocen todos los posibles resultados antes de realizar el experimento.

2. No se sabe cul de los posibles resultados se obtendr en un experimento en
particular.
3. experimento puede repetirse. (Prez y otros, 2000, pg 31)
Tcnicas de conteo
Actividad 1.
El profesor divide al grupo en subgrupos de cuatro estudiantes.
Les pide a los alumnos que asignen cargos a cada uno de los miembros del gru-
po:
P = presidencia, S = secretara, F = fiscala, T = tesorera.
Cuando ya hayan hecho la asignacin de cargos, les pide que den otra nueva
asignacin.
Despus de que todos los grupos ya hicieron la asignacin les pide que hagan
todas las posibles asignaciones, es decir que escriban todas las posibles formas
de asignar los cargos.
53
Una vez que todos los grupos consideren que finalizaron el trabajo se hace una
comparacin del nmero de resultados que todos los grupos hicieron.
Se debe establecer un resultado general.
Actividad 2.
El profesor muestra a los alumnos una caja con tres bolas distintas solo en el
color --R: roja, B: blanca, A: amarilla--. Pide a un estudiante que seleccione
una bola, anota la letra que corresponde al color. Devuelve la bola. La accin se
repite dos veces ms. El profesor dice a sus alumnos que este tipo de experi-
mento se denomina "tres extracciones con reemplazo''. Luego les dice: "Escri-
ban en sus cuadernos todos los tipos de resultados que se podran obtener''.
Cuando ya los hayan realizado, pregunta: "Cuntos resultados se obtuvieron?''
Conviene que aquellos estudiantes que no obtengan una respuesta correcta re-
visen cules consideraciones no hicieron.
Clculo de probabilidades de variables aleatorias discretas
Actividad 1.
Se divide en tres pasos.

1. Se asignan dos nmeros distintos entre 1 y 6 a cada uno de tres estudiantes.
Por ejemplo: Estudiante A: 1 y 4. Estudiante B: 2 y 5. Estudiante C: 3 y 6.
Un estudiante lanza un dado. Se asigna un punto a aquel estudiante que tiene
el nmero que tiene la cara superior del dado. El ganador del juego es aquel
que logre primero sumar 5 puntos.
2. Se les pide que repitan el juego tres veces. (Pueden cambiar de nmeros si lo
desean)
3. Se entrega una hoja con las siguientes preguntas:
i) Antes de lanzar el dado, cul de todos los jugadores tiene mayor posibilidad de
obtener el punto?
ii) Cul es el nmero mnimo de veces que se debe lanzar el dado para obtener un
ganador?
iii) Cul es el nmero mximo de veces que se debe lanzar el dado para obtener un
ganador?
54
Actividad 2.
Se escriben los nmeros 1, 2, 3 en un papel. En otro se escribe 4, 5 y el 6 en
otro papel. Cada estudiante selecciona un papel de modo que obtenga una
asignacin de nmeros: Estudiante A: 1, 2, 3. Estudiante B: 4, 5. Estudiante C:
6.
Se repite el juego de la actividad 1 con las mismas reglas. Se agrega una pre-
gunta:
iv) Por qu considera que se obtuvo este ganador?
Actividad 3.
Se lanza un dado numerado del 1 al 6 y se observa el nmero de la cara supe-
rior.
1. Anote cules son los resultados que se pueden obtener.
2. Interesa observar si el nmero obtenido es mltiplo de 3. Cules resultados
son favorables a este suceso?
3. Analice el siguiente resultado: "El nmero obtenido es un divisor de 30'' Cul
fue ese nmero?
4. Es posible el siguiente suceso: "El nmero obtenido es un mltiplo de 7''?
5. Cuando un suceso no ocurre con ningn resultado se llama "evento imposible''.
D un ejemplo de otro evento imposible.
6. Puede obtenerse un nmero que sea par y menor que 5? Indique con cules
resultados ocurre este suceso.
Actividad 4.
Hay cuatro jugadores que tienen un cartn con nmeros y lanzan segn su turno dos
dados. Si el total de los dados es un nmero del cartn el jugador coloca una ficha so-
bre ste y contina otro jugador. Gana aqul que complete una fila o columna antes
que los otros jugadores.
55
7 9 5 6 9 7 8 5 7 11 9 12
8 * 3 4 * 3 3 * 10 3 * 10
6 10 4 10 11 12 4 11 2 2 4 5
Es importante que el estudiante conjeture con cul de los cartones podra tener ms
xito. Para esto el profesor debe orientarlo para que analice la probabilidad de que se
obtenga cada uno de los nmeros y tambin observe su correspondiente posicin en el
cartn. No es lo mismo que aparezca en un cartn una fila o columna con el 6, 7 y 8,
que tener estos mismos nmeros desordenados en el cartn. o que no aparezcan estos
nmeros del todo.
Actividad 5.
Suponga que se tienen dos dados que se lanzan para anotar el total de la
suma de las caras superiores.
1. Es posible obtener ? Explique.

2. Escriba todos los resultados posibles que se pueden obtener.
3. De cuntas formas distintas se puede obtener ?

4. Complete la primera tabla (la tabla cruzada), escribiendo en cada casilla
el total, , que se obtiene al sumar los nmeros que corresponden a la

fila y a la columna. En la segunda tabla, escriba el nmero de veces que
ocurre (la frecuencia ), usando sus resultados en la tabla 1:
56
1 2 3 4 5 6
1
2
2 5
3
3 4
4 5
5 6
7
6 11
8
10
11
12
5. Suponga que se van a lanzar dos dados. Hay tres jugadores y usted debe esco-
ger de primero un nmero de los posibles que se obtendran al sumar. Cada ju-
gador escoge un nmero distinto. Ganar aqul que tiene el nmero que sale
en la suma.
i. Cul nmero escogera usted? Explique.
ii. Si antes que usted los otros jugadores escogieron el 7 y 8, cul escoge-
ra usted? Explique.
Actividad 6.
Definicin "Un fenmeno es aleatorio si se conocen todos los resultados posi-

bles, pero no se puede decir con seguridad cul de ellos ocurrir en un caso
particular'' (Prez y otros, 2000, pg 27)
Indique si los siguientes sucesos son aleatorios.
Punto cardinal por donde saldr el sol maana.
El marcador de un partido de ftbol antes de que inicie el partido.
Lado por el que circulan los automviles en una carretera de dos vas en
Costa Rica.
El artculo que se compr result defectuoso.
Color de la luz en un semforo que sigue despus del color verde.
57
El resultado de un dado que se lanza.

Que un fumador muera de enfisema pulmonar.
D un ejemplo de:
a) Una situacin de la vida cotidiana cuya ocurrencia dependa del azar.
b) Un hecho cientfico cuya ocurrencia es aleatoria.
c) Un hecho de la vida cotidiana cuya ocurrencia parece ser aleatoria pero no lo
es.
d) Un hecho cientfico cuya ocurrencia parece ser aleatoria pero no lo es.
Conclusin
Una manera de contribuir a mejorar la enseanza de la teora de las probabilida-
des en nuestro pas, es por medio de la investigacin. Las interrogantes planteadas en
la Seccin 4 de este trabajo deberan desarrollarse en proyectos de investigacin o
accin social, o bien, en tesis de licenciatura o maestra, dada la necesidad de aclarar
dichos puntos.
Por otro lado, si se busca que una propuesta acerca de profundizar ms en la en-
seanza de la teora de las probabilidades en Costa Rica tenga xito, es indispensable
que las instituciones de educacin superior tomen el asunto en sus manos, tanto apo-
yando investigaciones como las que se proponen en este trabajo, como con la labor de
impulsar planes de capacitacin en dos direcciones: una para formar a los docentes
que nunca estudiaron los temas de Probabilidad y Estadstica; otro que ayude a refres-
car a los que olvidaron estos temas.
Adems, se hace necesario incluir cursos especficos de Probabilidades en el plan

de estudios de los maestros de primaria en el que se brinde todo lo necesario para que
se desenvuelvan con soltura. As mismo, es importante tener en consideracin que el
futuro maestro o profesor se forme tambin en cuanto a la historia de la matemtica,
en este caso, especficamente en el rea de la Probabilidad. Deben conocerse los prin-
cipales aportes de los matemticos en este campo, cules problemas se estudiaron y
de qu manera los enfrentaron, ya que esto podra facilitar su comprensin.
Por ltimo, dado que la Teora de Probabilidades clsicamente usa el lenguaje de

la Teora de Conjuntos, es importante que esta ltima se retome en los planes de es-
tudio de matemtica, tanto en la formacin de docentes como en los programas oficia-
58
les. El estudio conjunto de algunos conceptos podra ser beneficioso para los estudian-
tes.
Bibliografa
1. Antibi, A. (2000) "Didctica de las Matemticas. Mtodos de Resolucin de Proble-
mas''. Editorial de la Universidad de Costa Rica, Serie Cabcar, San Jos, pg. 128-
147.
2. Brousseau, G. (1986) "Fundamentos y mtodos de la didctica de las matemti-
cas'', Recherches en Didactique des Mathmatiques, Vol 7, N , pg. 33-115. Tra-

ducin al espaol por Centeno, J.; Melendo, B.; Murillo, R.
3. Dacunha-Castelle, D. (1996) Chemins de L'Aleatorie. Le Hasard et le Risque dans la
Socit Moderne. Flammarion, Paris
4. Douady, R. (1995) "La ingeniera didctica y la evolucin de su relacin con el co-
nocimiento'', Ingeniera Didctica en Educacin Matemtica. Un esquema para la
investigacin y la Innovacin en la Enseanza y Aprendizaje de las Matemticas.
Gmez P., editor. Grupo Editorial Iberoamrica, Bogot, pg. 61-96.
5. Kline, M. (1998) Matemticas para los Estudiantes de Humanidades. Consejo Na-
cional de Ciencia y Tecnologa, Fondo de Cultura Econmica, Mxico.
6. Ministerio de Educacin Pblica (C.R.). (2001) Programa de Estudios, Matemtica,
II Ciclo. Imprenta Nacional, San Jos.
7. Prez, B. R.; Castillo, A.; De los Cobos, S. (2000) Introduccin a la Probabilidad.
Universidad Autnoma Metropolitana, Unidad Iztapalapa, Mxico.
8. Turner, J.C. (1981) Matemtica Moderna Aplicada. Probabilidades, Estadstica e
Investigacin Operativa. Versin espaola de Andrs Ortega. Alianza Editorial, Ma-
drid.
9. Sitio Web: almez.pntic.mec.es/-agos0000/cardano.html, 15 de abril, 12:00 m.d.
59
LECTURA 5.
Nociones Bsicas
GRAFOS (REDES Y CIRCUITOS)
http://www.um.es/mataplic/fguil/tema3-grafos.doc
4.1.- DEFINICIONES BSICAS

Un grafo G es un par (V,E) donde V es un conjunto (llamado conjunto de vrti-
ces) y E un subconjunto de VxV (conjunto de aristas).
Grficamente representaremos los vrtices por puntos y las aristas por lneas que
los unen.
Un vrtice puede tener 0 o ms aristas, pero toda arista debe unir exactamente 2
vrtices.
Llamaremos orden de un grafo a su nmero de vrtices, |V|.
Si |V| es finito se dice que el grafo es finito. En este curso estudiaremos los gra-
fos finitos, centrndonos sobre todo en grafos no dirigidos. Tambin supondremos, a
no ser que se diga lo contrario, que entre dos vrtices hay, como mucho, una arista y
que toda arista une dos vrtices distintos.
Aristas
Si la arista carece de direccin se denota indistintamente {a,b} o {b,a}, siendo a
y b los vrtices que une.
Si {a,b} es una arista, a los vrtices a y b se les llama sus extremos.
Vrtices
Dos vrtices v, w se dice que son adyacentes si {v,w}A (o sea, si existe una
arista entre ellos)
Llamaremos grado de un vrtice al nmero de aristas de las que es extremo. Se
dice que un vrtice es par o impar segn lo sea su grado.
60
Caminos
Sean x, y V, se dice que hay un camino en G de x a y si existe una sucesin
finita no vaca de aristas {x,v1}, {v1,v2},..., {vn,y}. En este caso
- x e y se llaman los extremos del camino
- El nmero de aristas del camino se llama la longitud del camino.
- Si los vrtices no se repiten el camino se dice propio o simple.
- Si hay un camino no simple entre 2 vrtices, tambin habr un camino simple
entre ellos.
- Cuando los dos extremos de un camino son iguales, el camino se llama circuito o
camino cerrado.
- Llamaremos ciclo a un circuito simple
- Un vrtice a se dice accesible desde el vrtice b si existe un camino entre ellos.
Todo vrtice es accesible respecto a si mismo
Ejemplos de Grafos
1.- Grafo regular: Aquel con el mismo grado en todos los vrtices. Si ese grado
es k lo llamaremos k-regular.
Por ejemplo, el primero de los siguientes grafos es 3-regular, el segundo es 2-
regular y el tercero no es regular
2.- Grafo bipartito: Es aquel con cuyos vrtices pueden formarse dos conjuntos
disjuntos de modo que no haya adyacencias entre vrtices pertenecientes al mismo
conjunto
Ejemplo.- de los dos grafos siguientes el primero es bipartito y el segundo no lo

es
61
3.- Grafo completo: Aquel con una arista entre cada par de vrtices. Un grafo
completo con n vrtices se denota Kn.
A continuacin pueden verse los dibujos de K3, K4, K5 y K6
Todo grafo completo es regular porque cada vrtice tiene grado |V|-1 al estar
conectado con todos los otros vrtices.
Un grafo regular no tiene por qu ser completo.
4.- Un grafo bipartido regular se denota Km,n donde m, n es el grado de cada con-
junto disjunto de vrtices.
A continuacin ponemos los dibujos de K1,2, K3,3, y K2,5
4.2.- PRIMEROS RESULTADOS SOBRE GRAFOS

Proposicin.- La suma de los grados de los vrtices es igual al doble del nmero
de aristas
Demostracin
Al realizar la suma de los grados de todos los vrtices, como cada arista tiene 2
extremos se cuenta exactamente 2 veces. Por tanto la suma de los grados de los vrti-
ces es igual al doble del nmero de aristas
Definicin (matriz de adyacencia de un grafo)

Sea G un grafo de orden n. Llamaremos matriz de incidencia de G a la matriz nxn
que llamaremos A = (aij) donde aij = 1 si {i,j}A y aij = 0 en otro caso.
La matriz de adyacencia siempre es simtrica porque aij = aji
62
Ejemplo:
v1 v2 v3 v4 v5
v1 v2
v1 0 1 1 0 0
v2 1 0 1 1 0
v3 1 1 0 1 1
v3 v4
v4 0 1 1 0 0
v5
v5 0 0 1 0 0
Teorema.- Sea G un grafo de n vrtices con n > 1 y sea A su matriz de adya-
cencia. Se cumple que el valor del coeficiente aijk de la matriz Ak es igual al nmero de
caminos de longitud k con extremos vi y vj

Demostracin
Por induccin en k
Para k = 1 es la definicin de A
Supongamos que es cierto para k y vamos a verlo para k+1.
La casilla (i,j) de Ak+1 es el producto de la fila i de Ak por la columna j de A, es
decir, si llamamos (a, b, c,...) a la fila i de Ak y (a, b, c,...) a la columna j de A, en-
tonces la casilla (i,j) de Ak+1 es aa + bb +......
El nmero de caminos de longitud k+1 de i a j que pasan en ltimo lugar por el
vrtice 1 ser 0 si no hay arista de 1 a j o bien coincidir con el nmero de caminos de
longitud k de i a 1 si existe arista de 1 a j. En resumen, como el nmero de caminos de
i a 1 es el primer elemento de la fila i de Ak, y el primer elemento de la columna j de A
vale 1 0 dependiendo de si hay o no arista de 1 a j, tendremos que el nmero de
caminos de longitud k+1 de i a j que pasan en ltimo lugar por el vrtice 1 ser siem-
pre aa.
De manera anloga el nmero de caminos de longitud k+1 de i a j que pasan en

ltimo lugar por el vrtice 2 ser siempre bb, y as sucesivamente.
El nmero total de caminos de longitud k+1 de i a j ser la suma de todos los
anteriores, es decir, aa+bb+cc+...., es decir, el elemento (i,j) de la matriz Ak+1.
Nota.- Si existe un camino de longitud m (m n) entre 2 vrtices cualquiera,

entonces existe un camino de longitud n-1 entre esos dos vrtices.
63
Definicin.- Un grafo G se dice conexo si cada par de vrtices est unido al me-
nos por un camino.
Definicin.- La relacin entre vrtices dada por v est relacionado con w si hay
un camino que los une es de equivalencia. Las clases de equivalencia de esta relacin
se llaman las componentes conexas del grafo.
Nota.- Un mtodo para comprobar si un grafo es conexo es el siguiente:

- Se halla la matriz de adyacencia y se eleva a la n-1-sima potencia
- Se calcula la suma de las potencias de A hasta An-1
- Si todos sus elementos son 0, el grafo es conexo.
Definicin.- Una arista de un grafo G se dice de separacin si G es conexo pero

al suprimir la arista se divide en dos componentes conexos
Definicin.- Dados dos grafos G=(V,E) y G=(V,E), se denomina isomorfismo

entre G y G a cualquier aplicacin biyectiva f:G G tal que si a, b V, entonces
{a,b}E {f(a),f(b)}E.
Es decir, es una aplicacin biyectiva entre los vrtices de V y los de V de modo

que los vrtices conectados siguen estndolo. En este caso, diremos que G y G son
isomorfos.
Si G y G son isomorfos son matemticamente iguales y solo vara la apariencia,

o sea, que se mantienen las adyacencias, estructura, caminos, ciclos, n de vrtices,
n de aristas, etc.
4.3.- GRAFOS EULERIANOS Y HAMILTONIANOS

Grafos eulerianos
Llamaremos camino euleriano a un camino que contiene a todas las aristas del
grafo, apareciendo cada una exactamente una vez.
Un ciclo euleriano es un camino euleriano que comienza y acaba en el mismo

vrtice.
64
Definicin.- Un grafo que admite un ciclo euleriano diremos que es un grafo

euleriano.
Ejemplo:
1 2
1) El primero no tiene ciclos ni caminos eu-
leriano,
8 5 3 El segundo tiene ciclo euleriano
6 4
2) Si un grafo es isomorfo a un solo ciclo, siempre tiene ciclo euleriano
Proposicin.- Si un grafo est formado por dos subgrafos eulerianos unidos al

menos por un vrtice y sin aristas en comn, entonces es euleriano
Demostracin
Empezamos por uno de los vrtices en comn, v. Partiendo de l podemos reco-
rrer el primer subgrafo con un ciclo euleriano, volviendo al vrtice de partida.
Ahora recorremos el segundo subgrafo con su ciclo euleriano. La unin de estos
dos ciclos vuelve a ser un ciclo que recorre todas las aristas exactamente una vez, por
tanto es un ciclo euleriano de todo el grafo.
Nota.- Lo mismo ocurre con una unin finita en las condiciones anteriores
Teorema.- Un grafo conexo G=(V,A) es euleriano todo vrtice tiene grado

par.
Demostracin:
(por induccin en |A|=m)
El menor nmero posible de aristas es 3. En este caso el grafo es un tringulo
que es euleriano.
Suponemos que el teorema es cierto para grados en las mismas condiciones y
con menos de m aristas. Tenemos un grafo G con todos los vrtices de grado par, da-
do que G es conexo v V, gr(v) > 0. Empiezo por un vrtice v cualquiera y voy
recorriendo el grafo mientras pueda, con la condicin de no repetir nunca arista.
Si llego a un vrtice w que no sea el del principio, puede pasar que no haya pa-
sado antes por l o que no sea la primera vez que pase por w.
65
En el primer caso, la nica arista elegida es la que haya usado ahora para llegar
aw
En el segundo caso, cada vez que haya pasado antes por w habr escogido dos
aristas (una para llegar y otra para salir) y, finalmente, habr escogido una ms para
llegar esta ltima vez a w.
En cualquiera de los dos casos, he cogido un nmero impar de aristas en w. Co-
mo w tiene grado par, tiene que haber alguna que no haya cogido todava. En conse-
cuencia, puedo seguir recorriendo el grafo.
Como el nmero de aristas es finito, llegar un momento en que tenga que pa-
rarme, es decir, llegar un momento en que al llegar a un vrtice no pueda seguir por-
que ya haya elegido todas las aristas que haba en ese vrtice. Por lo que hemos dicho
antes, en ese momento debo estar de vuelta en el vrtice v y hemos construido un
ciclo.
Consideremos el subgrafo formado por el ciclo anterior que es claramente eule-
riano.
Si ese subgrafo tiene todas las aristas del grafo, el grafo original coincide con el
subgrafo, por lo que G es euleriano.
En otro caso, consideremos el subgrafo formado por las aristas que no hayamos
elegido. Este subgrafo tiene un nmero menor de aristas que G. Adems, el grado de
los vrtices ha de seguir siendo par. En efecto, el grado de los vrtices ser el grado
original (que era par), menos las aristas que hayamos quitado. Pero, como lo que he-
mos quitado es un ciclo, el nmero de aristas que quitamos en cada vrtice es un n-
mero par (igual a dos veces el nmero de ocasiones en que el ciclo pase por ese vrti-
ce). En consecuencia, el grado de cada vrtices es ahora par - par = par. Descompo-
niendo en componentes conexas, tendremos ahora una unin disjunta de grafos que,
por el principio de induccin, deben de ser eulerianos.
Ahora bien, la unin de estos grafos es G que era conexo, as que deben tener
vrtices en comn. Pero ya vimos que la unin de grafos eulerianos sin aristas en co-
mn y unidos por vrtices es euleriano.
Como todas las aristas estn una vez y slo una en el ciclo, el grado de un vrtice
es el nmero de aristas del ciclo que pasan por l. Si recorremos el ciclo, cada vez que
pasamos por un vrtice tendremos dos aristas (una de llegada y otra de salida). Por
66
tanto el grado de cada vrtice ser dos veces el nmero de ocasiones que pase por l
el ciclo euleriano. En consecuencia el grado es par
Proposicin.- Un grafo conexo tiene un camino abierto euleriano tiene exac-

tamente dos vrtices de grado impar.
Demostracin
Aadimos un nuevo vrtice junto con dos aristas que lo unan a los dos vrti-
ces que tenan grado impar. Ahora estos vrtices, al haberles aadido una arista a ca-
da uno, tienen grado par y el nuevo vrtice tiene grado 2, por tanto, todos los vrtices
son de grado par. Por el teorema anterior, tendremos un ciclo euleriano. Si en dicho
ciclo quitamos ahora el vrtice y las dos aristas que habamos aadido, obtendremos
un camino abierto que contiene exactamente una vez a cada arista de nuestro grafo
original.
La demostracin es similar a la del teorema de Euler.
Algoritmo de Fleury
Si G es un grafo euleriano siempre es posible seguir la siguiente construccin de
un circuito euleriano. Se empieza por un vrtice arbitrario y se recorren las aristas ar-
bitrariamente sometida a dos condiciones:
1) Se borran las aristas a medida que son atravesadas
2) Solo se recorre una arista de separacin si no queda otra alternativa
Caminos hamiltonianos
Un camino hamiltoniano es un camino que recorre todos los vrtices de un grafo
sin pasar dos veces por el mismo vrtice. Si el camino es cerrado se dice un ciclo ha-
miltoniano
Un grafo G se dice hamiltoniano si tiene un ciclo hamiltoniano.
Nota.- A diferencia de los grafos eulerianos, no hay una caracterizacin de cuan-

do un grafo tiene un ciclo o un camino hamiltoniano
Teorema.- Si un grafo es conexo con |V|3 y para cada par de vrtices la suma
de sus grados es mayor o igual que el nmero de vrtices entonces es hamiltoniano.
67
Problema del vendedor ambulante

En un grafo G con pesos se pretende encontrar un ciclo que pase por todos los
vrtices de forma que la suma de los pesos de las aristas escogidas para formar el ci-
clo sea lo menor posible.
4.4.- RBOLES
Definicin.- Un grafo se dice un rbol si es conexo y no tiene ciclos.
Ejemplos: Los dos grafos siguientes grafos son rboles:
Mientras que el siguiente no lo es
Nota.- Por tanto, un grafo es un rbol entre cada par de vrtices existe un
camino y slo uno.
Definicin.- Un grafo se dice un bosque si sus componentes conexas son rbo-

les.
Teorema.- Sea G(V, E) un grafo. Son equivalentes

a) G es un rbol
b) Cada par de vrtices distintos de V esta conectado por un nico camino.
c) G es conexo y toda arista de G es de separacin
d) G no tiene ciclos y |V| = |E| + 1
e) G es conexo y |V| = |E| + 1
f) G no tiene ciclos pero al aadirle una arista a G se crea un nico circuito
Demostracin
ab Por definicin de rbol, G es conexo y entre cada par de vrtices debe ha-
ber, al menos, un camino. Si hubiese dos caminos distintos uniendo dos vrtices, su
unin formara un ciclo, pero los rboles no tienen ciclos
68
bc Es conexo porque cada par de vrtices est conectado por un camino. Una
arista es un camino entre dos vrtices, por tanto es el nico. Si quito esa arista, ya no
hay caminos entre los vrtices que una y el grafo deja de ser conexo. Por tanto toda
arista es de separacin.
cd G no puede tener ciclos porque las aristas de los ciclos no son de separa-
cin
Veamos que |V|=|E|+1 por induccin en |V|
Para |V|=1 hay un nico vrtice v |A| = 0 y |V| = |A| + 1
Supongamos que el teorema es cierto para grafos con menos de n aristas y va-
mos a verlo si n = |A|.
Quito una arista e, que ser de separacin, y el grafo se parte en dos componen-
tes conexas G1 = (V1, E1) con |V1| < n y G2 = (V2, E2) con |V2| < n.
Por la hipotesis de induccin |V1| = |E1| + 1, |V2| = |E2| + 1, luego |V| = |V1| +
|V2| = (|E1| + +|E2| + 1) + 1 = |E| + 1
de Veamos que G es conexo. Si no lo fuera, lo parto en componentes cone-

xas, G1,..., Gm. Cada una de ellas es conexa y sin ciclos, por lo que |V1| = |E1| + 1,
..., |Vm| = |Em| + 1. Pero entonces |V| = |V1| +...+ |Vm| = |E1| + 1 +.....+ |Em| + 1
= |E| + m en vez de ser |E|+1.
ef Suponemos que existe un ciclo (con k aristas y k vrtices) y vamos a llegar

a una contradiccin. Pueden suceder 2 casos
1) k = n, |E| k = n, n = |V| pero por la hiptesis |V| = |E| + 1 luego |V| >
|E|
2) los n - k vrtices restantes necesitan al menos otras n - k aristas que les unan
con los dems para que G sea conexo, pero entonces |E| k + (n - k) = n = |V| pero
por hiptesis |V| = |E| + 1
fa Si G no fuese conexo, habra dos vrtices entre los que no habra ningn
camino. Entonces al aadir una arista entre ellos no formaramos ningn ciclo
Definicin.- Sea G un grafo, un rbol generador de G es un subgrafo conexo de

G que tiene los mismos vrtices que G y no tiene circuitos
Nota.- Un rbol generador se puede crear de 2 modos:
69
1) Suprimir aristas que no sean de separacin

2) Partiendo de los vrtices coger aquellas aristas de forma que no creemos nin-
gn circuito
Supongamos que a cada arista se le asocia un nmero positivo (su peso). Un
rbol generador se dice de peso mnimo si la suma de los pesos de las aristas que lo
componen es lo menor posible
Para calcular el rbol de peso mnimo existen 2 algoritmos:

- Kruskal: Se van cogiendo las aristas de menor peso hasta conseguir un rbol
de peso mnimo
- Prim: Consiste en ir borrando las aristas de mayor peso posible y que no sean
aristas de separacin.
Puede haber ms de un rbol generador de peso mnimo, pero todos deben tener
el mismo peso.
Definicin.- Un rbol con raz es un rbol con un vrtice distinguido llamado

raz.
Si le quitan la raz quedan rboles con raz T1,T2,...
En este tipo de rbol los vrtices se llaman nodos. Se llama hijo de un nodo al
vrtice adyacente que esta ms alejado de la raz que el nodo del que es hijo. Los no-
dos sin hijos se llaman hojas.
Un rbol se dice n-ario cuando todos los nodos excepto los terminales tienen a lo
sumo n hijos.
Definicin.- Se llama nivel de un vrtice al nmero de aristas que le separan de

la raz. La raz tiene nivel 0.
Se llama altura de un rbol al mximo nivel de sus vrtices.
4.5.- GRAFOS PLANOS

Definicin.- Un grafo se dice plano si admite una representacin grfica en el
plano de modo que dos aristas pueden cortarse nicamente en un vrtice.
Una representacin grfica de este tipo se llama un mapa.
70
Decimos que un mapa es conexo si representa a un grafo conexo.
Ejemplo:
Grafo plano Mapa del grafo plano
Un mapa divide al plano en varias partes llamadas regiones. Cada regin de un

mapa M est delimitada por un ciclo si el mapa es conexo. Tambin se cuenta como
regin la exterior a la figura.
Ejemplo:
4
1 2
3
Definicin.- Se llama grado de una regin a la longitud del camino que la bor-
dea.
Dos regiones de un mapa se consideran adyacentes si el circuito que las bordea
tiene alguna arista en comn.
Teorema.- La suma de los grados de las regiones de un mapa es igual al doble

del nmero de aristas del grafo al que representa.
Demostracin
Toda arista es frontera simple de 2 regiones o doble de la misma regin, con lo que
cada una se cuenta doble.
Ejemplo de frontera doble:
Definicin.- Llamaremos pseudomultigrafo dual de un mapa M, a aquel que se

construye asociando un vrtice a cada regin de M y si una arista es frontera comn de
dos regiones, aadimos en el dual una arista uniendo los vrtices correspondientes a
esas regiones.
71
Como dos regiones pueden tener ms de una arista como frontera comn, nos
vemos obligados a permitir que haya ms de una arista entre dos vrtices. As mismo,
puede haber aristas que empiecen y terminen en el mismo vrtice.
Ejemplo de construccin:
Teorema.- Todo mapa conexo verifica

n regiones + n vrtices n aristas = 2
Demostracin:
Sea G un mapa conexo. Por induccin en |E|:
E 0
a) Si |E|=0. |V|=1, |R|=1. Con lo que claramente se verifica
Mapa conexo
la frmula de Euler.
b) Supongamos que |E|= m 1
Se dan dos casos
1) Si el mapa tiene algn ciclo. Consideremos el subgrafo G' resultante
de suprimir una arista perteneciente a un circuito. G' seguira siendo
conexo porque la arista perteneca a un circuito y el nmero de re-
giones disminuye en una unidad porque las aristas pertenecientes a
un ciclo siempre son fronteras de dos regiones distintas. Por la hip-
tesis de induccin, para M' tenemos que R 1 V E 1 2 , lue-

go R V E 2
2) Si el grafo no tiene ningn ciclo (es decir, si es un rbol). En este caso

|R|=1. Usando la relacin entre el nmero de vrtices y de aristas de
un rbol, tendremos R V E 2
Definicin.- Una subdivisin elemental de un grafo G es el grafo G' obtenido

colocando un vrtice en medio de una arista de G.
Una subdivisin de un grafo G es un grafo obtenido efectuando un nmero finito
de subdivisiones elementales sucesivas.
72
Teorema ( de Kuratowski)
Un grafo G es plano no contiene ningn subgrafo isomorfo a una subdivisin
de K5 o K3,3.
Demostracin:
Demasiado complicada para este nivel.
4.6.- COLORACIONES DE GRAFOS

Definicin.- Sea G = (V,E) un grafo y C = {1,2,..k} un conjunto de k colores.
Una coloracin con k colores del grafo G es una aplicacin de f : V C de modo que si
los vrtices u, v, son adyacentes entonces f(u) f(v).
Se llama nmero cromtico del grafo G al menor k tal que G puede colorearse
con k colores
Teorema (de los 4 colores).- El nmero cromtico de un grafo plano es siem-

pre menor o igual que 4.
Definicin.- Un grafo G se dice que es bipartido si se puede colorear con 2 colo-

res
Teorema.- Un grafo es bipartito no tiene circuitos de longitud impar.

Demostracin
Si G es bipartito, los vrtices de cada circuito deben ir alternando de un color
a otro. Para que el color del primer y ltimo vrtice del circuito no coincidan, el nmero
de aristas del circuito debe ser par.
Podemos suponer que el grafo es conexo.

Elijo un vrtice cualquiera v y, dado otro vrtice distinto, habr siempre al menos
un camino que lo una a v.
Adems, si hay ms de un camino, cada dos de ellos formarn un ciclo que habr
de ser de longitud par. Por tanto, los dos caminos sern simultneamente de longitud
par o impar. Por tanto no hay problema en asociar el primer color a aquellos vrtices
que estn unidos a v por caminos de longitud impar y dar el segundo color a los de-
ms.
73
Si hay una arista entre dos vrtices, u w, cualquier camino de v a u se contina

hasta w al aadir esta arista. Por tanto, si los caminos de v a u eran de longitud par,
los de v a w sern de longitud impar (as mismo, si los caminos a u son de longitud
impar, los caminos a w sern de longitud par). Por tanto la arista une siempre vrtices
de distinto color.
Definicin.- Sea G un grafo bipartido, donde los vrtices se descomponen en V1

y V2 segn su color y siendo el nmero de vrtices en V2 mayor o igual que el de V1.
Un emparejamiento en G es elegir para cada vrtice de V1 otro de V2 tal que
1) Cada vrtice de V1 est unido por una arista con el correspondiente vrtice de V2
2) A dos vrtices de V1 distintos les corresponden vrtices distintos de V2
Condicin de diversidad.- El grafo G cumple la condicin de diversidad si, para

cualquier k menor o igual que el nmero de vrtices de V1, y cualquier subconjunto de
k vrtices de V1, hay al menos k vrtices de V2 unidos a ellos.
Teorema.- En un grafo bipartido hay un emparejamiento si y slo si se da la

condicin de diversidad
Demostracin
Es obvio, ya que dados k vrtices de V1 estn unidos, al menos, a los corres-
pondientes k vrtices de V que proporciona el emparejamiento
Por induccin en n = nmero de vrtices de V1

Para n = 1 es inmediato
Supongamos que es cierto para grafos en que V1 tiene menos de n vrtices y
vamos a verlo para n. Pueden darse dos casos
Caso1.- Hay un nmero k < n tal que hay k vrtices de V1 unidos exactamente a
k vrtices de V2.
En este caso partimos el grafo en dos, G1 y G2. En el primero ponemos los k vr-
tices de V1 con los correspondientes k vrtices de V2 y en el segundo ponemos los de-
ms vrtices.
Veamos que se da la condicin de diversidad en los nuevos grafos por lo que,
dado que en ellos el primer subconjunto de vrtices tiene menos de n vrtices (tendrn
74
k y n-k, respectivamente), la hiptesis de induccin nos asegurara que podamos ha-

cer emparejamientos en ellos y, por tanto, en todo el grafo G.
En el primer subgrafo, dado un nmero r < k, en el grafo inicial haba r vrtices
de V2 unidos a ellos, pero hemos escogido todos los posibles vrtices de V2 unidos a los
k vrtices de V1, por tanto tambin estarn en el grafo G1 y en G1 se da la condicin de
diversidad.
Cojamos ahora r vrtices de V1 que estn en G2. Junto con los k que puse en G1
tendr k + r vrtices de V1 que, en G, deban estar unidos a k + r vrtices de V2. Como
he quitado k vrtices de V2 que puse en G1, en G2 me quedan r vrtices de V2 unidos a
mis k + r vrtices. No pueden estar unidos a los de G1, por lo que deben estar unidos a
los r vrtices de G1 y, una vez ms, se da la condicin de diversidad.
Caso 2.- Para cualquier k y cualquier subconjunto de k vrtices de V1 hay al me-

nos k+1 vrtices de V2 unidos a ellos.
Elijo un primer vrtice de V1 y lo emparejo con otro cualquiera de V2 unido a l.
Los quito y me queda un grafo G con n-1 vrtices en V1. Todo se reduce ahora a ver
que en G tambin se da la condicin de diversidad y aplicar la hiptesis de induccin.
Cojo k vrtices de V1 que estaban unidos al menos a k + 1 vrtices de V2. Como
en G he quitado un vrtice de V2, an deben estar unidos al menos a k vrtices de los
que quedan. Por tanto, en el grafo G se sigue dando la condicin de diversidad y, por
la hiptesis de induccin, se puede hacer un emparejamiento. Dicho emparejamiento,
junto con la primera eleccin de emparejar un vrtice de V1 con otro de V2, dan el em-
parejamiento global de G.
75
LECTURA 6.
MATRICES
(Nov. 03) Algunas notas histricas sobre matrices

MARIA VICTORIA VEGUN CASAS
Presentamos en este artculo un repaso de la historia de las matrices y un pro-

blema sobre este tema planteado en Los Nueve Captulos.
El primero que emple el trmino matriz fue el ingls James
Joseph Sylvester en el ao 1850. Sin embargo, hace ms de dos mil
aos los matemticos chinos haban descubierto ya un mtodo de
resolucin de sistemas de ecuaciones lineales equivalente al mtodo
de Gauss y por lo tanto, empleaban tablas con nmeros.
Prueba de ello es que el mtodo aparece en Los Nueve Captulos, la obra ma-
temtica china ms importante de la antigedad.
Uno de los problemas de este tratado es el siguiente:
Hay tres tipos de cereal, de los cuales tres fardos del primero, dos del segundo,
y uno del tercero hacen 39 medidas. Dos del primero, tres del segundo y uno
del tercero hacen 34 medidas. Y uno del primero, dos del segundo y tres del
tercero hacen 26 medidas. Cuntas medidas de cereal son contenidas en un
fardo de cada tipo?
Para resolver el problema el autor del tratado da la siguiente tabla

1 2 3
2 3 2
3 1 1
26 34 39
76
Y da instrucciones para que el lector operando sobre las columnas llegue a la tabla
siguiente
0 0 3
0 5 2
36 1 1
99 24 39
Sin embargo hay que esperar hasta el siglo XIX para que se desarrolle una de las he-
rramientas ms importantes de la matemtica: el lgebra de matrices. A ella contribu-
yeron diversos matemticos, entre ellos los ingleses Cayley y Sylvester, a quienes al-
gunos historiadores han bautizado como los gemelos invariantes.
James Joseph Sylvester naci el 3 de septiembre de 1814 en Londres

en el seno de una familia juda lo que represent, en ocasiones, un
obstculo para su carrera. Arthur Cayley naci el 16 de agosto de
1821 en Richmond. Ambos matemticos, que fueron amigos, tuvie-
ron algunas caractersticas en comn:
Una gran inteligencia que se puso de manifiesto en los primeros aos escolares.
Ambos estudiaron en Cambridge aunque en distintos aos debido a la diferencia de
edad. Sylvester fue alumno de otro algebrista notable De Morgan.
Tenan una gran variedad de aficiones diferentes a las matemticas: leer, viajar, pin-
tar, etc.
Al no poder conseguir un puesto fijo en la Universidad decidieron estudiar Derecho

para poder vivir aunque nunca perdieron su pasin por las matemticas. Se conocieron
siendo abogados.
Trabajaron en matemticas hasta edades muy avanzadas y consiguieron al final de

su vida una ctedra en la Universidad.
Ambos lucharon para conseguir que la mujer pudiese estudiar en la Universidad. En

aquel tiempo las mujeres no podan asistir a clase.
77
Cayley es uno de los matemticos ms prolficos de la historia siendo uno de los primeros
en estudiar las matrices de forma sistemtica. En 1858 public unas Memorias sobre la
teora de matrices en la que daba la definicin de matriz, suma de matrices, de producto de
un nmero real por una matriz, de producto de matrices y de inversa de una matriz. Cayley
afirma que obtuvo la idea de matriz a travs de la de determinante y tambin como una
forma conveniente de expresar transformaciones geomtricas. Al trabajar en la teora de
transformaciones hace constar que si a la transformacin
Si se cambia el orden de la composicin de las transformaciones el resultado es dife-

rente ya que no se cumple la propiedad conmutativa. Gauss, en 1801, haba trabajado
ya la composicin de transformaciones.
Posteriormente continu trabajando en cuestiones relacionadas con este tema estando

interesado en invariantes de matrices, es decir en propiedades de matrices que se
mantienen bajo algunas transformaciones
Tambin a Cayley se debe la nocin de geometra n dimensional y la nocin de grupo

abstracto aunque esta nocin no fue comprendida en ese momento.
78
Bibliografa:
BOYER, C. Historia de la matemtica. Alianza Editorial. Madrid, 1986

BELL, ET. Men of Mathematics. Simon and Schuster, New York, 1937 (En Internet exis-
te una versin en castellano).
79
LECTURA 7.
LA MATEMTICA DE TODOS LOS DIAS
PROBLEMAS DE OPTIMIZACIN
Tomando De viaje con la matemtica. Imaginacin y razonamiento matemti-

co. Por Emma Castelnuovo
2.1. DE UNA OLLA A LA OTRA. CUANDO LOS SENTIDOS ENGAAN

Tal vez ya les ha ocurrido tambin a ustedes, y sino les ha pasado, vayan a la
cocina y... prubenlo.
Lleno de agua una olla baja; aunque despus pienso: No, es mejor aquella otra
alta porque quiero cocinar espagueti (fig. 2.1.).
Vierto el agua de una olla a la otra. Y resulta que el agua no cabe en la olla alta,
mientras que el nivel de la baja estaba por abajo del borde.
No hago caso, pero... lo vuelvo a pensar. Es verdad que el fondo de la segunda
olla es menor que el de la primera, aunque se trata de una olla mucho ms alta.
Figura 2.1
Vuelvo a probar y luego... mido.

Mido el dimetro de la base de las ollas (generalmente no es necesario tomar las
medidas porque estn escritas en el fondo, sobre la parte externa). Una es de 12 cm y
la otra de 24; las alturas son respectivamente de 16 y de 8 cm. Hay por tanto una
compensacin: cuando el dimetro es el doble, la altura es la mitad y viceversa. Pero,
entonces, no deberan contener la misma cantidad de agua los dos recipientes?
En la figura 2.2 estn dibujadas de manera estilizada las dos ollas, como dos ci-
lindros.
80
Para comparar los dos cilindros, inserto el de la base ms pequea (A) dentro del
que tiene la base ms grande (B) (fig.2.3); es como si el cilindro A estuviese dividido
en dos partes iguales: una mitad adentro del cilindro B y la otra mitad afuera.
Figura 2.2
Nos preguntamos: Las dos mitades insertadas en el cilindro B, lo llenan comple-

tamente? Basta observar la figura 2.4 para comprender la situacin: los dos medios
cilindros en realidad no llenan el cilindro bajo!
FICHA HISTRICA
Galileo y los dos contenedores cilndricos

Galileo en el Dilogo en torno a dos nuevas ciencias considera los dos cilindros de
igual superficie lateral que se obtienen al enrollar una hoja de papel a lo ancho y a lo
largo (fig. 2.5); prueba que los dos volmenes son inversamente contrarios a sus altu-
ras.
81
Figura 2.5
Dice Galileo que la gente est siempre convencida de que los cilindros construi-
dos de esta manera deben tener el mismo volumen. Esto es lo que escribe: Hay un
incidente entre el pueblo, del cual se habla como si se tratara de un hecho maravilloso.
Se tiene la costumbre de hacer sacos para contener grano usando un fondo de madera
y utilizando un pedazo de tela ms largo por un borde que por el otro (fig.2.6). En-
tonces ms cuando se utiliza la menor medida de la tela como altura del saco o cuando
se hace lo contrario? Por ejemplo, si un borde de la tela fuese de 6 codos y el otro de
12, ms contendr cuando se circunde la tabla del fondo con la longitud de 12, que-
dando la altura del saco de 6 codos, que si se circundase el fondo de 6 codos teniendo
12 por altura. Ahora bien, por lo que se ha mostrado, a la idea general de contener
ms para un saco que para el otro, se aade el conocimiento especfico y particular del
cul es el que ms contiene; y es que tanto ms contendr cuando ms bajo sea y
tanto menos cuando ms alto.
Los campesinos - parece querer decir Galileo - han aprendido la matemtica de
su trabajo, mientras que la gente se maravilla todava con este incidente.
Y hoy? Los siglos han pasado, pero... sigue siendo igual!
Figura 2.6
82
2.2. DOBLAMIENTO DE UNA HOJA DE PAPEL.

LOS DOS RECIPIENTES
Dejemos ahora la cocina y las ollas para construir recipientes con cartoncillo.
Tomemos dos hojas de papel. Una hoja se puede doblar en cuatro franjas iguales
de dos maneras: a lo ancho y a lo largo (fig. 2.7).
Figura 2.7
Con dos hojas iguales pueden construirse dos paraleleppedos de base cuadrada
(fig 2.8).
Figura 2.8
Si en lugar del papel usamos cartn resistente y le pegamos un fondo cuadrado,

obtendremos dos recipientes: uno es ms alto, pero tiene como base un cuadrado ms
pequeo; en otro es ms bajo, pero su base es ms grande.
Nos preguntamos: Tienen el mismo volumen estos dos recipientes construidos
con hojas iguales? Es decir, les cabe la misma cantidad de material, por ejemplo hari-
na o arroz?
Es verdad que podemos regresar a la cocina con estas dos ollas de cartn y
hacer la prueba, por ejemplo vaciando arroz de una a la otra, pero esta vez tratemos
de ver, de entender sin hacer el experimento.
83
Dan ganas de responder de inmediato: Es verdad que tienen el mismo volu-

men! Es evidente: estn construidos con hojas iguales! Y adems... Se ve!
Para ver mejor, construyamos los dos paraleleppedos con hojas ms angostas,
por ejemplo, con la mitad de una hoja estndar cortada a lo largo (fig.2.9).
Figura 2.9
Obtenemos dos paraleleppedos: uno ancho y estrecho, el otro bajo y largo (fig.
2.10).
Tendrn el mismo volumen? Ahora quedamos un poco perplejos.
En seguida hagamos otra construccin: con dimensiones de hojas diferentes,
tomando por ejemplo la mitad de la ltima hoja cortada a lo largo (fig.2.11).
Cuando procedemos a construir los dos paraleleppedos, nos damos cuanta de

que uno es delgadsimo, como si fuese un tubito de seccin cuadrada; mientras que el
otro tiene una altura ms pequea, pero una base bastante grande (fig.2.12).
84
Figura 2.12
Ya puede verse bien: No, los dos recipientes no pueden tener el mismo volu-
men!
Para convencerse basta con cortar el tubito en cuatro partes iguales
(fig.2.13a); si colocamos estas piezas en el recipiente de base grande, nos damos
cuenta de que dejamos mucho espacio libre (fig.2.13b). Ambas figuras han sido
agrandadas para mayor claridad.
Figura 2.13
2.3. CMO SE CALCULA EL VOLUMEN

DEL PARALELEPPEDO
Reflexionemos una vez ms sobre los dos recipientes construidos al doblar una
hoja de papel.
Para comparar de manera segura los dos recipientes, es necesario calcular el
volumen del paraleleppedo, Si no recordamos la frmula, no tiene importancia porque
85
es fcil entender cmo se obtiene. Dado que volumen corresponde a contenido, sur-
ge espontneamente este razonamiento (fig.2.14).
Figura 2.14
Imaginemos que la base del paraleleppedo se traslada paralelamente a si mis-

ma, hasta llegar a la tapa; todo el paraleleppedo ha sido barrido por la base cuadra-
da que sube por un tramo igual a la altura. El volumen se obtendr por tanto al mul-
tiplicar el rea de la base por la altura, esta es la frmula en smbolos:
V=AXh
en donde V indica el volumen, A el rea de la base y h la altura (se usa frecuentemen-

te la letra h inicial de la palabra height que en ingls significa altura).
En el caso de los paraleleppedos construidos con la primera hoja, la base es un
cuadrado; por tanto, su rea se obtiene multiplicando el laso por s mismo, o sea, cal-
culando el cuadrado del lado.
Podemos ahora calcular el volumen de nuestros paraleleppedos en los diferentes
casos. Comencemos con el primer caso, cuando las dimensiones de la hoja no difieren
mucho. Para facilitar los clculos, tomemos una hoja con dimensiones de 20 y 16 cm.
En la figura 2.15 estn dibujados los paraleleppedos que se obtienen doblando las ho-
jas en cuatro partes iguales. Para cada caso est calculando en seguida el volumen.
86
Resulta ser mayor el volumen del paraleleppedo menos alto, pero con la base
ms grande. Y sin embargo no se vea!
Calculemos ahora los volmenes en el tercer caso, en donde, en cambio, se pro-
baba fcilmente que los volmenes no eran iguales. Las dimensiones de las tiras obte-
nidas al dividir a lo largo la hoja en cuatro, son ahora 20 y 4.
Tenemos ahora las figuras y los clculos relativos a este caso (fig. 2.16).
Se encuentra que los volmenes difieren realmente mucho!
2.4 EL DESCUBRIMIENTO DE UNA

RELACIN ENTRE LOS VOLMENES
Examinemos mejor la ltima pareja de recipientes. El volumen del paraleleppedo
de base ms grande es 100, mientras que el volumen del otro es 20. Resulta entonces
que el paraleleppedo bajo tiene una capacidad que equivale a cinco veces aquella de
la del alto. Observemos que la relacin 1 a 5 que hemos encontrado entre los volme-
nes de los dos paraleleppedos, es tambin la razn entre sus dimensiones 4 y 20, de
la hoja de la cual partimos; de hecho, resulta que
4 1

20 5
Tambin en el primer caso, en el cual las dimensiones de la hoja son 16 y 20, se
verifica la misma propiedad. Ya que los volmenes resultaban ser 320 y 400, su razn
320 16
es , o sea igual a ; con lo que se tiene:
400 20
320 16

400 20
87
Ser siempre de este modo? La razn entre los volmenes de los paraleleppe-
dos obtenidos al doblar en cuatro partes iguales, resultar siempre igual a la razn
entre las dimensiones de la hoja?
Para estar seguros, no basta con probarlo en un caso cualquiera; con probarlo
para 100, 1000,... casi puede decirse que es muy probable que ocurra siempre as,
pero no se tiene la certeza absoluta. La certeza se tiene si hacemos abstraccin de
los nmeros, es decir, si en lugar de nmeros utilizamos letras. Nadie debe espantar-
se por el hecho de usar frecuentemente smbolos para entender mejor!
Denotemos ahora con a y b, las dimensiones de la hoja que vamos a doblar
(fig.2.17).
Figura 2.17
Cuando doblamos la hoja en cuatro partes iguales de las dos maneras (fig. 2.18),
y formamos los paraleleppedos (fig.2.19), obtenemos para cada volumen el valor indi-
cado a un costado de cada figura.
88
b X Ya podemos estar seguros de que la razn de volmenes de los dos paraleleppe-

dos es equivalente a la razn de las dimensiones de la hoja. Se entiende entonces que
si las dimensiones del rectngulo difieren mucho, otro tanto ocurrir con los volme-
nes; en cambio, la razn de los volmenes ser cercana a 1 si la divergencia entre las
dos dimensiones es pequea, y los volmenes sern obviamente iguales en el caso de
una hoja cuadrada.
2.5. CONSTRUCCIN DE PARALELEPPEDOS DE IGUAL

VOLUMEN TRABAJANDO CON CUBOS
En la seccin 2.2 construimos paraleleppedos de base cuadrada valindose de
hojas de papel iguales; tenan por tanto la misma superficie lateral.
Ahora queremos construir paraleleppedos de base cuadrada que tengan el mis-
mo volumen. Trabajemos con 8 cubitos iguales.
Se pueden construir tres paraleleppedos (fig. 2.20): uno de altura 8, colocando
los cubos uno sobre el otro; uno de altura 4, poniendo cuatro niveles formados por dos
cubos, uno sobre otro, y uno de altura 2, disponindolos en cubo, es decir, colocando
cuatro sobre cuatro.
Los tres paraleleppedos tienen obviamente el mismo volumen: es igual a 8, pe-

ro la superficie es diferente!
Puede comprenderse que el paraleleppedo tiene una superficie ms pequea
cuando los cubitos estn ms concentrados, es decir, cuando la figura es ms com-
pacta, o sea, menos expuesta al aire.
Resulta que, igualdad de volumen, el cubo tiene la superficie mnima.
89
2.6. CONSTRUCCIN DE SLIDOS DE IGUAL

VOLUMEN TRABAJANDO CON ARCILLA
Hemos visto que, a igualdad de volumen, el cubo presenta la superficie mnima
entre todos los paraleleppedos.
Nos preguntamos: Entre los slidos que tienen el mismo volumen, pero diferen-
te forma, ser siempre el cubo el que tenga la superficie mnima?
Si deseamos construir slidos de diferentes formas, los cubitos no funcionan muy
bien; trabajemos ahora con un bloque de arcilla (fig. 2.21).
Figura 2.21
Comencemos por construir un cubo, valindose de la arcilla (fig. 2.22).
Figura 2.22
En seguida, para hacer ms compacta la arcilla, comprimamos el cubo, por

ejemplo, ejerciendo una presin horizontal (fig.2.23).
90
El slido se vuelve ms angosto, pero ms alto (fig. 2.24).

Sobre este nuevo slido apliquemos una presin vertical (fig. 2.25a). La altura
disminuye, pero el slido se ensancha (fig. 2.25b)
Y volvamos a apretarlo horizontalmente; se levanta...

Luego se presionamos verticalmente; se ensancha...
Si continuamos de esta manera, se nota que poco a poco, con cada comprensin,
el slido va redondendose cada vez ms Se intuye que se llegar a una esfera.
Y es precisamente una esfera de la cual daremos cuenta en la prxima seccin,
jugando con las burbujas de jabn!
2.7. LAS BURBUJAS DE JABN

PROPIEDAD DEL MNIMO DE SUPERFICIE DE UNA ESFERA
Y DE PERMETRO DE UN CRCULO.
Las burbujas de jabn. Quin no las conoce? Quin no ha jugado y fantaseado
ante estas pelotas iridiscentes obtenidas con agua jabonosa?
Sin embargo, cuando se juega con burbujas de jabn, no se piensa realmente
que estas pelotillas de aire estn dentro de la matemtica!
Tratemos de comprender cmo la matemtica impone sus leyes tambin a este
juego. Observemos las diferentes fases (fig. 2.26): Se empieza sumergiendo un popo-
te en una palangana de agua jabonosa; luego se levanta del agua y se sopla por el
extremo seco, es decir, se introduce una cierta cantidad de aire. Es entonces cuando
se forma una pelota iridiscente que es la burbuja de jabn.
91
La superficie esfrica est formada por una capa finsima de agua jabonosa, capa
que contiene la cantidad de aire que hemos soplado al interior.
La burbuja de jabn tiene como envoltura una finsima pelcula elstica, y esta
pelcula, precisamente por ser elstica, tiende a contraerse hasta hacer mnima su su-
perficie. El hecho de que la pelcula tome forma esfrica significa que, a igualdad de
volumen, es decir de cantidad de aire soplado, la esfera tiene la superficie mnima.
Continuemos jugando con las burbujas de jabn, pero ahora poniendo algn obs-
tculo a la formacin de la esfera. Procedamos de esta manera: Tomemos dos placas
de vidrio y, despus de haberlas humedecido con la solucin jabonosa, coloqumoslas
de modo que sean paralelas (fig. 2.27).
Soplemos ahora una burbuja en el espacio comprendido entre las dos placas, y
observemos. En cuanto se sopla un poco de aire, se forma una pequea esfera que
cabe en el espacio entre las placas.
Sin embargo, cuando se juega con burbujas de jabn, no se piensa realmente que
estas pelotillas de aire estn dentro de la matemtica!
Pero si se contina soplando, habr un momento en el que la pelcula ya no ten-
dr espacio suficiente para seguir siendo esfrica; de pronto, veremos aparecer un
cilindro (fig. 2.28). El cilindro tiene como bases dos crculos colocados sobre las dos
placas.
92
Reflexionemos: cada una de las bases de este cilindro est formada por una l-
mina jabonosa y, por ende, elstica.
El hecho de que la lmina se contraiga en forma de crculo, significa que el crculo
tiene el contorno mnimo entre todas las figuras planas que contienen la misma canti-
dad de sustancia jabonosa. Resulta de este modo que, a igualdad de rea, el crculo
tiene el permetro mnimo.
En resumen, entre todas las figuras planas que tienen la misma extensin, el
crculo es el que tiene el permetro mnimo.
En conclusin, el crculo en el plano tiene la misma propiedad que la esfera en el
espacio.
Hemos iniciado con un juego, pero este juego condujo a descubrimientos mate-
mticas sobre las superficies mnimas y sobre los contornos mnimos, bajo ciertas con-
diciones. Conviene decir que la idea de estudiar las burbujas de jabn desde un punto
de vista cientfico, se debe a un gran fsico matemtico del siglo pasado: el belga J.A.
Ferdinand Plateau.
Estos problemas de optimizacin (hacer mnima una envoltura, hacer mnimo un
contorno bajo ciertas condiciones) han estimulado hasta nuestros das un amplsimo
campo de investigacin por parte de los matemticos.
2.8. RAZONAMIENTO POR REDUCCION

AL ABSURDO. LAS PROPIEDADES
OPTIMAS DE LA ESFERA Y EL CRCULO
El ttulo no debe asustar: no significa que nos proponemos decir cosas absurdas!
Hemos descubierto que:
1. La esfera tiene la superficie mnima a igualdad de volumen.
2. El crculo tiene el permetro mnimo a igualdad de rea.
De estas dos propiedades se desprenden otras dos; se demuestra que:

3. La esfera tiene el volumen mximo a igualdad de superficie.
4. El crculo tiene el rea mxima a igualdad de permetro.
93
Para convencerse de que estas dos ltimas propiedades son vlidas, basta un
razonamiento; hagamos referencia por ejemplo, al crculo. Sabemos que el crculo tie-
ne el permetro mnimo entre todas las figuras planas que tienen la misma rea.
Consideremos a continuacin unas figuras que tienen el mismo permetro; es
fcil construirlas, basta con tomar como contorno un trozo de estambre y acomodarlo
en varias formas: de cuadrado, de tringulo, de crculo, etctera (fig.2.29).
Comparemos a manera de ejemplo el crculo con el cuadrado. Si el rea del crcu-
lo no fuese ms grande que la del cuadrado, las dos reas seran iguales, pero si las
reas son iguales, el crculo tiene, por la propiedad 2, el menor permetro, y esto es
absurdo porque hemos supuesto que las dos figuras tienen el mismo permetro.
Figura 2.29
Con un razonamiento anlogo, se rechaza que el crculo pueda tener un rea ms

pequea que la del cuadrado.
Se concluye que, junto con las propiedades 1 y 2, son vlidas tambin las pro-
piedades duales 3 y 4.
2.9. APLICACIONES DE LAS PROPIEDADES

DE LA ESFERA
Las propiedades de la esfera, presentadas en la seccin anterior, permiten darse
cuenta de la razn por la cual se le da forma esfrica a muchos diseos tecnolgicos.
Comencemos con cosas pequeas, para lo cual regresemos a la cocina. Algunas
marcas de teteras tienen forma esfrica (fig.2.30). No es slo una razn esttica la
que ha sugerido este tipo de tetera, la forma esfrica es conveniente porque la tetera
ocupa poco lugar en la vitrina, aunque tiene una gran capacidad.
Ahora un ejemplo de cosas grandes. En el vuelo espacial del 31 de julio de 1992,
en el cual particip el primer astronauta italiano, estaba conectada al transbordador
una esfera de un metro y medio de dimetro que serva tambin como contenedor. Ya
94
podemos comprender por qu le fue dada la forma esfrica a este contenedor: la esfe-
ra es, entre las diversas formas, la que tiene el mximo volumen, es decir la de mxi-
ma capacidad, a igualdad de envoltura (fig.2.31).
Figura 2.30
Figuras 2.31. Esta es una representacin imaginaria del experimento.

Observe la forma esfrica del satlite Tethered.
95
LA CONSTRUCCIN DE CARTAGO. EL CRCULO

EN UN DILOGO DE GALILEO.
La propiedad del crculo de encerrar la mxima rea a igualdad de permetro es
conocida desde hace mucho tiempo y se pierde en la leyenda.
Virgilio, en la Eneida, cuenta la historia de Dido, y nos hace comprender que esta
mujer, inteligente y valerosa, conoca la propiedad ptima del crculo.
Dido (siglo IX a.C.), hija del rey de Tiro, floreciente ciudad de la costa fenicia
(hoy humilde localidad de Lbano), decidi abandonar su patria junto con un grupo de
habitantes de su ciudad para liberarse del poder de su hermano Pigmalin. Cuenta
Virgilio que Dido lleg en barco a la costa de Numidia (regin que comprende la actual
Tunicia) (fig. 2.32) y, fascinada por el paisaje, pens en adquirir una parte de tierra
pra construir ah una ciudad. Pero el rey de Numidia se opuso y, para tomarle el pelo,
le ofreci una piel de buey dicindole que, utilizando slo sta, le conceda el derecho
de limitar el sitio de la nueva ciudad.
Dido tuvo la idea de hacer cortar la piel en tiras finsimas y de unirlas unas a
otras para obtener un cordn con el cual cercar una parte de terreno.
Figura 2.32
Dispuso este cordn en forma de crculo (o, mejor dicho, en semicrculo porque
quera que la ciudad tuviese vista al mar); es as como el cordn, hecho de piel de
buey, form el sitio de una ciudad que muy pronto se hizo famosa: Cartago.
Se comprende entonces que Dido, muchos siglos antes de Cristo, conoca esta
propiedad: a igualdad de permetro, el crculo contiene el rea mxima.
La propiedad dual del crculo de tener un permetro mnimo a igualdad de rea,
fue utilizada siempre en el medievo para la construccin de ciudades. De hecho no son
pocas las ciudades construidas en ese periodo que presentan forma circular. La razn
era probablemente ahorrar en la longitud de la muralla y, al mismo tiempo, poder vigi-
lar con un nmero mnimo de hombres los ataques que llegaban a la ciudad desde el
exterior (fig. 2.33).
96
Figura 2.33
Desde el punto de vista matemtico, una demostracin de las propiedades p-

timas del crculo se encuentra en la obra de Pappo (tambin conocido como Pappus),
un matemtico griego del ao 400 d.C. Todo parece indicar que Pappo se inspir en un
trabajo del matemtico griego Senodoro, que vivi entre los aos 100 a. C y 100 d.C.
Cuntos siglos haban ya pasado desde la leyenda del Dido!
Pasan los siglos y la propiedad del crculo de encerrar la mxima rea a igualdad
de permetro es puesta a discusin por Galileo en el Dilogo en torno a dos nuevas
ciencias. Esto es lo que dice: Con frecuencia se necesita determinar el tamao de di-
versas ciudades, la gente piensa que basta con saber la cantidad de plazas que las
forman, ignorando que un rea puede ser igual a otra y la plaza contenida en sta mu-
cho mayor que la plaza de aqulla. Esto ocurre no slo entre las superficies irregulares,
sino tambin entre las regulares, entre las cuales las de mayor nmero de lados son
siempre de mayor capacidad que aquellas de pocos lados, de tal modo que a fin de
cuentas el crculo, como polgono de infinitos lados, es el que tiene la mayor capacidad
sobre todos los otros polgonos de igual permetro.
Y como resultado de dialogar con sus amigos, Galileo destac el error, que toda-
va en nuestros das es muy comn, de confundir el concepto de rea con el de per-
metro. Y la propiedad conocida por Dido, la de que el crculo encierra al rea mxima a
igualdad de permetro, la expuso Galileo a sus perplejos amigos... Cuntos siglos han
pasado!
97
UN MTODO PARA COMPARAR VOLMENES

Hemos hablado en la seccin 2.3 de un mtodo que nos permite encontrar la
frmula para calcular el volumen del paraleleppedo.
Hemos imaginado que la base del paraleleppedo (fig. 2.34) se mueve paralela-
mente a s misma hasta barrer por completo el slido.
Figura 2.34
De este modo se entiende que, para obtener el volumen, es decir, para saber
cul es el contenido del paraleleppedo, es indispensable repetir tantas veces el rea
de las base como nos lo indique la altura; es necesario por tanto multiplicar la base por
la altura. Entonces, el volumen depende del rea de la figura plana que se mueve pa-
ralelamente a s misma y de la altura del slido.
Esta idea condujo en 1627 a un alumno de Galileo, el padre Bonaventura Cavalie-
ri, a afirmar que:
Si se cortan slidos de igual altura con planos paralelos a uno fijo, por ejemplo
el plano de la base, y se obtienen secciones de igual rea, entonces los slidos tie-
nen el mismo volumen.
Para entender bien el significado de esta afirmacin, que se conoce como Princi-
pio de Cavalieri, observemos la figura 2.35: Estn representados tres slidos de igual
altura apoyados sobre el mismo plano, uno de base triangular, uno de base cuadrada y
uno cuya base es una figura de contorno curvilneo.
98
Estos slidos son cortados por planos paralelos a la base. Si resulta que las tres
secciones tienen la misma rea en cualquier nivel, es obvio entonces que la cantidad
de material que constituye a los slidos es siempre la misma y, por tanto, los slidos
tienen el mismo volumen.
CMO UN RAZONAMIENTO MATEMTICO LOGRA TRANSFORMAR

UN CUBO EN UNA ESFERA DE IGUAL VOLUMEN
Veremos ahora cmo la matemtica consigue dar una explicacin terica a la
experiencia realizada en la seccin 2.6 con un bloque de arcilla. Estn invitados a se-
guir el razonamiento que se desarrolla en los pasos 1,2 y 3.
1. Del cubo al cilingro

Tenemos un cubo (fig. 2.36) que est apoyado sobre una mesa.
Queremos transformarlo en un slido que tenga el mismo volumen, pero que sea
menos anguloso, por ejemplo en un cilindro. Procedamos de esta forma: Plantamos
sobre la mesa en donde est apoyado el cubo, perpendicularmente al plano de ella, un
alambre de hierro (fig. 2.37).
99
Construyamos ahora un cilindro que tenga el alambre r como eje de rotacin y

que cumpla con esta propiedad: la altura h del cilindro debe ser igual a la altura del
cubo, y el crculo de la base debe tener la misma rea que la base cuadrada del cubo
(fig. 2.38).
Ahora se comprende que el cilindro contiene el mismo volumen del cubo porque
se cumplen exactamente las condiciones indicadas en el Principio de Cavalieri (fig.
2.39).
Qu podemos decir de las superficies de ambos slidos? Las bases tienen la

misma rea porque hemos construido la base circular del cilindro con la condicin de
ser equivalente a la base cuadrada del cubo. Comparemos ahora las dos superficies
laterales. Razonemos sobre la figura 2.40: Puede pensarse que la superficie lateral del
100
cilindro est formada por un conjunto de hilos circulares iguales colocados uno sobre el
otro; en el caso del cubo, en cambio, la superficie lateral est formada por un conjunto
de hilos cuadrados iguales, colocados uno sobre el otro.
En nuestro caso, los dos contornos, circular y cuadrado, encierran la misma rea;
ahora sabemos que (seccin 2.7), a igualdad de rea el crculo es el que tiene el me-
nos permetro. Esto lleva a afirmar que la superficie lateral del cilindro, formada por la
superposicin de hilos circulares, tiene rea menor que la del cubo. Toda la envoltura
del cilindro tiene por tanto una superficie menor que la del cubo, aunque ambos con-
tengan el mismo volumen.
2. Del cilindro a un slido ms redondeado

Partamos ahora del cilindro recin construido. Hemos visto que aunque tiene el
mismo volumen del cubo, tiene una envoltura de menor superficie. Transformaremos
este cilindro en un slido que tiene igualmente el mismo volumen, pero que presenta
una superficie todava ms pequea.
Procedamos de esta manera: Fijemos una recta s perpendicular a la recta r, eje
de rotacin del cilindro (fig. 2.41); construiremos un slido que tenga como eje de ro-
tacin la recta s y que sea equivalente al cilindro.
Figura 2.41
101
Nos basaremos siempre en el Principio de Cavalieri. En esta ocasin cortemos el

cilindro con planos paralelos perpendiculares a la recta s (fig. 2.42).
Las secciones que obtenemos son rectngulos. Estos rectngulos tienen todos la
misma altura (es la altura h del cilindro) y tienen por base una cuerda del crculo, es
decir, un segmento que va de cero (cuando el plano es tangente a las generatrices
del cilindro g o g) a la longitud del dimetro d de la base circular. En correspondencia
con cada uno de estos rectngulos, construyamos un crculo de igual rea, cuyo centro
se encuentre sobre la recta s (fig. 2.43); obtenemos as una superficie de rotacin so-
bre el eje s. El crculo ms grande est sealado en color gris: es equivalente al rec-
tngulo que tiene las dimensiones d y h.
102
A continuacin, conforme hacemos referencia a las secciones rectangulares que

se van alejando del rectngulo mximo hacia la derecha y hacia la izquierda, obtene-
mos crculos cada vez ms pequeos. Los dos rectngulos que se dibujan sobre las
generatrices g y g, corresponden sobre la nueva superficie a crculos de dimetro cero,
es decir, con puntos: los puntos G y G.
Hemos llegado a construir de esta manera un slido que, por el Principio de Ca-
valieri, tiene el mismo volumen que el cilindro. Comparemos ahora la superficie de
este slido con la del cilindro.
La superficie del nuevo slido est formado por hilos, ms cortos o ms largos,
siempre colocados en crculo; en cambio, la superficie del cilindro est formada por
rectngulos ms grandes o ms pequeos.
Los crculos y los rectngulos correspondientes encierran la misma rea, pero no
tienen el mismo permetro porque, a igualdad de rea, los crculos tienen un permetro
menor; en consecuencia, la superficie formada por hilos circulares ser menor que la
formada por hilos rectangulares. El slido redondeado tiene, a igualdad de volumen,
una superficie menor.
3. Hacia la esfera
El razonamiento matemtico ha logrado transformar un cubo en un cilindro, y un
cilindro en una superficie ms redondeada. De esta ltima se puede pasar a otra su-
perficie al fijar como eje de rotacin la antigua recta r; luego a otra ms que tenga a la
recta s como eje de rotacin la recta r y continuar de igual manera.
Se comprende que los slidos que vamos construyendo poco a poco, tienden a
tener a la recta r o a la recta s como ejes de rotacin, y tienden por tanto a la forma
esfrica; de hecho, es la esfera la nica superficie que tiene dos ejes de rotacin per-
pendiculares entre si (fig. 2.44).
El razonamiento que hemos desarrollado hace comprender de qu manera la idea
de una demostracin puede ser sugerida por una experiencia concreta: La demostra-
cin repite de hecho el acto manual con el cual, ejerciendo sobre un cubo de arcilla
una presin, ora horizontal, ora vertical, se le da al bloque de arcilla una forma cada
vez ms redondeada.
103
La esfera tiene solamente dos ejes de rotacin perpendiculares entre s. Si se corta un elipsoide con planos
perpendiculares a r, se obtienen crculos; en cambio, si se corta el elipsoide con planos perpendiculares a s,
se obtienen elipses.
Si se corta un elipsoide con planos perpendiculares a r, se obtienen crculos; en cambio, si se corta el elip-
soide con planos perpendiculares a s, se obtienen elipses.
104
LECTURA 8.
Sistemas ponderados de votacin
http://www.uam.es/personal_pdi/ciencias/ehernan/ICE99MVC/Pondera.doc
Sistema de votacin ponderado: los participantes pueden tener distinto nmero de

votos.
El poder de un participante en un sistema de votacin ponderado se mide por su capa-

cidad para influir en las decisiones.
Descripcin matemtica: q: w(v1), w(v2), ..., w(vn)
Votantes: v1, v2, ..., vn

w(vj) es el nmero de votos (o peso) que tiene asignado el votante vj .
q = Cuota ( nmero de votos que se necesita para aprobar una propuesta)
La cuota debe ser siempre superior a la mitad del nmero de votos
Ejemplo 1. Empresa con dos accionistas A y B que poseen el 60% y el 40% de las
acciones respectivamente. Se necesita mayora absoluta para tomar las decisiones.
Ejemplo 2. Tres accionistas A, B y C que poseen el 49%, el 48% y el 3% de las accio-

nes respectivamente. Se necesita mayora absoluta para tomar las decisiones.
Ejemplo 3. Cuatro accionistas A, B, C y D que poseen el 26%, el 26%, el 26% y el

22% de las acciones respectivamente. Se necesita mayora absoluta para tomar deci-
siones.
Ejemplo 4. Un Senado de 250 miembros en el que estn representados tres partidos

A, B y C con 140, 93 y 17 miembros respectivamente. La decisin de destituir al Presi-
dente se toma por acuerdo de las dos terceras partes de los miembros del Senado.
Coalicin: Conjunto de votantes que se han unido para votar a favor o en contra de
una propuesta.
Ejercicio 1. Encuentra todas las coaliciones en un Comit de tres personas A, B y C.
Ejercicio 2. Encuentra todas las coaliciones en un Comit de cuatro personas A, B, C y

D.
Ejercicio 3. Cuntas coaliciones pueden hacerse en un Comit de n personas?
Coalicin ganadora: es una coalicin en la que la suma de sus votos (o pesos) es

mayor o igual que la cuota.
105
Coalicin de bloqueo: es una coalicin en la que la suma de sus votos (o pesos) son
suficientes para conseguir que no se apruebe una medida si votan en contra de
ella.
Para que una coalicin sea de bloqueo basta que la suma de los votos de todos
sus miembros sea superior al nmero de votos totales menos la cuota.
Coalicin perdedora: toda coalicin que no es ni ganadora ni de bloqueo.
Votante basculante: es un votante que cuando se retira de una coalicin ganadora

esta deja de serlo, o que cuando se retira de una coalicin de bloqueo ya no lo es.
Coalicin ganadora mnima: es una coalicin ganadora en la que todos sus miem-
bros son votantes basculantes.
Coalicin de bloqueo mnima: es una coalicin de bloqueo en la que todos sus

miembros son votantes basculantes.
Ejercicio 4. Para el sistema de votacin ponderado dado por

q: w(A), w(B), w(C) = 8: 5, 4, 3
encuentra::
a) Todas las coaliciones ganadoras.
b) Todas las coaliciones ganadoras mnimas.
c) Todas las coaliciones de bloqueo.
d) Todas las coaliciones de bloqueo mnimas.
En qu coaliciones ganadoras es A un votante basculante? Y B? Y C?
En qu coaliciones de bloqueo es A un votante basculante? Y B? Y C?
EL NDICE DE PODER DE BANZHAF
El ndice de poder de Banzhaf de un participante en una votacin ponderada

es el nmero de coaliciones ganadoras diferentes en las que el participante es un vo-
tante basculante ms el nmero de coaliciones de bloqueo en las que el participante
es un votante basculante.
Ejercicio 5. Calcula el ndice de poder de Banzhaf de cada uno de los participantes en

un Comit que se rige por el sistema de votacin ponderado siguiente:
q: w(A), w(B), w(C) = 3: 2, 1, 1
Ejercicio 6. Calcula el ndice de poder de Banzhaf de cada uno de los participantes en

un Comit de un empresa que se rige por el sistema de votacin ponderado siguiente:
q: w(A), w(B), w(C), w(D) = 51: 40, 30, 20, 10
Ejercicio 7 (La Comunidad Europea en 1958). La Comunidad Europea estaba for-

mada en 1958 por Blgica (B), Holanda (H), Francia (F), Alemania (A), Italia (I) y Lu-
xemburgo (L). Su Consejo de Ministros usaba un sistema de votacin ponderado:
q: w(A), w(F), w(I), w(B), w(H), w(L) = 12: 4, 4, 4, 2, 2, 1
Calcula el ndice de poder de Banzhaf de cada pas.
106
EL NDICE DE PODER DE SHAPLEY-SHUBIK.
1. Se consideran todas la permutaciones de los n votantes.
2. En una permutacin consideramos que las coaliciones se forman en orden. Habr un

votante cuyos votos sumados a los anteriores haga que la coalicin sea ganadora, y
antes no lo era. Este votante se dice que es un votante pivote.
3. Para un votante X, llamamos P(X) al nmero de permutaciones en las que X es un

pivote.
P( X )
ndice de Shapley-Shubik =
n!
Ejercicio 8. Calcula el ndice de poder de Shapley-Shubik de cada uno de los partici-

pantes en un Comit que se rige por el sistema de votacin ponderado del ejemplo 5:
q: w(A), w(B), w(C) = 3: 2, 1, 1
Ejercicio 9. Calcula el ndice de poder de Shapley-Shubik de cada uno de los partici-

pantes en un Comit de un empresa que se rige por el sistema de votacin ponderado
del ejemplo 6:
q: w(A), w(B), w(C), w(D) = 51: 40, 30, 20, 10
Ejercicio 10. Una empresa tiene un accionista con el 10% de las acciones. Los restan-
tes 90 accionistas tienen igual participacin en la empresa. Se toman las decisiones
por mayora absoluta. Encuentra el ndice de Shapley-Shubik de cada accionista.
SISTEMAS DE VOTACIN EQUIVALENTES
Dos sistemas de votacin con el mismo nmero de votantes son equivalentes si hay
alguna forma de intercambiar los votantes de un sistema con los del otro manteniendo
las coaliciones ganadoras.
Ejercicio 11 (El Gobierno Federal Australiano). Australia es una Federacin de 6

estados: Australia del Oeste (O), Territorio del Norte (N), Australia del Sur (S),
Queensland (Q), Nueva Gales del Sur (G) y Victoria (V). Algunas decisiones se toman
mediante el sistema de votacin siguiente: cada estado tiene 1 voto y el Gobierno Fe-
deral (F) 2 votos. Como hay 8 votos puede haber empates; en caso de empate, la ley
establece que la coalicin ganadora es aquella en la que est el Gobierno Federal.
a) Encuentra un sistema de votacin ponderado para describir la forma en que se

toman decisiones en la esta Federacin.
b) Encuentra el ndice de Banzhaf de cada uno de los participantes en este siste-
ma de votacin.
c) Encuentra el ndice de Shapley-Shubik de cada uno de los participantes en
este sistema de votacin.
107
Ejercicio 12 (El Rey, su Senado y el Parlamento). Un pas tiene un Gobierno for-

mado por un Rey, un Senado con 3 miembros y un Parlamento con 5 miembros. Una
medida que sea aprobada con al menos 3 votos de los miembros del Parlamento pasa
a debate en el Senado. El Senado la acepta si la medida cuenta con 2 votos favorables
y la rechaza si tiene 2 o ms votos en contra; en este ltimo caso la medida no vuelve
a ser considerada. Si el Senado la aprueba, la medida es enviada al Rey, quien puede
firmarla o vetarla. Se la veta ya no puede volver a ser considerada.
Demuestra que este sistema de gobierno no puede ser equivalente a un sistema de

votacin ponderado.
Ejercicio 13 (El poder del Rey). El Rey, su Senado y el Parlamento (ejercicio 12) no
gobiernan con un sistema de votacin ponderado. Pero se puede hablar de coaliciones
y de votantes basculantes. Para hacerte una idea del poder del Rey encuentra lo si-
guiente:
a) Nmero de coaliciones ganadoras en las que el Rey es basculante.

b) Nmero de coaliciones ganadoras en las que cada Senador es basculante.
c) Nmero de coaliciones ganadoras en las que dada Parlamentario es basculante.
COMPARACIN ENTRE AMBOS NDICES
El ndice de Shapley-Shubik mide la probabilidad de que un votante sea pivote en to-

das las permutaciones posibles de los votantes. Para hacer con el ndice de Banzhaf
una probabilidad es necesario considerar el nmero total de coaliciones que es 2n, con-
tando la coalicin vaca.
IB( X )
La probabilidad de que un votante sea basculante es PB( X ) , donde
2n
IB(X) es el ndice de Banzhaf del votante X y 2n es el numero de coaliciones posibles
que pueden hacer los n votantes.
Tienes que rellenar el cuadro siguiente con los ndices de Shapley-Shubik y con
la probabilidad de que un votante sea basculante para los sistemas de votacin
que se especifican en la primera columna. Los cuatro primeros han sido considerados
en los ejercicios anteriores; el antepenltimo el es sistema en el que cada votante tie-
ne un voto y las decisiones deben tomarse por unanimidad; en los dos ltimos cada
votante tiene un voto y las propuestas se aprueban por mayora absoluta (debes
distinguir los casos de nmero de votantes par e impar).
Sistema de votacin ndice de Probabilidad de ser bas-

Shapley-Shubik culante
Comit de 3 personas.
3: 2, 1, 1
Ejercicios 5 y 8
Empresa de 4 accionistas.
51: 40, 30, 20, 10
Ejercicios 6 y 9
El Gobierno Federal Australiano.
5: 3, 1, 1, 1, 1, 1, 1
108
Ejercicio 11
Una empresa con 91 accionistas.
51: 10, 1, 1, ......., 1
Ejercicio 10
Decisin por unanimidad.
n: 1, 1, ........, 1, 1
Mayora absoluta con n impar
(n+1)/2: 1, 1, ....., 1, 1.
n=2m+1
Mayora absoluta con n par
(n/2)+1: 1, 1, ....., 1, 1.
n=2m
109
LECTURA 9.
BIOLOGA Y TRANSFORMACIONES AFINES
Tomando De viaje con la matemtica. Imaginacin y razonamiento matemti-
co. Por Emma Castelnuovo
En 1917 se pblico el libro Crecimiento y forma del bilogo matemtico ingls

DArcy Thompson. Esta obra caus sensacin en el medio cientfico porque el autor
intordujo en ele studio de los seres vivos una metodologa que en esa poca era ver-
daderamente revolucionaria. De hecho se estudian algunos procesos bilogicos a la luz
de sus propiedades matemticas. El autor sostiene que la forma y el crecimiento de un
ser vivo se desarrollan de modo que sean ptimas las condiciones de vida, y estas
condiciones se expresan en trminos matermticos.
Para dar una idea de los trabajaos de D Arcy Thompson, presentemos algunos
ejemplos.
En la figura 4.40 est trazado por Durer , el perfil de la cabeza del mismo hom-
bre con el paso de los aos.
DArcy Thompson nota que estos perfiles, que difieren por pequeas variantes,
pueden encuadrarse en retculas de paralelogramos, demostrando as que el proceso
de transformacin de un perfil a otro es por causa de una afinidad.
En la figura 4.41 se presentan los perfiles de dos peces que viven a gran profun-
didad: el Argyropelecus olfersi y el Sternoptyx diaphana.
110
Se pasa de un dibujo al otro encuadrando al primero en un rectngulo de cua-

drados, y aplicndole a ste una transformacin afn (de cuadrados se pasa a paralelo-
gramos). Una deformacin de este tipo dice Thompson- la vemos en los fsiles. Es
entonces como si un pez fuese obtenido del otro en el proceso de evolucin.
Tomemos ahora un ejemplo que se obtiene al expresar la idea de Thompson a

travs de ecuaciones. En la figura 4.42 se representa el metatarso (hueso de la planta
del pie o de la pata) del buey (b), de la oveja (o) y la jirafa (j).
Del caso b se pasa al caso o con las ecuaciones
2
x x
3
y y
y al caso j con las ecuaciones
1
x x
3
y y
Las formas de las patas son por tanto afines: Hay una reduccin de la pata del
buey a la de la oveja y a su vez a la de la jirafa.
111
Estas investigaciones bilogicas-matemticas de DArcy Thompson fueron critica-

das por muchos aos.
La aplicacin reciente del mtodo de las transformaciones a la morfologa fue

retomada y afinada con el uso de la computadora para, por ejemplo, controlar las va-
riaciones normales (y por consiguiente las anormales) en el desarrollo de la forma de
la cabeza humana. La secuencia, que se muestra en la figura 4.43, va de la infancia
(perfil interno) a la madurez (perfil externo); las variaciones son ocasionadas por la
accin simultnea de una transformacin afn y una transformacin cardioide (se trata
de una transformacin que hace pasar de un crculo a una curva en forma de corazn).
Una investigacin del mismo tipo se muestra en la figura 4.44. En este caso, la
secuencia de perfiles sugiere la evolucin de la cabeza humana desde el hombre de
Neanderthal (perfil interno) al hombre del futuro (perfil externo).
Todo esto muestra que siempre ha habido, en el campo de la morfologa, una

relacin entre matemtica y biologa.
112
LECTURA 10.
Fractales: formas de la naturaleza?
Abelardo Gil-Fournier
Al contemplar un fractal, inevitablemente recordamos alguna forma de la na-

turaleza; parece que la esencia de la geometra de la realidad, y con ella su
atractivo, halla una simulacin, o una explicacin, en la geometra fractal. Pe-
ro veamos por qu decimos esto. Ante todo, expliquemos por qu a esta sin-
gular especializacin en la teora del caos se la conoce como geometra fractal
Los fractales constituyen una de las secciones ms hermosas de la teora del

caos. Lo que en un principio comenz como una observacin sobre la repeticin indefi-
nida de una misma estructura, ha acabado dando lugar a imgenes de increble belle-
za, que han caracterizado especialmente a esta ciencia matemtica, alejndola de la
frialdad con que se suele tratar al resto de las matemticas. Pero no es solamente la
belleza el motivo del estudio de los fractales (motivo ya de por s suficiente). Al con-
templar un fractal, inevitablemente recordamos alguna forma de la naturaleza; parece
que la esencia de la geometra de la realidad, y con ella su atractivo, halla una simula-
cin, o una explicacin, en la geometra fractal. Pero veamos por qu decimos esto.
Ante todo, expliquemos por qu a esta singular especializacin en la teora del caos se
la conoce como geometra fractal. La referencia a la geometra es clara; en esta rea
estudiamos figuras, formas en el espacio. La palabra fractal guarda un significado ms
complejo. Se refiere al hecho de que matemticamente la dimensin de estos objetos
no es un nmero entero, como cabra esperar tras haber estudiado durante 2500 aos
la geometra eucldea, o las derivadas de sta; la dimensin de un objeto fractal es un
nmero decimal, racional o irracional. No entramos en el aspecto del clculo para la
obtencin del valor de la dimensin de un fractal. Preferimos estudiar el concepto de
dimensin decimal y sus implicaciones. Otra caracterstica de estos objetos, la que
precisamente los hace bellos al espritu humano, es la reiteracin de un motivo cons-
tantemente, infinitas veces. La complejidad que observamos en un fractal no es en
realidad ms que una impresin producida por el inmenso nmero de veces que se
repite una imagen, aunque siempre con sutiles diferencias. No encontraremos en un
fractal dos fragmentos idnticos el uno al otro. Adems de describir cmo es un fractal,
tenemos que relacionarlo con la teora de los sistemas dinmicos caticos. Estudiando
113
stos con las herramientas de la topologa existe ya un puente de unin. La obtencin

misma de un fractal constituye un proceso iterativo, lo que lo emparienta con los sis-
temas dinmicos. Ms all de todo tratamiento matemtico, y de todo estudio cualita-
tivo, la semejanza entre los fractales y lo que observamos en la realidad nos obliga a
pensar en la capacidad de explicacin de la naturaleza ofrecida por los sistemas din-
micos, y, tambin, nos lleva a la cuestin siguiente: tendremos que sustituir los trin-
gulos de Pitgoras por estas extraas figuras?
Dimensin fractal
El que estos objetos reciban el nombre precisamente de esta propiedad, el po-
seer dimensin decimal, nos puede hacer sospechar, con razn, sobre la importancia
de este concepto, tanto en su anlisis como en su significacin.
Al poseer una dimensin situada entre dos nmeros enteros, no podremos tra-
tarlo como un volumen y un rea bien definidos. As, diremos de un fractal con dimen-
sin situada en el intervalo (1,2) que es una superficie no delimitada por una curva o
un conjunto de rectas, pero que no llega a ser un plano (su permetro es infinito y no
diferenciable). Si sta estuviera en (0,1) diramos que se trata un conjunto de puntos
alineados que no llegan a constituir una recta, pese a ser infinitos y a estar infinita-
mente prximos entre s. ste es el caso del conjunto de Cantor (que vimos en la sec-
cin acerca del estudio mediante la topologa). Presentamos aqu una de las figuras de
Koch, construidas mediante un proceso geomtrico iterado. El fractal resultante tiene
dimensin en el intervalo (1,2).
Este significado de la dimensin fractal tiene una interpretacin fsica muy in-
teresante: la dimensin fractal de un objeto es un parmetro que nos cuantifica la ca-
pacidad de ste de ocupar espacio, independientemente de la estructura geomtrica
del mismo. El fractal se extiende por el espacio de dimensin menor (de las dos entre
las que se encuentra) repitiendo un mismo motivo indefinidamente, hasta "superar"
esa dimensin (al poseer longitudes, reas o volmenes infinitos).
Adems de esta informacin, cualitativa en cierto modo, y que aprovecha poco
el valor numrico (el nmero que representa la dimensin), sta nos indica la escala a
la que se encuentran ciertos parmetros al aparecer las copias del conjunto inicial en el
desarrollo del cuerpo del fractal. Y en este nmero se diferencian todos los fractales
entre s. Todos presentan copias de s mismos (autosemejanza), no exactamente idn-
ticas, en su cuerpo, pero no escalan de la misma forma. Por eso, atribuimos a la di-
mensin el "grado de ocupacin" del espacio por el conjunto en cuestin. Pensemos
ahora un momento en la idea que tenemos de la naturaleza, como sistema en evolu-
114
cin, que tiende al mejor aprovechamiento del entorno. No utilizar sta una geome-
tra de dimensin fractal, con el fin de aprovechar lo mejor posible el espacio? Los
pulmones son superficies increblemente extensas, situadas en un volumen muy redu-
cido; el conjunto de conductos de nuestro sistema circulatorio colocado en lnea recta
tendra una longitud inmensa y, sin embargo, est situado en nuestro cuerpo ocupando
una superficie finita y reducida. Y como stos, podemos pensar en muchos ejemplos
ms. Teniendo presente la idea de que la naturaleza tiende a maximizar o minimizar
algunas magnitudes, los fractales aparecen como geometra propia y caracterstica de
sta.
Relacin con los sistemas dinmicos

Antes de preguntarnos qu relacin existe entre los objetos fractales y los sis-
temas dinmicos, veamos cmo se construye un fractal. Existen varias formas de ob-
tener este tipo de figuras. Todas ellas tienen en comn la necesidad de iterar una ac-
cin un nmero elevado de veces (indefinidamente, en teora).
Uno de estos mtodos es el de iteracin de una transformacin concerniente a
la geometra. Por ejemplo: "divide cada segmento en tres partes y quita la parte cen-
tral". Con esta ltima accin reiterada una y otra vez llegamos al conjunto de Cantor,
el primer objeto fractal estudiado. ste mtodo de obtencin de fractales es muy sen-
cillo, y con l podemos obtener imgenes semejantes a los copos de nieve, motivos
artsticos, etc. La figura que aqu ofrecemos es una de las versiones de la "alfombra de
Sierpinsky", donde la transformacin consiste en unir los lados centrales de los trin-
gulos exteriores (los que tienen el centro de masas por encima del lado horizontal).
Reiterando una y otra vez la funcin obtenemos el fractal.
Otra forma de obtener fractales es siguiendo la rbita de un punto en un siste-
ma dinmico catico. Lo que obtenemos se conoce como atractor extrao y viene a
indicar la zona del espacio de fases por la que circulan los distintos puntos del sistema
catico. La importancia de estas figuras reside en que son fractales directamente ex-
trados de los sistemas dinmicos; son por lo tanto grficos unificadores. El estudio
mediante tcnicas que no veremos de estos objetos permite hacernos una idea de al-
gunas caractersticas del sistema dinmico. La figura que vemos a la derecha es cono-
cida como el atractor de Lorenz, y caracteriza el primer sistema dinmico catico des-
cubierto. Una forma distinta a la anterior de generar fractales, es mediante alguna
propiedad referente a la sucesin de puntos valores de cada iteracin (la rbita del
punto inicial). Aplicamos una funcin sobre un punto, y observamos la tendencia de la
sucesin de puntos formada (si converge o no). Veremos ms claro todo esto mediante
115
el siguiente ejemplo, obra del primer investigador de la geometra fractal: Benoit Man-
delbrot. Por ello el conjunto se conoce como fractal de Mandelbrot. En el espacio de los
nmeros complejos (de dos dimensiones reales, una la parte imaginaria, y otra la
real), iteramos sobre cada punto la siguiente funcin:
Si la rbita del punto converge, entonces pintamos el punto. Si no converge, fi-
jamos un nmero de modo que al superar una sucesin ste nmero en una de las
iteraciones, pintamos el punto origen de sta con un color segn la iteracin (por
ejemplo, segn la ltima cifra del valor de sta). Con estas leyes obtenemos uno de los
fractales ms conocidos y a la vez asombrosos. En l se dan claramente la autoseme-
janza y la alta ocupacin del espacio.
La imagen producida por la aplicacin reiterada de esta funcin es la que aqu
aparece (en la pgina). Puede irse ampliando la imagen (haciendo "zooms") y nos en-
contraremos que la esta curiosa silueta aparece repetida a escalas mucho ms peque-
as indefinidamente. Finalmente, podemos hablar de otra forma de crear figuras frac-
tales, conocida como "Chaos Game". Es muy general, y puede dar lugar a todo tipo de
fractales, incluidos los anteriores. El mtodo es muy sencillo: tenemos n reglas sobre
el espacio de fases (que llevan un punto a otro punto del espacio), y una sucesin de n
sucesos una determinada probabilidad. Segn el suceso que ocurra aplicamos sobre el
punto una u otra ley. Hacemos que aparezca un nuevo suceso, y repetimos el proceso.
Reiterado este mecanismo una y otra vez obtenemos figuras de todo tipo. Una de
ellas, quiz la ms famosa, es la de la hoja de helecho que aqu presentamos. Este
fractal se ha generado con cuatro funciones con distinta probabilidad, siendo cada fun-
cin lineal (una matriz). Fijmonos en las caractersticas propias de fractal: autoseme-
janza (cada ramita es igual a la hoja entera) y repeticin.
Un mecanismo tan sencillo es capaz de generar una imagen tan bella como la
que aqu vemos, claramente presente en la naturaleza. Con este mtodo podemos si-
mular las costas de un continente, un cielo estrellado, galaxias, rboles, por eso es uno
de los ms interesantes (y con muchas aplicaciones para el mundo multimedia).
Con esto hemos visto cmo se construye un fractal. Pero, qu relacin guardan
estas hermosas figuras con los sistemas dinmicos caticos? En primer lugar tenemos
procesos iterativos en todos los mtodos de construccin, tambin presentes en los
sistemas dinmicos. Pero no slo en la construccin aparece la reiteracin. Como he-
mos visto, la autosemejanza y la repeticin de un mismo motivo son caractersticas de
los fractales, constituye su mtodo de conquista del espacio. Luego, si consideramos el
mecanismo que crea un fractal como un sistema dinmico (por ser un proceso itera-
do), el objeto pasa a ser la representacin grfica de la ley. En los atractores, esta
116
concepcin es clara, puesto que se forman a partir de rbitas de puntos. En un conjun-

to del tipo del de Cantor, la idea es tambin muy natural, pues el fractal no es ms que
la consecuencia de la accin del sistema dinmico. En los fractales del tipo de Mandel-
brot, la conexin no est tan clara, puesto que adems del proceso iterativo aadimos
una condicin para que un punto aparezca pintado o no. Sin embargo, esta condicin
puede interpretarse como necesaria y suficiente para delimitar el conjunto de puntos
sobre los que se puede aplicar el proceso iterativo (que no diverge) y que permanece-
rn en el espacio de fases. Por lo tanto, adquiere en estos casos el fractal el sentido de
"frontera del sistema dinmico", frontera que separa los puntos en los que tiene senti-
do la aplicacin del proceso de los que no lo tiene. Este concepto de frontera es mucho
ms profundo de lo que puede parecer, puesto que, en trminos de sistemas dinmi-
cos, delimita la cuenca de un atractor, la zona del espacio en la que los puntos se ven
arrastrados o repelidos por el atractor. Tienen por lo tanto, tambin este tipo de frac-
tales, gran relacin con los sistemas dinmicos caticos (en el resto, las cuencas no
son fractales).
Vemos por lo tanto que, en general, los fractales aparecen como una exposicin grfica
de la accin del sistema catico. Estudiando los fractales conocemos caractersticas del
sistema dinmico que lo ha generado (y que podemos desconocer), y viceversa. Unos,
como posible explicacin de ciertos mecanismos de la naturaleza y otros como posible
geometra de sta. Siguiendo esta interpretacin de la teora, que habla de sta como
el "lenguaje de la naturaleza", deban estar muy relacionados, tanto caos como fracta-
les. Y hemos visto qu e lo estn.
Realidad de los fractales

La imagen del helecho obtenida como resultado del "Chaos Game" es realmente
sorprendente. Como tambin lo son el resto de las imgenes de plantas, galaxias, ros,
costas, montaas, paisajes, etc., conseguidos por iteraciones semejantes. Cmo es
que se parecen tanto a la realidad? Si hablbamos sobre los sistemas dinmicos como
herramienta intuitiva y natural a la hora de explicar los procesos dados en la naturale-
za, y vemos que stos estn unidos conceptualmente a los fractales, no nos debe ex-
traar que aparezcan precisamente las formas de la naturaleza reflejadas el ellos. As,
en el sistema dinmico de Lorenz, que simulaba una meteorologa, es muy probable
que de sus mismas ecuaciones exista la posibilidad de poder extraer algn fractal que
represente nubes, o un mapa de temperaturas... es decir, algo real, presente en la
naturaleza. Los fractales pasan por lo tanto a ser una interesantsima prueba de que
los sistemas dinmicos caticos estn realmente presentes en la naturaleza (dejando
117
las discusiones de si estn en nuestra cabeza o en la naturaleza). Podemos ahora di-

vagar sobre las consecuencias de la "realidad" de los fractales. A pocas personas no les
produce satisfaccin y placer la contemplacin de un objeto fractal. A qu se debe
esto? Podemos hablar de causas probables: la reiteracin de un motivo, algo muy co-
mn en el arte; el colorido que en ellos se obtiene (y que es algo artificial, que elige
quien disea el programa que genera los fractales); la originalidad, nunca habamos
visto cosas iguales (las imgenes que no son copia de la realidad); etc. Pero podemos
hablar de otra causa ms profunda, basada precisamente en su parecido a las formas
de la realidad. Acaso lo que nos agrada est basado en las irregularidades ordenadas
presentes en los fractales y no en las figuras geomtricas clsicas? O quiz la propia
tortuosidad de nuestra mente provoca que estos objetos nos parezcan bellos, por "pa-
recerse a nosotros". O, dentro ya del aspecto ms metafsico, quiz vemos en ellos un
orden presente en la naturaleza, en todos sus rincones, comn a todos los fenmenos.
Existe un mecanismo, una ley, que provoca que la naturaleza sea como es. Pero sta,
al igual que una bella mujer, se nos muestra como un misterio, como algo oculto, que
nos arrastra irremediablemente a una constante admiracin y bsqueda. Contemplan-
do esta belleza de los fractales, contemplamos la de la teora del caos, y, en general,
la de las matemticas y la razn. Si algn da sustituimos los tringulos equilteros por
las nubes y las flores en nuestra visin geomtrica del mundo, no ser por el xito ma-
temtico de la teora del caos, sino por el triunfo sobre las otras cosas del sentimiento
de belleza.
Benoit Mandelbrot (1936- )

Nacido en Polonia, sus padres emigraron a Francia en 1936 y su to Szolem,
profesor de matemticas en el Collge de Francia asumi la responsabilidad de su edu-
cacin. Benoit estudi en Paris, Lyon y en California (en Caltech).
Como investigador en IBM se enfrent a un problema que sorprenda a los in-
genieros de la multinacional. Estos notaron que se producen siempre errores de
transmisin de informacin entre ordenadores, sea cual sea la cantidad de informacin
transferida. Vieron adems que exista cierta regularidad en la distribucin temporal de
estos: tras un perodo de ausencia vena otro repleto de errores. Mandelbrot analiz el
fenmeno, y descubri que a medida que acortamos los intervalos de tiempo estudia-
dos, sigue apareciendo ms complejidad en la distribucin. As, si durante una hora no
se producen errores, en la siguiente s se producen. Si estudiamos nicamente esta
hora, y la dividimos en intervalos de 20 minutos, veremos que habr intervalos sin
errores, y otros con muchos errores; estudiando aquellos con errores volvamos a ver
118
nuevos intervalos, etc. Mandelbrot asoci la imagen con un objeto estudiado por el
matemtico Georg Canto, el conjunto de Cantor. Descubri otros procesos con comple-
jidad creciente a medida que nos aproximamos a ellos, y los llam fractales. Mostr
cmo los fractales estn presentes en muchos lugares tanto en las matemticas como
en la naturaleza.
Entre otros premios, ha recibido la "Barnard Medal for Meritorius Service to
Science", la Medalla Franklin y la Medalla Steinmetz (sta, en 1991).
119
LECTURA 11.
Resumen del curso de Introduccin a la Geome-
tra Fractal
http://www.fractaltec.org/CursoGeometriaFractal.pdf
Comenzando
Para introducirnos de lleno en el mundo de los Fractales, lo primero que quiero
contarles son las palabras que dan inicio al libro Fractals Everywhere (Fractales en
todos Lados) de Michael F. Barnsley, uno de los pioneros y ms importantes divulga-
dores e investigadores del tema:
La geometra Fractal cambiar a fondo su visin de las cosas. Seguir
leyendo es peligroso. Se arriesga a perder definitivamente la imagen
inofensiva que tiene de nubes, bosques, galaxias, hojas, plumas, flo-
res, rocas, montaas, tapices, y de muchas otras cosas. Jams vol-
ver a recuperar las interpretaciones de todos estos objetos que has-
ta ahora le eran familiares."
Creen que Michael exageraba? En realidad esa pregunta no la podrn contestar

hasta que no hayan finalizado este curso. Una de mis metas es mostrarles que ese
prrafo solo refleja la realidad y la visin de miles de cientficos sin importar en que
especialidad desarrollen sus actividades. Esta visin se incrementar ms an en todos
aquellos que decidan utilizar programas de computadoras (Fractint por ejemplo) para
comenzar a navegar, crear y descubrir infinitas y hermosas estructuras matemti-
cas a las cuales llamamos Fractales.
Una importante advertencia que siempre me gusta mencionar al comienzo de

toda charla es la de tener un obsesivo cuidado de no ver estructuras fractales don-
de no las hay. Uno de los objetivos de este curso es el de reconocer tales sistemas, lo
cual profundizaremos cuando veamos ms en detalle la Teora del Caos. Como deca
Barnsley en su impactante prrafo, la imagen de los objetos naturales que nos rodean
cambiar de manera contundente, as que la advertencia queda hecha.
120
Un poco de historia
Los Fractales son los objetos matemticos que constituyen la Geome-
tra de la Teora del Caos, aunque es importante destacar que no todos los fractales
son caticos como veremos ms adelante. Los objetos fractales fueron creados mucho
antes de haberse desarrollado formalmente la Geometra Fractal o la Teora del Caos.
De hecho, se pueden encontrar y reconocer figuras con caractersticas fractales como
la del tringulo de Sierpinski (figura 1) en grabados de tela de hace varias dcadas
atrs, hasta en los aos de 1400 se hallaron grabados japoneses con estas estructu-
ras.
Antes de que Newton, Leibniz y colaboradores crearan en el siglo XVII lo que

hoy conocemos como Calculus y estudiamos en la facultad como Clculo, Anlisis Ma-
temtico o Clculo Infinitesimal, se conocan funciones con enormes irregularidades y
discontinuidades, pero los cientficos de aquella poca supusieron que esas mismas
funciones discontinuas eran muy escasas y que raramente surgiran en sistemas natu-
rales, por lo que las consideraban excepciones a la matemtica tradicional y simple-
mente las dejaban de lado, o si no las ignoraban realizaban aproximaciones a travs
de redondeos, lo cual an hoy en da se continua haciendo con xito en diferentes sis-
temas, pero dichos redondeos se vuelven peligrosos en sistemas con una dinmica
catica.
Un grupo de matemticos comenz a darse cuenta que en la naturaleza se daba

muy seguido el fenmeno de irregularidades y que no eran excepciones como se supo-
na. Los primeros que comenzaron a demostrar tericamente esta problemtica fueron
Cantor (con su famoso y casi mstico conjunto de Cantor Figura 2) y Peano. Hasta
llegar a los aos de 1880 con Poincar, al que se lo conoce como el padre de la Teora
del Caos.
121
Otra estructura matemtica ya conocida en esa poca y que ms tarde pas a

formar parte de uno de los fractales ms reconocidos es el de Koch Snowflake Curve,
o la curva de Copo de nieve de Helge von Koch (figura 3)
Entonces, hasta el momento vimos de manera general como los sistemas din-
micos y caticos se fueron introduciendo en el pensamiento de la comunidad cientfica
y como fueron surgiendo nuevas necesidades para reformular teoras y crear nuevas
herramientas que pudieran describir sistemas que hasta ese entonces eran considera-
dos excepciones y a los cuales se les realizaban diferentes aproximaciones y se les
aplicaban diversos trucos matemticos para ajustarlos a las herramientas disponibles
en esos tiempos. Ms adelante veremos los problemas que surgen al aplicar estos tipos
de tcnicas de aproximacin y omitir variables y detalles que con el trascurso del tiem-
po pueden derivar en sistemas caticos y totalmente impredecibles, pero no nos ade-
lantemos.
122
Hemos visto tambin que objetos con estructuras que hoy reconocemos como
fractales han existido durante muchos aos, como ser todas las figuras anteriormente
mencionadas, y es por ello que diversos libros y autores difieren al contarnos la histo-
ria de cmo surgi esta rama de la matemtica.
A pesar de toda esta introduccin an no les he contado como nacieron los frac-
tales ni como fueron formulados tericamente.
Como surgieron los Fractales

No fue hasta el ao 1958 cuando Benoit Mandelbrot ingresa a trabajar en los
laboratorios de IBM para hacer un anlisis del ruido y perturbaciones elctricas. Mien-
tras realizaba dichos estudios encontr un patrn en su comportamiento y por lo tanto
comenz a descifrar una estructura escondida. Algo as como jerarquas de fluctuacio-
nes en todas las escalas (lamento no poder detallar ms este tema debido a mis po-
bres conocimientos en el rea de electrnica, al menos por el momento!). Lo que s es
cierto es que esas fluctuaciones no podan ser descriptas por la matemtica estadstica
que exista. Mientras segua adelante con sus tareas empez a imaginar en que otros
sistemas podra encontrar patrones similares que no puedan ser descriptos con exacti-
tud por la matemtica existente y que se comportaran de igual manera. Su visin lo
llev a hacerse una pregunta que para la mayora de nosotros puede resultar obvia y
hasta para muchos otros ser trivial, o en el mejor de los casos sin sentido. Su famosa
pregunta fue: Cunto mide realmente la costa de Inglaterra? Ok, cualquiera que tome
un libro de geografa o un mapa va a poder contestar esto sin ningn tipo de proble-
ma. Imaginemos que el dato que encontramos es de 2.000 kilmetros (no conozco el
valor real). Ahora bien, esos 2.000 KM., de donde provienen? Cmo se midieron? Para
contestar esto voy a proponer tres situaciones diferentes, con distintos puntos de vis-
ta:
1) Si medimos las costas de Inglaterra desde un satlite, vamos a ver que sus
bordes son suaves, armnicos, con lneas casi rectas y ngulos prcticamente
redondeados.
2) Probemos ahora medir la misma distancia, pero desde un avin que vuela
mucho ms bajo que el satlite. Qu pasa en este caso? Ahora que vemos las
cosas con ms detalle por estar ms prximos, nos damos cuenta que los bordes
no eran en realidad tan suaves como se haba observado anteriormente, sino
que notamos muchas ms rugosidades.
123
3) Imaginemos por ltimo un tercer punto de partida, algo extremista, pero vale.
Esta vez no estamos ni en un satlite, ni en el avin; esta vez nos encontramos
parados sobre la misma costa de Inglaterra con una regla como la que usbamos
en la escuela, y nos ponemos a medir roca por roca, rugosidad por rugosidad,
detalle por detalle.
Cul creen que ser el resultado de las distintas mediciones? Siempre habr
arrojado el mismo resultado? Si fue variando, cul habr sido el de mayor extensin?
Sera bueno que antes de seguir leyendo sacaran sus propias conclusiones y las justifi-
caciones de por qu pasa eso.
La realidad y la geometra tradicional nos muestra que una figura con bordes
rectos o redondeados tiene una longitud menor que otra equivalente pero llena de ru-
gosidades. Comparemos por ejemplo un crculo perfecto con la figura que vimos ante-
riormente de von Koch, (figura 3-B). La segunda tiene una longitud mucho ms grande
en sus bordes que la circunferencia. Teniendo en cuenta esto volvamos al caso de la
costa de Inglaterra y la pregunta de Mandelbrot. Si acabamos de decir que una longi-
tud sin rigurosidades es menos extensa que una totalmente irregular, entonces pode-
mos asegurar que los resultados de las 3 mediciones sern en todos los casos diferen-
tes, y el de mayor extensin ser el tercer caso, ya que es en el cual nos topamos con
ms detalles. En realidad el resultado de este ltimo caso se acercara a infinito en el
marco terico.
De qu dependern nuestras mediciones, entonces? Justamente de la escala

que utilicemos para medirlas, y no es para nada una casualidad que estas deducciones
se desprendan de los mismos patrones que encontr Mandelbrot en sus estudios sobre
flujo electrnico, recordemos: jerarquas de fluctuaciones en todas las escalas. Esas
escalas como Mandelbrot reconoci posean un patrn, y ese patrn las relacionaba
diciendo que si bien no eran iguales a diferentes escalas, si lo eran de manera esta-
dsticamente similar, y sta es una de las caractersticas principales de los fractales
ya que mismo pasaremos a estudiar.
Qu son los Fractales?

Cada vez que uno toma un libro sobre Geometra Fractal y busca una definicin
clara surgen por algn motivo diferentes enunciados. Lo que personalmente sospecho
que no se trate de un problema de exactitud, sino que se requiere de tal abstraccin
para comprender el concepto de Fractal que los puntos de vista varan drsticamente
124
por ms que se est hablando de lo mismo, es ms, tengo entendido que hasta el
mismo Mandelbrot no est 100% conforme con la definicin. Otra consecuencia puede
llegar a ser que la Geometra Fractal se ha trasformado en una herramienta multidisci-
plinaria utilizada por cientficos, artistas, psiclogos, socilogos, etc ... entonces, un
matemtico no va a dar una definicin de la misma forma que la dar un programador
de computadoras o un artista plstico. Por lo tanto, para poder contarles que es un
fractal, y al ser este que nos rene un grupo multidisciplinario, decid enunciar un con-
junto de definiciones y pensamientos y al final intentar unirlos todos para que junto
con mi propia visin, poder formular una definicin lo ms clara y contundente posible.
Por el momento entonces solamente voy a enumerar una serie de frases sueltas:
1) Los Fractales son los objetos matemticos que conforman la Geometra de la Teora
del Caos.
2) La Geometra Fractal es tambin conocida como la Geometra de la Naturaleza.
3) La palabra Fractal, enunciada por Mandelbrot, proviene del latn y significa roto,
quebrado. (esto se asocia con las discontinuidades de funciones matemticas que
mencionaba en prrafos anteriores).
4) La Geometra Fractal es un nuevo lenguaje; ya que los puntos, rectas, esferas, elip-
ses y dems objetos de la geometra tradicional son reemplazados por algoritmos
iterativos computacionales que permiten describir sistemas naturales, caticos y di-
nmicos.
5) Los Fractales son objetos cuya dimensin es no entera o fraccionaria.
6) Un objeto fractal es aqul que su dimensin fractal de Hausdorff -Besicovich supera
a su dimensin topolgica.
7) Un objeto fractal es aqul que posee las siguientes dos caractersticas:
a) Autosimilitud,
b) Dimensin Fractal
8) Un fractal es un objeto en el cual sus partes tienen alguna relacin con el todo.
(esto est ntimamente ligado a la Autosimilitud)
Bien, cualquiera de estas ocho definiciones es correcta. Algunas son ms comple-

tas, otras ms tcnicas y otras aportan tan solo meros datos pero no llegan a ser defi-
niciones con todas las de la ley.
Veamos algunas en particular. Comencemos con la primera; cada teora o ley ma-
temtica posee sus propias herramientas que la soportan y la describen. Las ms co-
125
munes son la geometra euclidiana, el lgebra, o el mismo clculo, este ltimo en es-
pecial se da en la Fsica. La teora del Caos no es la excepcin a la regla, y se sustenta,
entre otras cosas, sobre la Geometra Fractal.
La segunda nos dice, que a la Geometra Fractal se la conoce como la Geometra

de la Naturaleza, y este caso no lo voy a explicar con palabras, sino con imgenes:
Sigamos adelante.
a) Autosimilitud:
Cada porcin de un objeto tiene las mismas caractersticas del objeto completo.
Tambin se puede decir que cada rea de un fractal conserva, de manera estadstica-
mente similar, sus caractersticas globales.
Pero veamos un ejemplo grfico, con el conjunto de Mandelbrot, el fractal ms
conocido
126
La primera de estas cuatro imgenes es el conjunto de Mandelbrot en su estado

original, o sea, sin ninguna iteracin, o para que se entienda mejor, sin haber hecho
ningn ZOOM dentro de la imagen. Las siguientes figuras se generan ampliando un
sector del fractal y viendo que se encuentra dentro. Por ejemplo, a la segunda se le
hizo un ZOOM, a la tercera cinco ampliaciones consecutivas y por ltimo a la cuarta se
le aplicaron 10 ZOOM. Ntese que estoy hablando de un ZOOM inicial en un rea de-
terminada, si hubiese elegido otro lugar de fractal donde comenzar a interactuar, hu-
biese generado imgenes distintas, pero al mismo tiempo estadsticamente similares,
sin importar la porcin del fractal designado.
Muy importante, noten que no uso la palabra ZOOM con el significado de am-
pliacin de la imagen, sino es solo para dar una idea figurativa, lo que realmente se
hace con un software para generar fractales es iteraciones! Lo veremos ms adelante.
Pero bsicamente digo que cada vez que elijo un trozo de imagen para ampliar dentro
de ellas encuentro infinitas imgenes similares.
Es tarea de cada uno de ustedes encontrar regularidades en esas imgenes.

Cuando las hayan detectado encontrarn patrones similares, eso es justamente la Au-
tosimilitud, caracterstica fundamental de los fractales, aunque veremos que no todos
la poseen.
127
b) Dimensin Fractal:
En matemtica estamos acostumbrados a trabajar con cuatro dimen-
siones, que son las siguientes:
- Dimensin 0 ---- Un punto
- Dimensin 1 ---- Una lnea recta
- Dimensin 2 ---- Un plano
- Dimensin 3 ---- El espacio
Existe una quinta que es la de un conjunto vaco, se dice que el mis-
mo posee una dimensin de 1.
Hasta aqu hemos recorrido un camino relativamente largo e intenso para llegar
tan solo a poder encontrar una definicin lo ms justa posible de la Geometra Fractal y
que englobe varios temas abstractos y tal vez nada intuitivos. As que ac va el primer
ensayo para una posible definicin:
La Geometra Fractal, llamada tambin "Geometra de la Naturaleza",
es un conjunto de estructuras irregulares y complejas descriptas a tra-
vs de algoritmos matemticos y computacionales; los cuales reem-
plazan a los puntos, rectas, circunferencias y dems figuras provenien-
tes de la matemtica tradicional. Estos objetos tienen como caracters-
ticas fundamental las propiedades de Autosimilitud y la de convivir en
extraos paisajes formados por dimensiones fraccionarias.
Quiero contarles tambin que hoy en da la Geometra Fractal ha avanzado a

pasos gigantescos, no se olviden que fue concebida hace tan solo 30 aos y ya se apli-
can a estudios en medicina, sobre todo en las reas de cardiologa y neurologa (estos
dos sistemas representan justamente la eterna lucha entre el Orden y el Caos, en eco-
noma en estudios burstiles, en psicologa, en sociologa, biologa, en computacin en
el rea de Algoritmos no lineales para Criptografa, y obviamente en matemtica, fsica
y qumica donde se estn reformulando gran cantidad de teoras conocidas hasta el
momento.
Algunos sistemas naturales reconocidos como caticos y descriptos a travs de

los Fractales pueden ser: todo lo relacionado con turbulencias, ya sea en el aire o
agua; todo lo referido a ramificaciones, como ser redes neuronales, ros; propagacio-
nes de poblaciones y enfermedades; estructuras montaosas y vegetales.
128
Bien, ahora nos toca estudiar de una manera ms detallada cada uno de estos
aspectos.
Distintos tipos de Fractales

Dijimos que los Fractales tienen dos caractersticas fundamentales, ellas son:
1) Autosimilitud
2) Dimensin Fractal
Anteriormente habamos definido Autosimilitud como la caracterstica que pre-
sentan determinados objetos en los cuales los detalles ms pequeos que lo componen
tienen alguna relacin estadstica con sus propiedades globales, repitindose tales de-
talles de una manera infinita.
Comencemos ahora con otras cuatro propiedades que se encuentran ocultas en

esa definicin:
1) Existen dos tipos bien definidos de fractales. Los LINEALES y los NO
LINEALES. Estoy seguro que intuitivamente y con las imgenes que hayan vis-
to con anterioridad en diferentes galeras los podran reconocer sin problema.
De hecho uno de los participantes del curso, Geova, plante que hace un tiem-
po haba creado los algoritmos y programas de manera autodidacta para gene-
rar fractales como el Tringulo de Sierpinski y la Curva de von Koch, y que
otros como el Conjunto de Mandelbrot no le haban salido fcilmente. Bueno,
los primeros fractales son justamente los lineales y se generan a travs de al-
goritmos conocidos por la matemtica eucldea, el Conjunto de Mandelbrot se
genera a travs de nmeros complejos, y tiene una dificultad mucho mayor.
Igualmente ahora les voy a contar sus diferencias y a dar ejemplos, muchos de
ellos ya conocidos por ustedes.
Los fractales lineales son aquellos que se construyen con un simple cambio en
la variacin de sus escalas. Esto implica algo muy importante, los fractales li-
neales son exactamente idnticos en todas sus escalas hasta el infinito. En un
rato cuando estemos construyendo fractales espero que quede ms claro. Por el
momento aqu van los ejemplos.
129
En cualquiera de las tres imgenes anteriores cuando uno comienza a sumer-

girse dentro de esos objetos siempre va a encontrar exactamente la misma
estructura, sin distorsiones, solo cambiar su escala. (comparar con las distor-
siones sufridas a diferente escala en el Conjunto de Mandelbrot visto anterior-
mente. En la primera, por ejemplo, siempre encontraremos una lnea recta, en
el tercero siempre un tringulo a diferentes escalas, y en la segunda una es-
tructura como muestra esta imagen:
Los fractales no lineales, en cambio, son aquellos que se generan a partir de

distorsiones complejas o justamente como lo dice su nombre, y usando un tr-
mino proveniente de la matemtica Catica, distorsiones no lineales. La mayo-
ra de los objetos fractales puramente matemticos y naturales son no lineales.
Ejemplos de ellos son: el sper conocido por todos nosotros Conjunto de Man-
delbrot (figura 2-A) o el Conjunto de Julia (figura 2-B).
2) De esta ltima propiedad (1) que hemos visto, podemos sacar una conclusin
sumamente importante, y a la que hay que prestarle MUCHA atencin. Los
Fractales pueden ser generados a partir de elementos de la matemtica tradi-
cional (fractales lineales), o a travs de nmeros complejos. Estos ltimos
seguramente los han estudiado en la secundaria. De hecho, el conjunto de
Mandelbrot se genera a travs de iterar una cierta cantidad de veces la ecua-
cin compleja:
130
Zn+1 Zn^2 + C Donde Z^2 significa Z al cuadrado. El smbolo ^ se utiliza

para representar una potencia, y donde Z y C son nmeros complejos. Todo lo
que viene ahora para explicar como se utiliza esta ecuacin no es necesario que
lo entiendan aquellos no interesados en la parte matemtica, pero si considero
muy importante que sepan que el Conjunto de Mandelbrot, al igual que los de-
ms fractales no lineales tienen su origen en los nmeros complejos.
Para recordar un poco las propiedades de estos nmeros, digamos que se divi-
den en dos partes, una real y una imaginaria. A la parte imaginaria la denota-
mos con i lo cual es igual a Recordemos tambin que los complejos pueden es-
cribirse de varias maneras, en este caso nosotros usaremos la forma binmica,
donde si (2 + 3i) es un nmero complejo, entonces 2 es su parte real y 3 es su
parte imaginaria.
Vamos a analizar ahora la ecuacin de Mandelbrot:
Dados dos nmeros complejos Z y C (los mismos que estn en la ecuacin) y
donde:
Z = X + Yi
C = a + bi
La ecuacin nos dice que elevemos Z al cuadrado y luego le sumemos C, hag-
moslo entonces
Z^2 = (X + Yi)^2 = X^2 + 2XYi + (Yi)^2
Por potencies sucesivas de los nmeros complejos sabemos que i^2 = -1, por
lo tanto nuestra expresin nos quedara:
X^2 + 2XYi Y^2
Ya tenemos la primera parte, Z^2, ahora nos toca sumarle el complejo C:

X^2 + 2XYi Y^2 + a + bi
Para sumar lo que debemos hacer es agrupar la parte real y luego la parte
compleja, entonces tendramos:
X^2 Y^2 + a + 2XYi + bi
He puesto en color rojo la parte real (X) y en azul la parte imaginaria (Y)
131
Ya tenemos la expresin final de la ecuacin que genera el Conjunto de Mandel-

brot, lo que debemos hacer ahora iterarla, para ello, hay que elegir justamente,
el nmero de iteraciones. Los fractales matemticos perfectos y tericos tienen
un nmero infinito de iteraciones y detalles. Ahora retomo este tema!
3) Qu son las iteraciones? Es repetir y volver sobre s mismo una cierta canti-
dad de veces. En el caso de los fractales lo que iteramos son frmulas o ecua-
ciones como la que recin hemos visto para generar el Conjunto de Mandelbrot.
Cmo iteramos esas frmulas? sera la siguiente pregunta. Bueno, la respuesta
es sencilla, hacerlo realidad es ms complicado. Lo hacemos mediante algorit-
mos. Alguien se pregunt alguna vez por que los fractales no se crearon ante-
riormente? Creo que la respuesta adecuada a ello est ligado directamente al
desarrollo de las computadoras, sin ellas los fractales no existiran. Iterar y ha-
cer estos clculos con lpiz y papel resultara en una complejidad que nadie po-
dra resolver (quizs Cantor). Como deca hace un instante, los fractales teri-
cos tienen detalle infinito. Por ejemplo si nos adentramos en el tringulo de
Sierpinski siempre encontraremos otro tringulo con las mismas caractersticas
que el anterior pero a diferente escala (diferente tamao), eso significa que es-
t iterado infinitas veces. Esto es algo que no podemos experimentar, ya que
crear un algoritmo de iteracin infinita hara que una computadora se tildase.
Por ello, si alguno ya us algn software como el Fractint, Ultrafractal, o cual-
quier otro para generar imgenes fractales, habr notado que llega un momen-
to en que la pantalla irremediablemente se queda en negro o blanco. Si son ob-
servadores deberan haberse preguntado por qu pas eso si los fractales en
teora tienen detalles infinitos y siempre deberamos encontrar una nueva ima-
gen. Bueno, esto se debe justamente a lo que hablbamos recin, todava no se
han podido escribir programas con iteracin infinita. (al menos hasta donde yo
s)
Esto ltimo pasa en la Naturaleza tambin, como ya vimos existen varios siste-
mas que tienen caractersticas fractal, autosimilares, como ser rboles, ros,
neuronas, etc. Si vemos un rbol en su totalidad, y luego tomamos una rama,
sta ltima tendr caractersticas muy similares al rbol en su totalidad. En la
misma rama podemos otras ms pequeas y en ellas a su vez otras ms chicas
an. Esas caractersticas transforman a un rbol en un objeto fractal. Pero llega
un momento en que ya no hay manera de seguir descomponiendo la rama de
132
un rbol. Por lo tanto no sera un fractal perfecto, que como ya hemos deducido
hace un momento solo existen en el campo terico.
4) Dijimos muy superficialmente que todos los fractales DEBEN tener una di-
mensin fractal (prximo tema), pero no todos los fractales son autosimilares,
estos ltimos son los menos, pero es necesario mencionarlos. Un ejemplo de
ellos son los fractales plasmticos, y tienen una forma muy indefinida. Vea-
mos una imagen.
Dimensin Fractal
Ahora nos toca entrar de lleno en el que tal vez sea el concepto ms importan-
te, y en el cual ms esfuerzo debern hacer para comprender, para ello tendrn que
dejar de pensar en la matemtica tradicional por un momento y adentrarse en las
geometras no-Eucldeas.
Ya hemos visto que los fractales DEBEN poseer una dimensin fractal (aunque esto es
relativo, hay fractales que poseen dimensin fractal igual a 2 y an as son fractales).
Entonces, la dimensin fractal debera ser:
- 1) no entera
- 2) su dimensin de Hausdorff debe superar su dimensin topolgica.
Recin hice una aclaracin que hay fractales que poseen dimensin entera, lo
cual aparenta ser una contradiccin, pero hay que aclarar que si bien ellos no cumplen
con el punto 1), si cumplen con el 2), es el tpico caso de la curva de Peano o de Hil-
bert, que parte de una curva, cuya dimensin topolgica es 1, y termina llenando el
espacio, cuya dimensin es 2. Por lo tanto, la dimensin final es de 2, mayor a 1 su
dimensin topolgica. Aclaramos tambin que cumple la caracterstica de autosimili-
tud.
133
Recordemos que las dimensiones topolgicas son 5:

- Dimensin (-1) -- Un Conjunto Vaco
- Dimensin 0 -- Un punto
- Dimensin 1 -- Una lnea recta
- Dimensin 2 -- Un plano
- Dimensin 3 -- El espacio
Como los fractales estn compuestos por elementos cada vez ms pequeos de
s mismo (Autosimilitud), el concepto de longitud pasa a ser algo muy complejo y has-
ta casi sin sentido, de esta manera el concepto de dimensin comienza a jugar un
papel fundamental. De ahora en adelante no deberamos preguntarnos cuanto mide un
fractal, sino cual es su dimensin.
Calcular la dimensin fractal de un objeto puede ser una tarea por dems com-
plicada, de hecho hay muchos fractales a los que an no se les ha podido calcular su
dimensin con precisin. Es todo un tema de debate la dimensin fractal de la corteza
del cerebro humano por ejemplo, aunque se dice que ronda los 2.8... Para poder com-
prender estos nuevos conceptos voy a trabajar ahora con fractales lineales, lo cual
va a resultar mucho ms sencillo que con los no lineales, ya que como acabo de men-
cionar, estos ltimos pueden resultar muy tediosos y se necesitan otras tcnicas, la
ms famoso y exacta sea quizs el box counting mtodo (el mtodo de conteo de
cajas). Existe un sitio, que da una introduccin y tutorial sobre este mtodo, y adems
tiene un EXCELENTE software libre para bajar y calcular la dimensin de diferentes
fractales no-lineales o lineales.
La URL de la pgina es:

http://astronomy.swin.edu.au/~pbourke/fractals/fracdim/ y el programa FDC (Fractal
Dimensin Calculador) es:
134
http://astronomy.swin.edu.au/~pbourke/fractals/fracdim/fdc_linux.tar.gz aconsejo
tambin bajarse los ejemplos TGA. Por lo que se este software esta disponible para
Linux y Mac, pero seguramente existe algn otro para WIN. Cualquier duda que tengan
sobre este mtodo, no duden en consultar en los foros de FractalTec:
http://www.fractaltec.org/local-cgi/cutecast/cutecast.pl
Sigamos, por le momento, tengamos presente que partiendo de una dimensin

entera, debemos llegar a una no entera.
Es una lnea recta un fractal?

Espero que todos hayan contestado que NO!
Que debe pasar entonces para que no lo sea?

Espero que todos hayan contestado que su dimensin topolgica coincide con la
de Hausdorff Besicovich o a lo sumo es menor que ella. Si alguno de ustedes tuvo
algn tipo de inconvenientes para responder estas dos preguntas, sugiero que antes
de seguir leyendo repase las definiciones de dimensin que vimos anteriormente.
Probemos esto:
Tomamos un lnea recta.
Ahora debemos medirla, para ello necesitamos un instrumento y una escala.

Imaginemos que tenemos una regla de 1 metro de longitud, y que justo la distancia de
esa recta es de un metro. Obtengo lo siguiente:
- Un Segmento S - S = 1 (nuestra escala)
- Una Longitud L --> L = 1 metro (una vez nuestra escala de medicin)
Vamos ahora a otra posibilidad. Como habamos hablado en el ejemplo de las

costas de Inglaterra, si por algn motivo necesitamos ms precisin en nuestra medi-
cin, debemos elegir entonces una escala menor
Supongamos ahora, que tenemos la misma recta, pero esta vez tomamos un
elemento de medicin que sea justamente la mitad del anterior.
135
Nuestras mediciones ahora reflejan los siguiente resultados:

Dos Segmentos - S = 2
Longitud 2L - L = 2 (dos veces nuestra escala de medicin)
Esto significa que si tenemos la recta original de 1 metro, y la medimos con una
regla de 50 cm. obtendremos 2 segmentos de 50 cm cada uno, o sea, dos veces nues-
tra escala de medicin.
Llegamos a la parte ms importante de lo que va del curso. Que es definir la

Dimensin Fractal, pero esta vez expresada matemticamente. Para ello utilizaremos
las mediciones de las rectas que realizamos hace un momento. Pero antes pensemos
un poco. Resulta muy fcil para nosotros decir que la dimensin de una recta es 1, la
de un plano es 2 y el espacio donde vivimos es 3, pero de que hablamos realmente
cuando hablamos de dimensin? Cmo la definimos? Realmente no me ha resultado
nada fcil encontrar una definicin clara para contarles, por lo tanto har mi mejor
esfuerzo.
La dimensin est directamente ligada con los grados de libertad. Cuando la

dimensin es 0, solo podra existir ah un punto inmvil, y sin lmites. Si en cambio la
dimensin es 1 ya tenemos una recta y existe un grado de libertad, que es el de mo-
verse de izquierda a derecha por ejemplo. Ahora, si la dimensin es 2 tenemos un
plano, con 2 grados de libertad, podemos movernos de izquierda a derecha nuevamen-
te y de arriba hacia abajo, y obviamente en diagonales. Por ltimo, si la misma es 3
estamos en una situacin como la anterior solo que se le agrega un tercer grado de
libertad que es la profundidad.
Existen varias definiciones ms precisas pero tambin complejas, pero conside-

ro estas ideas suficientes. Ahora voy a hacer es darles la expresin matemtica para
calcular una dimensin. La misma es: (noten que S y L son las letras que us ante-
riormente cuando estaba hablando de las dimensiones de la recta).
Donde S es la cantidad de segmentos o su longitud
L es la escala de medicin
D es justamente la Dimensin.
136
Bien, por ahora es una definicin, no hay mucho por explicar.
Seguramente todos recordarn del secundario como se despeja una incgnita

de una ecuacin. Por ejemplo, si tenamos X + 1 = 2 nos quedaba que X = 2 1 por lo
tanto x=1
Si tenamos X^2 = 4, nos quedaba que el mdulo de X es igual a la raz cua-
drada de 4 .... Por lo tanto X = 2 X = -2
Ahora tenemos algo un poco ms complicado para despejar (solo para aquellos
que hace tiempo que no estn relacionados con la matemtica) Tenemos:
Para poder despejar la D, justamente lo que deseo averiguar, voy a aplicar

logaritmo a ambos miembros de la igualdad:
Por propiedades de los logaritmos puedo decir que:

Log S = D* Log L (* denota multiplicacin)
Por ltimo divido ambos miembros por Log L y obtengo:

D = Log S / Log L (/ denota divisin)
Ya tengo la expresin final para calcular cualquier dimensin. Ntese que en

ningn momento hasta ahora us propiedades fuera de la matemtica tradicional.
Volvamos a nuestro ejemplo de las rectas que medimos anteriormente. En la

primera experiencia la longitud del segmento (L) era de un metro, o sea 1 ... y la can-
tidad de segmentos (S) tambin era 1, por lo tanto nuestra ecuacin quedara:
D = Log 1 / Log 1 -- D = 1
Aqu tenemos un problema, Log1/Log1 es una indeterminacin del tipo 0/0. Por
lo tanto no podemos utilizar esta frmula, deberamos seguir.
Que pasa en nuestra segunda parte de la experiencia de medicin. Tenemos
ahora que L = 2 y S = 2. Por lo tanto:
D = Log 2 / Log 2 -- D = 1
137
Coinciden!!! Y, adems, como era de sospechar la dimensin de una recta es

siempre 1 sin importar que escala usemos. Si hubisemos elegido una escala de 3 nos
quedaba:
D = Log 3 / Log 3 Lo cual obviamente es 1
Y para generalizar, si hubisemos elegido una escala n

D = Log n / Log n Lo cual tambin es 1. Con n distinto de 0.
Como conclusin final hemos probado que una recta NO es un fractal. Anloga-
mente se prueba que un cuadrado tampoco lo es, la dimensin ser igual a 2 (coincide
con el plano) y un cubo tampoco es un fractal, su dimensin es 3 (coincide con el es-
pacio) Se los dejo como ejercicio!
Ahora lo que todos estaban esperando. Cmo es la dimensin de un frac-

tal?
Para ello vamos a volver a tomar un fractal amigo y ya conocido por todos us-
tedes. La curva de von Koch.
Un fractal se genera en tres etapas. En la primera de ellas elegimos una figura

generadora. En nuestro caso ser una lnea recta, pero generalmente se puede elegir
cualquiera, ese es un tema ms avanzado y se estudia en lo que se llaman IFS. Se-
guimos, despus aplicamos un algoritmo, y por ltimo comenzamos a iterar la figura
resultante luego de haberle aplicado dicho algoritmo. Entonces las etapas quedaran
resumidas as:
138
Traducido al lenguaje coloquial, diremos que tomamos una lnea recta, le apli-
camos un algoritmo tal que al apoderarse de esa misma recta la divida en tres seg-
mentos iguales, una vez hecho eso, quiero que el algoritmo elimine el segmento del
centro y lo reemplace por otros dos, formando as un tringulo como muestra la se-
gunda instancia (imagen 2-B). Hasta ah los dos pasos de generacin, ahora comienza
la iteracin. Y cada iteracin har exactamente lo mismo, o sea, lo que le indique el
algoritmo. Cada vez que vea una lnea recta, la tomar y la dividir en tres partes
iguales, eliminar el segmento del medio y lo reemplazar por otros dos iguales for-
mando un tringulo. Es ms difcil de explicar con palabras que vindolo grficamente.
Volvamos ahora s a lo que ms nos importa, que es calcular la dimensin de la

curva de von Koch.
En este caso nuestra L es 3, ya que dijimos que el algoritmo dividira nues-

tra imagen generadora en 3 segmentos iguales (lo mismo ocurra cuando divi-
damos la recta en dos segmentos iguales, L era igual a 2). Y aqu aparece la gran no-
vedad. Nuestro algoritmo toma una de esos segmentos y lo transforma en dos. Por lo
tanto nuestra S no ser 3, sino 4 (ver imagen 2-B). Y aplicando la frmula de dimen-
sin obtenemos:
D = Log S / Log L
D = Log 4 / Log 3 --------- D = 1.26185..
Hemos obtenido una dimensin fraccionaria, no entera! Y adems supera la di-

mensin topolgica de nuestra imagen generadora que es 1.
Por lo tanto, y sin ningn lugar a dudas, la curva de von Koch es un

fractal
Veamos ahora, y por ltimo en esta segunda clase, que pasa con el Conjunto de
Cantor. Anteriormente les dije que tena una propiedad que era interesante debatir
para ver si se lo puede considerar como fractal o no. Aqu que les muestro esa propie-
dad y luego lo discutimos.
Traigamos frente a nuestros ojos nuevamente la figura 1-A
139
Tenemos otra vez como imagen generadora una lnea recta (se genera de arriba
hacia abajo). Estudien con detalle lo que ven y notarn que ahora S = 2 y L = 3. Por el
contrario de lo que sucede con el Conjunto de Cantor, el algoritmo nos divide ahora la
recta en 3 segmentos iguales, pero elimina a uno de ellos y no agrega nada como su-
ceda antes. Por lo tanto tenemos:
D = Log 2 / Log 3 - D = 0.6309.............
Bien, obtuvimos una dimensin fraccionaria. Pero que cambi? Ella es menor
que su dimensin topolgica correspondiente a 1 por ser una lnea recta su generador.
Esto es algo que le preocup a Mandelbrot, pero expertos en fractales consideran
igualmente al Conjunto de Cantor, y a otros con estas particularidades, como fractales.
Personalmente las excepciones me molestas y preocupan bastante, si bien es cierto
que tiene una autosimilitud perfecta, por su dimensin yo optara por no considerarlo
un fractal.
Dimensin Fractal del Triangulo de Sierpinski
Espero que entiendan por que propongo lo siguiente:

D = (log 3)/(log 2) = 1,58496
Bien, aqu hay que notar algo sumamente importante y muy confuso para la
mayora. La dimensin fractal que obtuvimos es no entera. Hasta ah perfecto. Ahora,
esta dimensin es superior o inferior a su dimensin topolgica? La respuesta es que
140
es SUPERIOR, ya que la dimensin topolgica de un tringulo (sin su relleno) es igual a

1. La explicacin es que un tringulo puede formarse manipulando una lnea recta,
no pasara lo mismo si el tringulo estuviese relleno. Entonces, el tringulo de Sier-
pinski cumple los dos punto de dimensin fractal, y adems es Autosimilar, por lo tan-
to, es un fractal.
La misma explicacin se aplica a las curvas de Peano y Hilbert que discut ante-
riormente, parten de una curva, la cual tiene dimensin topolgica igual a 1!!!
Forma de generar la curva de Hilbert:

Imag. Hilbert B
Forma de generar la curva de Hilbert:
Noten que tenemos 9 segmentos de 1/3
de longitud cada uno.
De ah viene el log9/log3
El motivo por el cual la dimensin fractal
es 2, es porque si hacemos una Iteracin
hasta el infinito, esta curva llenar por
completo el plano.
Noten tambin que el grafico del cuadro
anterior es este son diferentes. Eso pasa,
porque hay MUCHAS variantes de estas
curvas.
En la primera imagen Imag. Hilbert A
vemos ms fcilmente como se llena en
espacio. En la segunda, Imag. Hilbert A
vemos mas fcilmente por que su dimen-
sin topolgica es igual a 1.
141
Ms sobre la curva de Hilbert:

http://www.fractalus.com/kerry/tutorials/hilbert/hilbert-tutorial.html
NOTA: por ltima vez quiero recalcar que nos fue fcil calcular estas dimensio-
nes porque pertenecen a fractales lineales, pero la idea es llegara comprender los frac-
tales complejos o no lineales ya que son las estructuras que se presentan en la Natura-
leza, para eso recomiendo que profundicen en el box counting method que mencion
anteriormente.
Ms consideraciones sobre la Dimensin Fractal, Autosimilitud y Carac-

tersticas Fractales.
Ahora me gustara realizar algunos comentarios y hacer un breve resumen de lo
que hemos visto en la primera etapa, e intentar aclarar algunos conceptos que podran
resultar algo confusos.
1) En primer lugar dijimos que los Fractales forman parte del estudio matemti-
co de la Teora del Caos, proporcionndole herramientas geomtricas de gran
valor por describir sistemas naturales con gran realismo y detalle.
2) Luego dijimos que los fractales se caracterizaban por dos propiedades fun-
damentales: - Autosimilitud - Dimensin Fractal
3) La Autosimilitud la dividimos en dos partes. Perfectamente Similar para los
fractales lineales y Estadsticamente Similar para los fractales complejos. Di-
jimos tambin que existen fractales que pueden no tener Autosimilitud, como
ser los fractales plasmticos. En los foros de debate
(http://www.fractaltec.org/local-cgi/cutecast/cutecast.pl ) surgieron varios te-
mas con referencia a la Autosimilitud, y uno de ellos es si determinadas funcio-
nes matemticas tradicionales pueden llegar a ser fractales. Como por ejemplo
la funcin propuesta fue Seno de X. Estoy seguro que dicha funcin no tiene
dimensin Fractal, por lo que en primer lugar podra asegurar que no lo es. Pero
igualmente sera interesante analizarlo desde el punto de vista de la Autosimili-
tud. Veamos estas imgenes:
142
En la figura 1-A vemos la funcin Seno de X entro los valores 0 y 2. En la figu-

ra 1-B observamos la misma funcin pero esta vez entre -/2 y /2. Qu conclusiones
podemos sacar de aqu? En primer lugar diremos que con seguridad no es un Fractal
lineal, ya que la Autosimilitud no es perfecta. Desde mi concepto personal de Autosimi-
litud tampoco lo veo estadsticamente similar. Qu ven ustedes? (Recuerden que ya
dimos por sentado que no era un Fractal debido a que no tena dimensin Fractal, que
solo estbamos analizando su Autosimilitud por una inquietud que surgi.
Sobre la Teora del Caos

Ya tenemos un panorama bastante grande de los Fractales, ahora nos toca
abordar determinados aspectos de la Teora del Caos.
El ttulo solo nos da un panorama de lo que veremos a continuacin: CAOS. Es-

te tema tiene adems un fuerte trasfondo filosfico. Preguntas tales como: Juega Dios
a los dados? Haciendo alusin al azar con que se presentan los hechos en la Naturale-
za; el eterno enfrentamiento entre el Orden y el Caos, o el Reduccionismo y Determi-
nismo y figuras tales como la Entropa de la mecnica clsica y termodinmica; todos
unidos conforman un combo explosivo que llevan a enunciar postulados de lo que hoy
se lo reconoce como una Nueva Ciencia. Antes de las definiciones, voy a dar un par
de conceptos que considero son claves.
Los Fractales implican Caos, pero el Caos no implica Fractales. Aclaracin

a este primer concepto. Aqu estoy hablando de los fractales que se presentan en la
vida cotidiana, en la naturaleza, en los sistemas biolgicos, fsicos o sociales, en otras
palabras, los fractales no lineales o complejos. Es fcil ver que los fractales lineales
son perfectamente previsibles y deterministas.
143
Veamos, la Geometra Fractal es tan solo una pequea parte de la Teora del
Caos, esta ltima se basa en una diversidad muy grande de herramientas matemticas
que van mucho ms all de los Fractales. Si, como hemos visto anteriormente, aque-
llos sistemas no lineales o caticos que tengan Autosimilitud y una dimensin fraccio-
naria sern estudiados por la Geometra Fractal, pero no todos los sistemas caticos
poseen estas cualidades, por lo tanto se requiere otro tipo de tcnicas para estudiarlos.
Diferencia entre la Matemtica tradicional y la Teora del Caos

Cuando estudiamos en Fsica materias como Mecnica Clsica, nos topamos con
ecuaciones tales como:
la cual nos da por resultado la posicin de un objeto que viaja a una velocidad deter-
minada en un tiempo y con una aceleracin dada.
O las muy famosas leyes de Newton, como por ejemplo la segunda que nos di-
ce:
F=ma
Ella nos muestra que el valor de la sumatoria de todas las Fuerzas es igual a la
masa multiplicada por la aceleracin.
Lo que intento dejar en claro con estos ejemplos es que, segn la matemtica
tradicional, conocidas tales condiciones iniciales puedo saber con exactitud como se
va a comportar un cuerpo o un sistema a lo largo del tiempo. En teora, si conozco
donde se encuentra un cuerpo, a que velocidad se mueve, que aceleracin posee y en
que trayectoria se desliza, voy a poder saber sin problemas donde va a estar y que
caractersticas tendr su movimiento en el tiempo que yo elija. Tanto en el pasado co-
mo en el futuro.
Es bueno hacer una aclaracin sobre el tiempo en este momento. La Teora del
Caos, y de la mano de Prigogine, habla sobre la Flecha del Tiempo concepto funda-
mental de esta nueva teora. Esta nos dice que el tiempo es irreversible. La mecnica
clsica no diferencia entre presente y pasado, como veamos en las ecuaciones ante-
riores, no importa que tiempo ponga en la variable t, voy a obtener un resultado lgico
144
y correcto. La Teora del Caos nos ensea que todos los sistemas son irreversibles,
jams puedo volver hacia atrs, por este motivo se habla de la Flecha del Tiempo,
solo apunta hacia un extremo, futuro!
La justificacin para este postulado, esta directamente relacionado con la entro-

pa.
( Ojo con el trmino condiciones iniciales, y que ser lo ms importante en lo que se
basa toda la Teora del Caos)
Qu sistemas describen realmente estas ecuaciones? En primer lugar, obvia-
mente se aplican a sistemas naturales y mecnicos reales, si no, la Fsica no tendra
ningn sentido. En segundo lugar, y el que nos interesa particularmente a nosotros,
estas frmulas se aplican a sistemas IDEALES. A qu me refiero con ideal? Si bien
ecuaciones como las de los ejemplos anteriores tienen en cuenta detalles como el ro-
zamiento, la resistencia del aire y otra serie de variables, JAMAS van a poder contem-
plar la totalidad de variables que se presentan en las condiciones iniciales de un siste-
ma. Vamos a dar dos ejemplos que se encuentran en los extremos y ello nos va a lle-
var a nuestra primera definicin:
1) En la Naturaleza tenemos sistemas que se asemejan al comportamiento me-
cnico de un reloj. Ello implica que planteando una serie de condiciones t2
iniciales podremos saber como ese mismo sistema se va a comportar ms
delante o como se comport en el pasado, de una manera casi exacta.
Un ejemplo claro de ello es el sistema planetario. Astrnomos pueden pre-
decir un eclipse de Sol cientos de aos antes de que ocurra con una asom-
brosa certidumbre. La palabra casi, es la que introduce el concepto de Caos.
Veamos ahora el segundo ejemplo, el del otro extremo.

2) Seguramente todos han odo hablar del famoso Efecto Mariposa que dice
algo as como: si una mariposa aleta en Tokio, bajo determinadas circuns-
tancias esa onda que produjo el aleteo puede viajar, potenciarse y trans-
formarse en un huracn en el Caribe.
Bueno, ambos ejemplos son los extremos de lo que se produce en la Naturale-

za, el primero sumamente mecnico y predecible y el segundo que en principio parece
regido solamente por el azar.
Vamos a ensayar ahora una definicin, en primera instancia podramos decir:
145
Los sistemas caticos son aquellos que se encuentran afectados directamente por sus
condiciones iniciales, transformndolos en el transcurso del tiempo en sistemas impo-
sibles de predecir.
Vamos a seguir avanzando para llegar a una definicin ms contundente. Abso-

lutamente todos los sistemas se encuentran afectados por sus condiciones iniciales, no
hay duda en ello, lo que si es importante destacar es lo que venimos hablando hasta
ahora, esas condiciones afectaran a los sistemas de varias formas a lo largo de su evo-
lucin, hacindolos crecer de una manera que podemos predecir o de otra que resulta-
r catica y difcil de prever.(ver los dos ejemplos anteriores)
Antes de seguir, voy a dar ms ejemplos de sistemas caticos para fijar estas
ideas.
- El clima meteorolgico, no se puede predecir con razonable exactitud con ms
de una semana de anticipacin. Y no siempre se acierta haciendo un pronstico
ese mismo da, por ms tecnologa avanzada que se utilice. Esto se debe a la
gran cantidad de variables que son precisas conocer. - En la bolsa de comercio,
un simple rumor sobre la suba o baja de acciones puede potenciarse a lo largo
del tiempo y causar un efecto catico. (comparar con el ejemplo de la maripo-
sa, como se potencia esa onda en el aire y como se potencia el rumor y cuales
son los resultados.) - Hace aproximadamente 6 aos la Tierra tard en girar al-
rededor del Sol un segundo ms de lo estipulado. Se cree que se debi en prin-
cipio a las mareas. Ese segundo de ms causar que en cientos de millones de
aos la Tierra pierda su rbita. (para nosotros mucho tiempo, para la Naturale-
za un tiempo razonable)
Entonces, vean como un simple detalle como un rumor, un segundo o el aleteo

de una mariposa, puede causar a lo largo del tiempo que un sistema que pareca orde-
nado y afectado por leyes naturales exactas y deterministas, en un momento dado se
transforme en un sistema totalmente catico y que al parecer est regido ms por el
azar que por la Naturaleza.
Resulta sumamente interesante e importante calcular esos puntos de inflexin

donde un sistema pasa de ser ordenado a catico. Esto nos lleva a enunciar dos postu-
lados importantsimos de la Teora del Caos, los que considero imprescindibles que
queden claro para cada uno de ustedes.
146
Para la Teora del Caos, no existen sistemas ni 100% ordenados, ni 100% cati-
cos. Esta teora acepta tanto el Orden como el Caos y los relaciona en una dualidad de
la siguiente manera:
En todo sistema ordenado, el caos siempre est presente o implcito
En todo sistema catico, el orden siempre est presente o implcito
Estos postulados son los que personalmente siempre me han llamado la aten-
cin y los que me han convencido de que esta Teora es la que mejor describe los sis-
temas naturales, en conjunto con la Geometra Fractal.
Pero analicemos un poco que nos dicen y luego daremos tres ejemplos que se
dan en la naturaleza y que son dignos de estudiar, los cuales nos llevarn a replan-
tearnos un serie de cosas que hasta ahora creamos sin meditar.
Imaginemos un sistema ordenado. Uno podra ser el que mencion anteriormente, la
Tierra girando armnicamente alrededor del Sol (sistema ordenado y predecible), y
que en determinado momento se demora un segundo en cumplir el recorrido total en
su rbita, lo que determina que ser expulsada de la misma a lo largo del tiempo.
(consecuencias caticas) De este ejemplo se desprende el primer postulado. En todo
momento el sistema terrestre es ordenado, pero lleva implcito consigo mismo el caos,
que va trabajando muy de a poco y silenciosamente y en un determinado punto se
apoderar por completo del mismo y generar consecuencias insospechadas o catas-
trficas.
Veamos ahora un ejemplo para entender el segundo postulado:

En este caso debemos elegir un sistema totalmente opuesto al anterior. Que
comience siendo catico y derive en orden. Esto se estudia mucho en comportamientos
sociales, as que aprovechemos a dar un ejemplo en este campo y luego veremos otros
que se dan en la naturaleza que son ms complejos.
Imaginemos varias empresas chicas, las cuales estn en problemas financieros que las
llevan a comportarse de una manera catica y desordenada en el mercado. No se sa-
br que puede pasar el da de maana con ellas, si quebrarn, si recibirn algn prs-
tamo, si despedirn personal, etc Una situacin catica a la cual estamos tristemente
acostumbrados en estos tiempos. Ahora piensen en este caso, una de esas mismas
empresas tiene lo que a la otra le hace falta. Una tiene tecnologa pero no tiene perso-
nal capacitado, a la otra le sobra personal pero no posee tecnologa, otra tiene contac-
tos en el exterior pero no buenos productos para vender, a otra le sobran buenos pro-
147
ductos, pero no los conoce nadie, no estn inmersos en el mercado. Esta situacin
muestra que una empresa tiene justamente lo que le falta a la otra, y por separado
todas funcionan de manera catica y errtica. Qu pasara si todas o algunas de ellas
se uniesen con base en contratos legales, un organigrama bien establecido y confianza
entre sus socios. Lo que era un sistema totalmente desordenado por separado, encon-
tr sus patrones y puntos en comn y deriv en un sistema armnico, ordenado y pro-
ductivo.
Algo sumamente importante, y por donde siguen pasando las claves para en-
tender esta teora es lo siguiente:
Segn el postulado de la Teora del Caos que mencion oportunamente, l nos

deca que en la Naturaleza jams vamos a encontrar sistemas 100% ordenados ni
100% caticos, por lo tanto, de estos ejemplos se desprende una consecuencia que
debemos tener siempre en cuenta:
Por ms que un sistema haya derivado en caos, o que se haya vuelto ordenado y esta-
ble, potencialmente vuelve a pasar lo inverso. Ahora, aquel que era estable y deriv en
caos vuelve a llevar implcito consigo mismo el volver a transformarse en orden nue-
vamente. Y aquel que era catico y desordenado y deriv en orden, ahora lleva el caos
implcito en su esencia. Esto lleva a conformar un circuito que no es ni ms ni menos
como se genera y se construye la Naturaleza.
Ms ejemplos de sistemas Caos-Orden

Ahora que ya hemos hecho una introduccin a los sistemas caticos y a la dua-
lidad y relacin que existe entre el Caos y el Orden, voy a dar ms ejemplos de lo que
ocurre en la naturaleza, que espero despierten su imaginacin y asombro.
Ejemplo 1
El primero de ellos no es tan complicado, y hasta lo pueden experimentar uste-
des mismos.
148
Imagnese que en esta pirmide cada uno de esos punto es un clavo. Todos se
encuentran incrustados en una pared vertical. (mi dibujo est algo desalineado, si van
a probar esta experiencia, debera estar un poco mejor construido.)
Ahora, esto que les voy a contar se ha realizado en laboratorios, en condiciones

de vaco total y con brazos de robot sumamente precisos, vean los resultados.
El robot toma una pequea bola o pelota perfectamente circular, sin irregulari-
dades. La coloca sobre el tope de la pirmide, o sea, en el primer clavo y luego la suel-
ta. Esa bolita comienza a caer rebotando de clavo en clavo y pasando siempre entre
medio de dos de ellos y llega al siguiente nivel sin detenerse hasta llegar la base. En la
base de mi dibujo se encuentran solamente 5 clavos, pero la idea es que sean muchos
ms, una cantidad superior a los 100 para poder probar esto. Bueno, cuando la bolita
llega a la base, esta sale de la pirmide como dijimos antes por entre medio de dos
clavos, imaginemos para el primer ejemplo entre el clavo 10 y 11 comenzando a con-
tar de izquierda a derecha.
El mismo robot, aparentemente con las mismas condiciones iniciales vuelve a

tomar la misma bolita y a repetir el ejercicio. Al comienzo la trayectoria es similar a la
primera experiencia, pero llega un momento que pasa a travs de dos clavos distintos,
lo que deriva, una vez que llega a la base, que salga por dos clavos que nada que ver
con los de la primera medicin. Por ejemplo entre los clavos 67 y 68.
Observacin, cada vez que la experiencia se repite, el resultado nunca es el

mismo, la bolita sale siempre por la base entre dos clavos diferentes y a mucha distan-
cia entre una medicin y otra. Su trayecto tambin sufre modificaciones a partir de un
punto y siempre es distinto. Tengamos nuevamente en cuenta que se realizaba en
condiciones de vaco y con un brazo de robot preciso y an as el sistema se comporta-
ba de una manera catica o azarosa (no se puede predecir por donde saldr la bolita, y
las mediciones arrojan resultados completamente distintos en cada medicin).
Esto es un tpico caso que demuestra lo sensible que son los sistemas no lineales a sus
condiciones o variables iniciales, las que con el paso del tiempo, causan efectos y re-
sultados imposibles de predecir Primer postulado de la Teora del Caos que vimos.
149
Ejemplo 2
Cientficos realizaron esta investigacin
Seguramente todos conocen el juego de computadora llamado Tetris. Estos in-
vestigadores convocaron a una persona que no conociera de que se trataba dicho jue-
go. Le inyectaron glucosa radioactiva (el cerebro se alimenta de glucosa), y lo sentaron
frente a la PC sin darle instrucciones de cmo jugar. Con un monitor se sigui la evolu-
cin. La glucosa radioactiva iluminaba las regiones del cerebro que la persona utilizaba
para intentar entender el Tetris, las cuales en primera instancia se manifestaban en
gran cantidad. Luego se le ense a jugar al mismo tiempo que se le repeta el mismo
procedimiento con la glucosa. Mientras la persona ms aprenda, menos regiones del
cerebro se iluminaban, el cerebro iba asimilando y acumulando informacin, ya no ne-
cesitaba buscar aleatoriamente datos por toda su corteza. Una vez que la persona
comprendi por completo el juego, apenas una leve regin del cerebro se iluminaba.
Este es un caso muy significativo de la transformacin de un sistema catico (todo el
cerebro iluminado en busca de informacin de cmo jugar) a uno ordenado (una leve
regin iluminada una vez asimilado el juego) Otro de los postulados que vimos ante-
riormente.
Ejemplo 3
El Solitn de John Russell. Si arrojamos una piedra en un estanque de agua la
misma generar una perturbacin, produciendo pequeas olas, las cuales se diluirn
en un tiempo breve, dependiendo en principio de la fuerza con que se la haya arrojado
y las condiciones del agua en ese momento. Ahora bien, John Rusell observ un fen-
meno increble. En situaciones muy especiales, cuando las condiciones iniciales se pre-
sentan de una manera nica, hay olas en el ocano que se unen formando una nueva
con caractersticas propias. Esta nueva ola, llamada SOLITON viaja centenares de ki-
lmetros sin perder su forma. Si un barco la atraviesa, al instante recobra su estructu-
ra original y sigue adelante. No importa si hay vientos o tormentas, la misma sigue su
trayectoria inmutable. Este fenmeno es muy famoso y ha sido muy estudiado. Se ha
intentado reproducir artificialmente en universidades por alumnos de matemtica y
fsica, hay conferencias especializadas en el tema, y cursos especiales solamente refe-
ridos a este raro fenmeno, que puede englobar todos los misterios del Caos.
Es otro ejemplo de cmo un sistema catico como ser olas en el ocano se unen
y forman un nuevo sistema totalmente ordenado y armnico.
150
Si alguien desea profundizar ms en este tema para debatirlo ms adelante, el

departamento de Matemtica de la Universidad de Heriot-Watt tiene un excelente ma-
terial, lamentablemente el mismo est en ingles, pero no es difcil conseguir documen-
tacin en espaol en Internet. Los enlaces son:
Pgina Principal de los Solitones: http://www.ma.hw.ac.uk/solitons/

Historia de John Russell y los Solitones:
http://www.ma.hw.ac.uk/~chris/scott_russell.html
Recreacin del Solitn: http://www.ma.hw.ac.uk/solitons/press.html
Atractores
Un tema fundamental, el cual lamentablemente no voy a poder profundizar en
este momento, es el tema de los Atractores. Los mismos son el camino de ida y vuelta
que nos conducen al Caos.
En ejemplos anteriores, como el del juego del Tetris, vimos que cuando la per-
sona aprenda a jugar a la perfeccin se iluminaba solo una regin del cerebro. Deci-
mos entonces, que en ese momento se form un Atractor.
En el ejemplo de la ola de John Russell, ese Solitn es un Atractor puro.
Quizs el Atractor ms conocido y popular sea el de Lorentz, el cual se lo asocia

entre otras cosas al clima meteorolgico. Su imagen es la siguiente
Fractales, Caos y Poblacin

Hemos visto en la clase anterior diversos ejemplos de la dualidad que existe en-
tre el Caos y el Orden. Hemos visto tambin, de manera superficial por el momento,
como los Fractales se generan a travs de diferentes iteraciones, y pusimos como
151
ejemplo el Conjunto de Mandelbrot, el cual surge de iterar la frmula compleja: Zn+1

Zn^2 + C donde Z es un nmero complejo y C una constante.
La Iteracin de ecuaciones mediante algoritmos ha revelado una serie de pro-

piedades matemticas asociadas a la descripcin de sistemas naturales realmente
asombrosos. Dicha iteracin es el camino que nos conduce a los atractores y por con-
siguiente a la permanente y eterna metamorfosis entre el Caos y el Orden.
Ahora veremos un caso que se da en la Naturaleza en la que un sistema pasar

de un estado catico a uno ordenado a travs de iteraciones sobre s mismo.
Una de las aplicaciones reales y ms espectaculares de la Teora del Caos se da

en fenmenos demogrficos, como ser expansin de colonias de insectos, virus, pobla-
cin de ciudades y territorios por los humanos, epidemias, etc.
Increblemente algunas de estas poblaciones son sumamente ordenadas, crecen
rpidamente, se extinguen de golpe, tienen ciclos perfectos de reproduccin o mantie-
nen matemticamente una tasa de natalidad casi perfecta. Otras, en cambio, son su-
mamente caticas.
Para dar un ejemplo de ello, voy al libro que me introdujo en la Teora del Caos
y el cual me fascin por aos, el mismo se llama El Espejo Turbulento y sus autores
son John Briggs y David Peat.
El ejemplo habla de un parsito llamado mariposa lagarta. Este parsito vive

en verano y muere de fro en invierno, antes de morir deposita sus huevos los cuales
nacern al comienzo del prximo verano.
Veamos ahora cual es la ecuacin matemtica que se utiliza para estudiar po-
blaciones demogrficas que se duplican ao tras ao:
Xn+1 = 2Xn
Donde X ser el tamao de nuestra poblacin y los subndices representarn un

tiempo inicial y uno final.
El nmero de individuos en una poblacin jams es estable, aumenta o dismi-

nuye de un ao a otro dependiendo varios factores naturales. Viendo nuestra ecuacin
152
imaginemos que nuestro primer ao de medicin es 1 (Xn = 1) y adems sabemos que

al ao siguiente la poblacin se duplic (Xn+1 = 2 = 2X1)
La frmula nos quedara:

X2 = 2X1
Supongamos que la poblacin del ao 1980 es de 1000 larvas. Obviamente, de

acuerdo a nuestra formula, la poblacin del prximo ao, 1981, ser de 2000 y la del
tercer ao, 1982 ser de 4000. (X3 = 2X2)
Naturalmente este crecimiento lineal tampoco se da en una manera tan perfec-

ta, como es el de duplicarse de ao en ao, por lo tanto a la ecuacin anterior si le
agregamos un nuevo trmino dar una impresin mas realista, este trmino es N, que
indica la tasa de natalidad. Entonces nos queda:
Xn+1 = NXn
Hay que aclarar que esta ecuacin es general y sirve para darnos una idea glo-
bal de la expansin poblacional. Luego, para cada comunidad en especial, se harn los
ajustes particulares.
Hasta aqu nada novedoso, sabiendo la tasa de natalidad, y como ha variado

una poblacin de un ao a otro, podremos saber como se comportar a lo largo del
tiempo. Pero esto se da solo, y nuevamente volvemos al concepto de matemtica tra-
dicional visto en clases anteriores, en sistemas ideales. Pero eso contradice a las leyes
del Caos, y definitivamente no nos da un panorama realista de la situacin.
Para solucionar ese inconveniente, a partir de este momento comienza a formar

parte del juego lo que a todos nosotros nos interesa: la iteracin y todos los con-
ceptos caticos. Ingeniosamente alguien aadi un trmino no-lineal a esa ecua-
cin.
Ahora tenemos:
Xn+1 = NXn(1-Xn)
Analicemos, en la misma ecuacin tenemos dos veces el trmino Xn y lo ms

curioso que uno est enfrentado al otro. Qu quiere decir que estn enfrentados?
153
Cuando crece Xn, el trmino (1- Xn) sin dudas disminuye. Cuando Xn tiende a 0 fjen-
se que la ecuacin nos queda prcticamente como la original, o sea, sin el nuevo tr-
mino ya que este se asemeja a 1. En cambio, cuando crece Xn y se acerca a 1, el nue-
vo trmino se acerca a 0, haciendo disminuir todo el trmino que se encuentra a la
derecha del signo igual, o sea, la poblacin un ao despus de nuestra medicin.
Esto est directamente ligado a que una poblacin no puede crecer infinitamen-
te, sino que s auto regula. Ese ltimo trmino aadido a la ecuacin original nos
muestra la cota, en otras palabras, los lmites que puede crecer una poblacin. Esa
cota, matemticamente, es entre 0 y 1, sin importar la cantidad de individuos dentro
de la poblacin, es solo una regulacin matemtica.
Aprovecho a decir, que la auto-regulacin y la auto-organizacin son dos de las

caractersticas ms importantes y estudiadas de los sistemas no lineales y caticos.
Por qu a la ecuacin anterior le decimos no-lineal? Noten que cuando Xn crece, al
mismo tiempo se auto regula con (1- Xn) y termina haciendo disminuir el resultado
final de la ecuacin. Entonces, dicha ecuacin, no est creciendo ni linealmente, ni ex-
ponencialmente; est regulndose no-linealmente. Adems est muy claro que el tr-
mino Xn queda elevado al cuadrado, lo que determina un crecimiento no lineal.
Cont este tema de una manera muy sinttica, se puede llegar a profundizar
mucho ms, pero igualmente quera dejarles planteada una ecuacin no lineal, y como
se genera una Iteracin en la cual nuestra variable es el ao. Sera interesante que
ustedes mismos planteen diferentes condiciones iniciales y ver a que resultados llegan.
En mis lecturas sobre los aspectos matemticos de la Teora del Caos profundizo mu-
cho en este tema, y adems proveo software para dicho estudio, pero esto escapa a
este curso. Les recomiendo darse una vuelta por www.fractaltec.org para buscar in-
formacin.
Algunas aplicaciones que mencionadas en El Espejo Turbulento son:

Como se expande un rumor. Al comienzo se dispersa exponencialmente por todos
lados, de odo en odo hasta que comienza a resultar conocido, es entonces cuan-
do se comienza a decir Ya conozco la versin y el rumor comienza a decrecer
drsticamente. (Imagnense lo que pasa en economa con el rumor de la suba de
acciones, devaluacin de la moneda, o en poltica con rumores sobre quien ser
el futuro presidente). Lo que aprende un estudiante est relacionado con su ca-
154
pacidad de incorporar conocimientos. Al comienzo aumenta notablemente, luego

se satura y comienza a declinar irremediablemente. Esta ecuacin se utiliza mu-
cho en gentica para el estudio de cambio de frecuencia en la poblacin de de-
terminados grmenes.
Igualmente vamos a analizar un poco ms esta ecuacin.

Ms all de todos los nmeros que hagamos, lo destacado de esta ecuacin
demogrfica es que en todo momento mantiene el potencial hacia el Caos u Orden que
nombramos la clase pasada.
Imaginemos que la tasa de natalidad es de 0.99. Esto significa que la poblacin
disminuir 0.01 cada ao, y hasta la poblacin ms grande se extinguir.
Cuando la tasa de natalidad es 1.5 la poblacin oscilar entre varios valores, y

luego se estabilizar en un valor constante de 2/3, o sea, el 66% de la poblacin origi-
nal.
Cuando la tasa es de 2.5 nuevamente hay una oscilacin grande, pero luego
vuelve a estabilizarse en 2/3. Vemos que la poblacin no se extingue.
Entonces, de acuerdo a lo que mencion en captulos anteriores, sin ningn lu-

gar a dudas el 2/3 es un firme candidato a convertirse en un ATRACTOR, ya que no
importa las variaciones que pasen en el sistema, con esa tasa de natalidad siempre el
sistema va a tender a 0,66666667
Analizar la parte matemtica de cmo llegamos a esos valores escapa a este

curso, estos ejemplos solo tienen la intencin de mostrarles lo que sucede en la Natu-
raleza, como se auto-regulan las poblaciones, como crecen, como disminuyen, como
los factores no-lineales son determinantes para describir un sistema correctamente y
lo muestre desde un punto de vista muy real.
Las oscilaciones de las que hablaba, se deben a varios factores, como ser clim-
ticos, alimenticios, espacio disponible para desarrollarse, etc. Por ejemplo, si tenemos
una tasa de natalidad altsima, va a haber muchos habitantes en la comunidad, pero el
alimento y el espacio pueden resultar escasos, por lo tanto muchos comenzarn a mo-
rir. Hasta llegar a regularse en un determinado nmero. Por el contrario, si el espacio y
el alimento abundan, y la poblacin es muy chica, se dan condiciones propicias para
155
desarrollarse y aumentar la cantidad de integrantes. Nuevamente llegar un momento

en el que sean demasiados, y otra vez s auto-regularn. Esto ciclos son justamente
los que demuestra la ecuacin no lineal que estamos analizando y la manera como
forman sus atractores. Grficamente pueden representarse as:
Dijimos que uno de los nmeros claves era 2/3 o 66%. Ahora, cuando la tasa
de natalidad es de 3.56, nuevamente el sistema comienza a oscilar caticamente. Esos
puntos clave como dijimos son atractores, y en cada punto catico que detectemos
ser un nuevo atractor construyendo as un grafico de bifurcaciones como los que
vemos en las imgenes anteriores.
El gran desafo de los matemticos es detectar esos puntos y construir as el

mapa del Caos, o de crecimiento de un sistema a lo largo del tiempo. Para los que
deseen aprender mas sobre esto, recomiendo que busquen el tema Exponentes de
Lyapunov, todava no he escrito nada sobre el tema.
Nuevamente, noten que al parecer, un sistema completamente catico como el

crecimiento de poblacin de las larvas lagartas llega un momento en el que se ordena
(cuando llega al 66% de su poblacin original) Pero el caos est potencialmente siem-
pre presente, acechando y cuando la tasa de natalidad supera el 3.56 nuevamente el
Caos est presente hasta ordenarse nuevamente en otro punto, un nuevo atractor y
produciendo bifurcaciones en su grfica.
Noten lo ms importante hasta ahora, esas imgenes de atractores anteriores,

tienen una estructura FRACTAL ! ! ! Busquen su autosimilitud! En la primer figura,
vemos este cuadro de bifurcacin entre los valores 2,5 y 4 ... en el siguiente grafico,
hice un ZOOM, o sea, Iteracin, entre los valores 3,54, y 3,60, noten que valores tan
cercanos, y aun as veo que ambos grficos se parecen muchsimo, ah entra en juego
la autosimilitud. Creo que este es un ejemplo de lo ms claro que poda dar para ver la
dinmica de un sistema natural no-lineal, y la relacin que existe con las estructuras
156
fractales, y de paso mostrar como una ecuacin no-lineal se realimenta y se auto-

regula a s misma generando el concepto de iteracin mas importante que existe para
los sistemas fractales y caticos.
Por ltimo sobre este tema, recomiendo que visiten el sitio:

http://hypertextbook.com/chaos/
Fractales, Caos y Matemtica Tradicional

1) Tringulo de Pascal y Tringulo de Sierpinski
El tringulo de Pascal, tambin conocido como tringulo aritmtico tiene la si-
guiente forma:
El mismo se construye as:

La primera fila es el tope del tringulo, y es la fila 0. todas las filas comienzan y
terminan con 1 cada fila tiene n + 1 elementos los dems elementos se obtienen su-
mando los dos de la fila anterior entre los cuales se encuentra situado. (solo es cues-
tin de prestarle atencin para saber leerlo)
Esta figura se utiliza mucho en matemtica, y representa entre otras cosas los
coeficientes de las series de potencias o binomios de Newton. Tambin se lo utiliza en
combinatoria, probabilidades y estadstica.
Ahora, si sombreo los nmeros impares de Pascal, adivinen que obtengo... s!
Acertaron, EL TRIANGULO DE Sierpinski.
Noten como una estructura fractal se encuentra escondida dentro de una figura
de la matemtica clsica conocida desde hace ms de 700 aos como ser el Tringulo
de Pascal.
2) El nmero PI () dentro del conjunto de Mandelbrot?
Aunque he repetido unas cuantas veces esta imagen, vamos a verla nuevamente.
157
Matemticos, investigando en teora de nmeros (quizs una de las ramas

ms apasionantes de la matemtica) han decidido estudiar el Conjunto de Mandelbrot.
Dividieron el estudio en dos partes, primero el cuello de esta imagen, y luego su parte
posterior. Cuando expliqu en clases anteriores como se forma el Conjunto de Mandel-
brot, part de la ecuacin compleja Z Z^2 + C. Una vez que tenemos la iteracin rea-
lizada, podemos probar que puntos pertenecen al conjunto y cuales no, reemplazndo-
los en dicha ecuacin, recuerden que dichos puntos se encontrarn en el campo com-
plejo.
Nuevamente la parte matemtica involucrada para probar lo que voy a decir
ahora escapa totalmente al inters de este curso, lo planteo simplemente como una
curiosidad entre la matemtica clsica como ser el nmero PI y el conjunto de Mandel-
brot, tal vez dos de las figuras ms representativas de la matemtica en estos das.
Estudiando las iteraciones, como dije antes del cuello y la parte posterior del
conjunto de Mandelbrot, se lleg a estos resultados:
Esta primera tabla representa las iteraciones de los X pertenecientes al

cuello del conjunto.
X Nmero de iteraciones
1.0 3
0.1 33
0.01 315
0.001 3143
0.0001 31417
0.00001 314160
0.000001 3141593
0.0000001 31415928
158
Esta segunda tabla representa las iteraciones de la parte posterior del

conjunto
X Nmero de iteraciones
1.0 2
0.1 8
0.01 30
0.001 97
0.0001 312
0.00001 991
0.000001 3140
0.0000001 9933
0.00000001 31414
0.000000001 99344
0.0000000001 314157
Apuesto a que todos han encontrado algo muy similar al nmero PI en estas es-
tructuras. No se ustedes, pero yo no creo en las casualidades.
El Dr. Aaron Klebanoff brinda una prueba detallada de cmo lleg a estos resul-
tados, la cual estoy estudiando desde hace un tiempo y resulta bastante complejo.
Otro punto ms que podramos encarar con el grupo de matemtica.
Los patrones de semejanza entre la teora de nmeros tradicional, y la
teora fractal, podra resultar uno de los campos de estudio e investigacin
ms importantes.
Solo les cont en esta ocasin dos ejemplos como las relaciones entre Sierpinski
y Pascal, y PI con el Conjunto de Mandelbrot, pero hay muchas ms, hasta funciones
de Riemann tienen estructuras fractales.
Por qu destaco estos aspectos? Tengan en cuenta algo, teoremas, enunciados
y demostraciones como por ejemplo Pitgoras y otros tan conocidos como este ltimo
han existido por cientos de aos, y han pasado por millones de manos de investigado-
res, tericos o estudiantes, digamos que ya no se le pueden descubrir nuevas facetas
matemticas a teoremas tan reconocidos. Es ms, creo que tan solo quedan por deve-
lar y probar cuatro o cinco intrigas matemticas. Pero la Teora Fractal es muy recien-
te, no tiene mas de 20 aos, y todos nosotros somos una de las primeras manos que
reciben a esta nueva ciencia. Tenemos un campo muy grande para estudiar, para pos-
159
tular ideas, para corregir enunciados, para descubrir aplicaciones y para probar nues-
tra propia visin del tema. Lo fantstico de esto es que cualquiera con mucha discipli-
na, que estudie mucha matemtica y programacin de computadoras, sentados frente
a su PC puede descubrir un mundo totalmente nuevo. Pero es imprescindible tener un
punto de vista propio e intercambiar ideas y conocimientos multidisciplinarios. Espero
que al menos este curso termine por motivarlos a comenzar tal experiencia.
Por ltimo, y ya finalizando esta clase, los invito a aquellos que an no tienen
software para generar fractales que comiencen a bajarlos de Internet.
Los que les recomiendo son los siguientes:

Fractint Es el programa pionero, con el que yo comenc hace aproximada-
mente 5 aos. El mismo tiene un importante valor matemtico aunque las imgenes
que produce no son tan artsticas como otros programas, pero sin dudas es por lejos el
mejor. Existe para diferentes plataformas y es totalmente libre. Su sitio es:
http://spanky.triumf.ca/www/fractint/fractint.html
UltraFractal Es otro software muy popular y mucho ms artstico. En su pa-

gina hay una lista de distribucin de mail en la cual se intercambian mas de 30 imge-
nes por da. El mismo no es gratuito, se puede bajar una versin de prueba por 30
das. Tambin hablar de este software. Se puede bajar desde:
http://www.ultrafractal.com
Generando Fractales
Estudio del programa Fractint y UltraFractal.
1) El propsito de esta seccin no es el de ser un tutorial o un curso sobre estos
programas, sino el de dar las herramientas bsicas para que puedan generar
sus propios fractales inmediatamente y entender el software para luego poder
profundizarlo por ustedes mismos. Si esta clase les servir para comenzar
2) En varias ocasiones estar mencionando la palabra ZOOM. Desde este mo-
mento quiero aclarar que no es la palabra correcta para describir el proceso por
el cual vemos un fractal por dentro. La palabra exacta sera iteracin. La ven-
taja de la primera es la de ser muy intuitiva, y el concepto justo de iteracin lo
entendern cuando les quede claro el de Dimensin Fractal.
160
Qu programa es mejor? La respuesta a ello vara dependiendo de varios

factores. Los programas de fractales podran dividirse en dos categoras muy grandes,
las mismas son:
- Estudio de Fractales
- Diseo de Fractales desde un punto de vista artstico.
Luego cada una de esas categoras se subdividir en otras ms pequeas. Por
ejemplo:
El estudio de fractales se puede encarar desde un uso:
- Matemtico - A nivel Programacin - Desarrollo de algoritmos -
Creacin de fractales IFS (los mencionar en futuras clases.) -
Evolucin de Atractores
Los fractales artsticos pueden dividirse en:
- Creacin de imgenes. - Galeras virtuales. - Msica Fractal. -
Pelculas Fractales.
Para cada una de esas categoras y subcategoras hay software y aplicaciones

especificas
Vamos a comenzar en primer lugar con el Fractint.

1) FRACTINT
Caractersticas principales
- Para acceder al programa, pueden hacerlo desde:
http://spanky.triumf.ca/www/fractint/fractint.html
- La ltima versin disponible cuando escrib este texto es la 20.0 - Existen ver-
siones para los siguientes sistemas operativos: Win DOS Unix. - El Fractint es to-
talmente libre, sin costo alguno para cualquiera de esas plataformas.
Bien, esas son las primeras caractersticas que deben tener en cuenta. Sinceramente la
versin para Windows jams la prob, y lo que he escuchado sobre ella no es para
nada recomendable. La versin para Linux si la he testeado y es bastante rudimentaria
comparada con la versin para DOS, pero para un estudio matemtico de los fractales
es sumamente potente, no as desde un punto de vista artstico ya que las paletas de
colores no estn implementadas como en otros programas.
Por lo tanto, sin dudas, la versin que les recomiendo es la que corre bajo DOS.
Si es la eleccin por la que finalmente optan, el archivo va a venir comprimido
en una extensin ZIP, y lo bueno es que con tan solo descomprimirlo en una carpeta
creada por ustedes, automticamente tendrn disponible el ejecutable para hacer an-
161
dar el programa. (fractint.exe) No hace falta ningn otro requerimiento de instala-

cin o configuracin.
Nota: para descomprimir el archivo frain200.zip que han bajado es necesario
hacerlo con un programa como el Winzip o WinRar
Bien, por el momento nada nuevo referido a los fractales. Los pasos que debe-
ran haber hecho en resumen para adquirir y tener el Fractint en su PC son
- Haberse conectado al sitio de Fractint (link mencionado anteriormente) - Ha-
ber bajado el archivo frain200.zip para DOS.
- Haber creado una carpeta llamada Fractint (no importa en que directorio) -
Haber descomprimido el archivo frain200.zip con el WinZip o WinRar en di-
cha carpeta. - Una vez descomprimido el archivo, dentro de la carpeta Frac-
tint (o como ustedes la hayan llamado), encontrarn el archivo ejecutable
fractint.exe
Espero que todos hayan podido llegar hasta aqu. Para ejecutar el Fractint solo
tienen que hacer doble click en el archivo ejecutable fractint.exe y se les abrir una
ventana de DOS. Aquellos que dominen y se acuerden algo del DOS obviamente es
preferible correrlo directamente desde el DOS y no desde WIN.
A) Una vez dentro del programa, lo primero que aparece es una larga lista de
desarrollados del Fractint (quizs vea el nombre de alguno de ustedes en futuras ver-
siones del programa)
B) Para salir de dicha pantalla y avanzar hacia la prxima basta con presionar la
tecla ENTER.
C) Lo primero que les pide es que seleccionen el modo de video que posee su
PC: Select Video Mode Hagan ENTER ah. A menos que conozcan con exactitud su
placa de video, es preferible que opten por la que el Fractint ha reconocido por defec-
to. Para ello presionen ENTER
D) Y ahora s! Aparece su primer fractal. A esta altura no hace falta mencionar
que es el Conjunto de Mandelbrot, pero bueno... vamos a nombrarlo por las dudas.
E) Ahora podemos comenzar a trabajar sobre esa imagen:
162
Si todo anduvo bien esta es la primera imagen que vern.

Una de las grandes ventajas que tiene este programa, es que no requiere el uso
del mouse prcticamente para nada, por lo tanto podremos realizar todas las operacio-
nes con el uso de las teclas. Veremos algunas de ellas:
PgUp o PageUp o RePag En cada teclado que veo esta tecla tiene un nombre
diferente, pero en definitiva es la tecla para subir o retroceder una pagina de un texto.
Con esta tecla lo que podremos hacer es un recuadro para luego ubicarlo en la regin
del fractal donde queremos sumergirnos o hacer un ZOOM o iterarlo, como ms claro
les resulte llamarlo.
Veamos:
163
NOTA: Cuando ustedes presionen varias veces la tecla PgUp el recuadro se di-
rigir hacia el centro del fractal, para moverlo dentro de la imagen de un lado hacia
otro deben usar las cuatro flechas del teclado: los cursores.
Fjense en el ejemplo que di recin, noten en la figura 2-A el recuadro blanco
que hice. En la figura 2-B aparecer el resultado luego de haber presionado ENTER una
vez creado ese rectngulo. As sucesivamente en cada una de las imgenes.
NOTA: Para achicar el rectngulo donde queremos hacer nuestro ZOOM como
dije recin utilizamos la tecla PgUp, como intuitivamente se darn cuenta para agran-
dar ese rectngulo usaremos la tecla PgDn o PageDown o AvPag
Aqu viene la parte interesante y la que nos permite aprender ms all de gene-
rar bonitas imgenes. Podemos repetir este proceso de crear nuevos rectngulos y
sumergirnos en diferentes reas del fractal una cierta cantidad de veces. Pero llegar
un momento donde vamos a tener toda la pantalla de un solo color. Los fractales teri-
cos tienen detalle infinito, por lo tanto se supone que se podran realizar infinitos
ZOOMs dentro cada imagen, pero no es as, todava no se ha podido crear un progra-
ma para realizar ese tipo de clculos y probablemente nunca se pueda. De esto habl-
bamos en clases anteriores y surgi el tema en los foros de debate sobre bucles infini-
tos. Igualmente, algo que le en un tutorial en el sitio de rea Fractal sobre este pro-
grama y el cual recomiendo para profundizar esta clase:
http://areafractal.tierradenomadas.com/fctint.html , dice textualmente:
La mayora de los tipos de fractal incluidos admiten ampliar cualquier parte de
la imagen. En principio, el lmite de zoom por procedimientos normales es 10^15. Eso
significa, ms o menos, ampliar una mesa de ping-pong ms all del tamao del sis-
tema solar. Podra ser suficiente, pero lo cierto es que, aplicando una tcnica llamada
precisin arbitraria, Fractint puede llegar a niveles de ampliacin del orden de
10^1600. No existen ejemplos de esta relacin de tamao dentro del universo conoci-
do.
Impresionante, no? El podero que tenemos cada uno de nosotros con nuestras
PC para investigar... Solo es cuestin de saber aprovecharlo.
Bien, sigamos avanzando. El Fractint no tiene solo el Conjunto de Mandelbrot
para investigar, sino que trae ms de 100 frmulas para interactuar. Para acceder a
ellas, podemos hacerlo con la tecla t la cual nos mostrar todos los tipos de fractales
disponibles. El que vimos hasta ahora es el llamado Mandel, prueben todos los dems,
y comiencen a hacer zoom en cada uno de ellos.
Otra opcin a la tecla t es, desde el men principal, Select Fractal Type
164
Algo interesante y muy destacado en el Fractint es que trae una seccin de fractales
IFS, los cuales nosotros llamamos anteriormente fractales lineales. Podrn generar
desde esa seccin entre otros, el tringulo de Sierpinski o la hoja de helecho que vi-
mos en otras clases, pero insisto, no desde un punto de vista artstico.
Otra cosa muy importante es la extensin de los archivos reconocidos por
Fractint. Los PAR son los parmetros que ustedes podrn abrir con este programa pa-
ra empezar a estudiarlo. Por ejemplo, yo puedo crear en mi computadora un fractal
con el Fractint y guardar sus parmetros, puedo subir a Internet ese archivo PAR y
cualquiera de ustedes bajarlo, abrirlo desde sus PC y comenzar a trabajar sobre l.
Est lleno de sitios de artistas fractales que suben sus frmulas y sus parmetros para
que otros usuarios trabajen sobre ellos. Por lo tanto, cada vez que vean en alguna pa-
gina de fractales, algn parmetro PAR, podrn abrirlo con el Fractint y crear nuevas
imgenes a partir de l.
Algo sorprendente y sumamente til que nos presenta Fractint es que una vez
que hicieron zoom y vieron una imagen que les gusto, pueden guardarla en formato
GIF. Pero esta imagen no ser comn y corriente, o sea, una imagen plana. Ese GIF
tendr incorporado todo el cdigo y parmetros que se utilizaron para crear esa ima-
gen. Suena complicado, pero lo que realmente implica es que si yo abro con el Fractint
esa imagen nuevamente puedo seguir haciendo ZOOMs sobre ella como si fuera un
cdigo de programacin y no una imagen plana.
Guardar una imagen es sumamente sencillo. Basta con presionar la tecla S y
automticamente Fractint guardar ese fractal en el directorio que han creado y donde
instalaron el programa. Se guarda con el nombre fract001.gif luego ustedes pueden
renombrarlo. Si a continuacin guardan otra imagen, como es lgico esta tendr el
nombre fract002.gif
Otra opcin para guardar sus fractales es desde el men principal: Save image
to file
Si bajan parmetros e imgenes desde algn sitio en Internet, para poder abrir-
las en su PC primero debern buscarlas, para ello: presionen la tecla r o en su defecto
desde el men principal: load image from file
Para escapar siempre de un men a otro, o para salir de una imagen, presionen
la tecla Esc
Bien, estas son las herramientas ms bsicas que le permitirn crear sus prime-
ras imgenes fractales. Hagamos un resumen:
Una vez instalado el programa y habiendo corrido el archivo Fractint.exe:
1) ENTER para salir de la pantalla de presentacin.
165
2) ENTER para seleccionar el modo de video.

3) ENTER para seleccionar el reconocido por defecto por Fractint.
4) Ya tendrn su primera imagen en pantalla, el Conjunto de Mandelbrot. Para tra-
bajar sobre l:
- PgUp para crear el rectngulo que ubicarn en la regin del fractal en el cual
deseen hacer ZOOM. Sirve tambin para achicar el tamao del rectngulo. - Utilizar las
cuatro flechas del teclado para mover ese rectngulo de un lado hacia otro en la pan-
talla. - PgUp para agrandar el rectngulo. - t para seleccionar otro tipo de fractal
- s para guardar la imagen deseada en formato GIF - r para buscar imgenes o pa-
rmetros en su PC para luego abrirlos con el Fractint
- Esc para escaparse de cada imagen o men.
- F1 es la ayuda, muy til !!
Perfecto, todo lo que se puede hacer con el Fractint es maravilloso, esta ltima ver-
sin acepta archivos PAR de msica fractal, lo cual es todo un tema. Existen varios
programas que trabajan en conjunto con el Fractint para crear diversas aplicaciones, y
otro aspecto interesante pero ms avanzado es que cada vez que abran un nuevo frac-
tal vern las opciones para cambiar los parmetros y generar nuevas imgenes a partir
de ello, pueden experimentar aunque no entiendan de que se trata a ver que pasa,
pero no nos adelantemos mucho ms, este es solo el comienzo de un camino tan in-
menso como el mismo detalle fractal.
Pero antes de dar por finalizada esta introduccin al Fractint, quiero mostrarles otra
opcin que seguramente les gustar. El manejo de colores:
Si sobre una imagen presionan la tecla c dos veces comenzarn a ver una catarata
de colores, los cuales pueden manejar presionando c nuevamente para detenerlo o con
las teclas + y para avanzar o retroceder en la gama de colores. No les cuento ms
as hacen las pruebas por ustedes mismos. Recuerden utilizar tambin la tecla Esc
cuando hayan encontrado el color que ms les guste.
Existe otro modo para crear fractales desde un punto de vista ms artstico pero
resulta algo complejo hacerlo con el Fractint as que voy a explicar ese tema en la sec-
cin del UltraFractal. Para aquellos que igualmente deseen experimentar la paleta de
colores se abre presionando la tecla e. Las extensiones de los archivos que contienen
paletas de colores son los .MAP.
Links interesantes sobre el Fractint

- 1) Home Page de Fractint: http://spanky.triumf.ca/www/fractint/fractint.html
166
- 2) Interesante tutorial de Fractint:

http://areafractal.tierradenomadas.com/fctint.html
- - 3) La pgina de Jim Muth. (Fractal of the Day) Este muchacho desde el ao
1997 viene subiendo una imagen diferente cada da en las listas de mail sobre
Fractint.
Lo bueno es que tambin sube sus parmetros.
http://home.att.net/~Paul.N.Lee/FotD/FotD.html
- 4) Galeras de Imgenes hechas con Fractint y sus respectivas formulas y pa-
rmetros (archivos PAR.) http://www.les.stclair.btinternet.co.uk/fractals/fractin1.htm
Esta ltima pgina puede resultarles de especial inters y les permitir aprender mu-
chsimo. Vern imgenes hechas con este programa, pero adems podrn bajar las
formulas y los parmetros de todas esas imgenes. Esto funciona ms o menos as:
- Bajan alguno o todos los paquetes ZIP con imgenes, por ejemplo el primero
que contiene 30 y se llama kscope.zip.
- Una vez que los hayan bajado les recomiendo que los copien al directorio don-
de han instalado el Fractint y luego descomprimirlos con el WinZip o similar. - No solo
deben contar con los parmetros, sino que muchos de ellos dependen de frmulas ne-
cesarias para que esos fractales puedan crearse. Esas frmulas son hechas por cada
una de las personas que desarrollan imgenes fractales. Cuando estn ms avanzados
espero ver sus propias frmulas dando vueltas por Internet. En la pgina hay un link
para que puedan bajarlas, el archivo se llama lparfrms.zip y ya que estoy se los dejo
linkeados por las dudas que no lo encuentren. - Cuando ya tengan descomprimidos en
el directorio donde tienen instalado el Fractint tanto los parmetros como las frmulas,
ya podrn abrirlos, hacer ZOOM en cada uno de ellos y crear nuevas imgenes. - Para
abrirlos recuerden presionar la tecla r que les permite buscar archivos en sus directo-
rios. Bueno, como dije al comienzo esta clase no es un tutorial de Fractint, solo quera
comentarles las caractersticas principales para que ya puedan generar sus imgenes,
lo cual es fundamental para que puedan comprender esta teora. Ahora depende de
ustedes. Lo que les aconsejo es lo siguiente:
- Lean todo este material con detenimiento. - Aunque no les salga nada sigan
intentando y dando vueltas por el programa y cada una de sus opciones. - Cuando
realmente descubran que no les salen las cosas, pregunten, en los foros de debate he
abierto un espacio especial para eso. - Busquen otros textos explicativos. Como por
ejemplo el link que les deje hace un instante sobre el tutorial en rea Fractal. - Utilicen
siempre F1 que es una muy buena ayuda. - Si se animan participen en las listas de
distribucin de mail y en los foros de debate internacionales.
167
2) ULTRAFRACTAL
Caractersticas principale:
- Para acceder al programa, pueden hacerlo desde: http://www.ultrafractal.com
- La ltima versin disponible es la 3.0, aunque yo recomiendo fuertemente la anterior,
la 2.05 que se puede bajar desde:
http://tucows.gms.lu/mmedia/adnload/194925_75032.html
- Existen versiones para diferentes versiones de Windows y est escrito en lenguaje
Pyton.
- UltraFractal es shareware, tiene un perodo de prueba de 30 das.
Bien, esas son sus caractersticas principales. La ventaja que tiene sobre el
Fractint es que su interfaz es mucho ms linda y por sobre todas las cosas es mucho
ms intuitivo. Para los que recin estn comenzando en el manejo de software para la
generacin de fractales, creo que este es un muy buen comienzo, es muy fcil de ins-
talar, muy fcil de manejar y podrn generar imgenes de gran belleza.
Empecemos, toda la filosofa es igual que la del Fractint y la de cualquier otro
software. Se trata de abrir un archivo, comenzar a hacer zoom dentro de l y de esa
manera generar nuevos fractales. Para aquellos ms adelantados tambin se trata de
crear sus propias frmulas.
Al igual que el Fractint una vez que se corre el programa aparecer en la panta-
lla el Conjunto de Mandelbrot. Ya no hay que hacer malabarismo para crear un rectn-
gulo y luego hacer zoom en la imagen, ahora simplemente se har manteniendo pre-
sionado el botn del mouse y movindolo hasta la regin del fractal que deseen am-
pliar. Aparece un pequeo men flotante donde encontrarn opciones para girar la
seleccin, aumentar o disminuir su tamao.
Aparecen otras dos pantallas a modo de men, una de propiedades que tiene
que ver con la formula utilizada, sus parmetros, transformaciones que se le pueden
aplicar a un fractal para deformarlo y otras propiedades algo ms complicadas. Pueden
experimentar tranquilamente con todas ellas, y guiarse con el tutorial que se encuen-
tra en el HELP Getting Started.
La segunda ventana se divide en 3 partes:
1) Layers: Esta opcin es la que le dar el toque artstico a sus fractales. Le
permitir combinar varias capas y agregar efectos. Quienes sepan de diseo
grafico y manejen software como el PhotoShop les resultar muy fcil,
aquellos que no estn tan familiarizados con estos programas no les queda
otra que practicar muchsimo, bajarse parmetros de fractales ya diseados
168
y aprender de ellos, leer tutoriales y cuando no les salga algo preguntar.

Todo es cuestin de practica.
2) Image: En esta ventana tenemos todas las caractersticas de la imagen que
obtendremos por resultado: Altura de la imagen, ancho y resolucin (con-
viene que no supere los 300)
3) Comments: son solo caractersticas optativas que se agregarn al cdigo,
como ser el nombre de quien cre el fractal, la fecha de creacin y algn
comentario como su e-mail o pagina Web donde suben sus fractales.
NOTA IMPORTANTE: En la primera ventana, la de propiedades, encontrarn

una pestaa que dice FORMULA, y dentro de ella un espacio para completar las itera-
ciones que desean. (Maximun Iterations) Esta opcin muestra la cantidad de zoom que
podrn hacer sin perder fidelidad en la imagen y el nivel de profundidad donde siempre
van a seguir encontrando una nueva imagen al hacer zoom. Noten que el lmite que
propone el UltraFractal es de 100.000, generalmente se usa una iteracin de entre 500
y 2500, ms de eso puede hacer que cuando alguien abra la imagen que han creado,
tarden horas completas en cargarla. Recuerdo cuando comenc con el Fractint hace
ms de 6 aos atrs, en esa poca tenia una PC 486 con 4 MG de memoria. Muchas
veces he dejado noches completas la computadora encendida tan solo para que hiciera
una iteracin. Mandelbrot, cuando comenz a generar sus primeros fractales en IBM,
tardaba semanas completas y eso que usaba computadoras que en aquella poca eran
de ltima generacin y todas en un clauster. Por lo tanto, tengan cuidado cuando elijan
la cantidad de iteraciones, recuerden que ya dijimos que no existan fractales con ite-
racin infinita, al menos por ahora!
Veamos ms cosas que pueden hacerse con este programa. Estudiemos ahora la es-
tructura de directorios que se han creado luego de la instalacin del UF. Hay 6 carpe-
tas:
- Alpha - Export - Formula - Fractal - Gradient - Parameters
Por el momento vamos a estudiar 3 de ellas.
Cuando uno genera fractales a travs de este tipo de programas, podemos decir
que la creacin del fractal se divide en dos grandes partes:
- Frmula
- Parmetro
Lo que pasa es que al hacer todo de una manera grfica mucha gente no tiene
en cuenta estos dos aspectos. Una comparacin de ello es para quienes disean pgi-
nas Web, pueden hacerlo con el Bloc de Notas en un simple TXT o con un programa
169
grfico como del DreamWeaver, el resultado ser el mismo, la manera de hacerlo no,
una es mucho ms didctica y fcil que la otra.
Entonces, con la instalacin bsica del UF vienen aproximadamente 20 fractales
de muestra, sus parmetros estn guardados en la carpeta PARAMETERS y sus respec-
tivas frmulas, como no poda ser de otra manera, se encuentran en la carpeta
FORMULA. Hasta el momento esto no debera ser ningn problema para ustedes, ni
siquiera tienen que ingresar a las mencionadas carpetas. Pero, si desean bajar ms
imgenes, como seguramente suceder, entonces debern fijarse bien donde guardan
sus archivos, ms adelante retomo esto.
Para abrir un fractal, pueden ir a FILE OPEN (Directorio donde se instal UF
Parameters) Elegir el fractal deseado.
Una vez que lo tenemos en la pantalla, como expliqu antes, con el mouse po-
demos comenzar a hacer zoom e iteraciones para generar nuevos fractales.
Veamos un poco el tema de los colores que en este programa resultan muy in-
teresantes.
Con este icono: comenzar a generarse un movimiento que mostrar to-

da la gama de colores de una determinada paleta (GRADIENT) Es equivalente a cuando
presionbamos la tecla c en el Fractint. Es asombroso como vara la forma de un frac-
tal tan solo con cambiar su color.
Para ver la paleta que estamos usando en este momento existe otro icono:
Para cambiar de una paleta a otra, el tema es algo complicado. Hay que seguir los si-
guientes 5 pasos:
1) Ir a FILE BROWSE - GRADIENT. Ah vern una serie de paletas disponibles.
2) Elegir la que ms les guste y hacer doble click sobre ella para abrirla.
3) Presionar al mismo tiempo las teclas ctrl - c (equivalente a COPIAR)
4) Una vez hecho eso, volver a la imagen y presionar nuevamente el icono
5) Veremos entonces la paleta anterior con la que estbamos trabajando, ahora

solo falta presionar al mismo tiempo las teclas ctrl v (equivalente a
PEGAR)
170
Realizados estos 5 pasos, automticamente el fractal adoptar la nueva paleta

de colores.
Bueno, puede que por este medio resulte todo algo complejo, pero vern que
cuando estn frente al programa todo resultar ms intuitivo. Queda en ustedes inves-
tigar y meterse en todas las opciones, esta es tan solo una pequea gua de ayuda,
pero es imprescindible que ustedes investiguen, investiguen e investiguen, metindose
en todas las opciones posibles y experimentando que sucede.
Otra muy buena manera de aprender es bajndose fractales hechos por artis-
tas, abrirlos con el UltraFractal y trabajar sobre ellos. Adems de ver las imgenes,
estudien y lean tambin los cdigos!
En el sitio de UltraFractal.com se encuentra disponible una lista de distribucin
de mail donde a diario se intercambian ms de 100 imgenes. Si tienen paciencia,
tiempo, saben ingls, y estn dispuestos a recibir una alta cantidad de mails diarios,
les aconsejo fuertemente que se suscriban y hagan correr todos los fractales que ellos
envan, y por supuesto, enven sus propios trabajos tambin.
As como en el Fractint los parmetros eran archivos PAR, en UltraFractal son
UPR, existen bases de datos enormes en Internet para bajar UPRs, por ejemplo los de
la lista de mails que les coment se encuentran en:
http://users.pandora.be/jan.vyvey1/fractals.htm
All encontrarn ms de 20.000 parmetros disponibles en paquetes ZIP, los
cuales debern descomprimir dentro de la carpeta PARAMETERS que les mencionaba
anteriormente.
Como tambin les coment, la mayora de esos fractales estn generados a tra-
vs de frmulas que han escrito diferentes personas a lo largo del mudo, las cuales
son igualmente necesarias bajar; tambin vienen en paquetes ZIP los cuales hay que
descomprimir en el directorio FORMULA. Se pueden bajar desde:
http://formulas.ultrafractal.com/
Realmente no s que tan actualizados estarn esos paquetes. Si cuando cargan
algn fractal, les muestra algn tipo de error, seguramente es porque no puede encon-
trar la frmula adecuada, y habr que comenzar a investigar donde pueden encontrar-
se. Un buen punto de partida es esa lista de distribucin de mails que les cont, si pre-
guntan ah, tienen respuesta asegurada.
Galeras de imgenes, tutoriales, ms frmulas, parmetros y otros recursos
pueden encontrarse en:
http://www.ultrafractal.com/resources.html
171
Bueno, esto es todo por ahora con el UltraFractal, les deseo suerte, y la nica
forma en la que van a tener xito es siendo perseverantes y seguir adelante por ms
que se topen con problemas o no entienda algn tema en particular.
3) Otros Programas
Por supuesto que el Fractint y el UltraFractal no son los nicos programas para ge-
nerar fractales, existen cientos de ellos. Algunos otros que me gustara destacar son:
Fractal Explorer:
Puede bajarse de:
http://www.eclectasy.com/Fractal-Explorer/index.html
http://www.freedownloadscenter.com/Multimedia_and_Graphics/Graphics_Editors/
Fractal_Explorer_Download.html
Una galera de imgenes de este programa se puede encontrar en:
http://members.optusnet.com.au/~peterstone/gallery.html
Si bien no es tan artstico como el UltraFractal, este tiene una opcin para generar
paisajes fractales en 3D, lo cual me ha resultado muy interesante. Para ello deben con-
tar adems con la Fractal Landscapes Library y descomprimirla en el directorio que
han instalado el Fractal Explorer. La pueden bajar de:
http://www.eclectasy.com/Fractal-Explorer/download.htm
Un ejemplo de esta imagen puede ser:
Noten que Conjunto de Mandelbrot tan interesante.

Otro programa que me gusta mucho es el Tierazon, el mismo puede bajarse de
http://fractals.iuta.u-bordeaux.fr/fergusonsc/
En este ltimo sitio, se encuentran varios programas ms para generar fracta-
les!
172
Lo que tiene de bueno el Tierazon es que se pueden crean pelculas fractales en

formato AVI realmente espectaculares, las mismas se generan a travs de iteraciones
o haciendo zoom dentro de la imagen. Estoy preparando un par de estas pelculas y las
subir pronto a FractalTec.
Un muy buen tutorial de este programa y de Arte Fractal, se encuentra en:
http://www.fractalarts.com/ASF/Tutor1.html
Por ltimo, el programa que quiero recomendarles ahora es el Chaos Pro
El mismo puede bajarse desde:
http://www.chaospro.de/
y tiene un muy buen tutorial incorporado.
FIN DEL CURSO

Recuerden que pueden realizar todas sus consultas en los foros de FractalTec:
http://www.fractaltec.org/local-cgi/cutecast/cutecast.pl
Juan Pablo Braa
173
LECTURA 12.
Trabajo enviado por:
Yuliana Corzo
yulicorzo@cantv.net
La Lgica
Indice
1. Introduccin
2. Historia
3. Conceptos bsicos de Lgica Difusa
4. Que es la Lgica Difusa?
5. Conjuntos Difusos: Lgica Difusa.
6. Operaciones entre Conjuntos Difusos.
1. Introduccin
La lgica borrosa es una rama de la inteligencia artificial que se funda en el
concepto "Todo es cuestin de grado" , lo cual permite manejar informacin vaga o de
difcil especificacin si quisiramos hacer cambiar con esta informacin el funciona-
miento o el estado de un sistema especifico. Es entonces posible con la lgica borrosa
gobernar un sistema por medio de reglas de 'sentido comn' las cuales se refieren a
cantidades indefinidas.
Las reglas involucradas en un sistema borroso, pueden ser aprendidas con sis-
temas adaptativos que aprenden al ' observar ' como operan las personas los dispositi-
vos reales, o estas reglas pueden tambin ser formuladas por un experto humano.
En general la lgica borrosa se aplica tanto a sistemas de control como para
modelar cualquier sistema continuo de ingeniera, fsica, biologa o economa.
La lgica borrosa es entonces definida como un sistema matemtico que modela
funciones no lineales, que convierte unas entradas en salidas acordes con los plantea-
mientos lgicos que usan el razonamiento aproximado.
Se fundamenta en los denominados conjuntos borrosos y un sistema de infe-
rencia borroso basado en reglas de la forma " SI....... ENTONCES...... ", donde los va-
lores lingsticos de la premisa y el consecuente estn definidos por conjuntos borro-
sos, es as como las reglas siempre convierten un conjunto borroso en otro.
174
2. Historia
Los conjuntos difusos fueron introducidos por primera vez en 1965; la creciente
disciplina de la lgica difusa provee por s misma un medio para acoplar estas tareas.
En cierto nivel, la lgica difusa puede ser vista como un lenguaje que permite trasladar
sentencias sofisticadas en lenguaje natural a un lenguaje matemtico formal. Mientras
la motivacin original fue ayudar a manejar aspectos imprecisos del mundo real, la
prctica temprana de la lgica difusa permiti el desarrollo de aplicaciones prcticas.
Aparecieron numerosas publicaciones que presentaban los fundamentos bsicos con
aplicaciones potenciales. Esta frase marc una fuerte necesidad de distinguir la lgica
difusa de la teora de probabilidad. Tal como la entendemos ahora, la teora de conjun-
tos difusos y la teora de probabilidad tienen diferentes tipos de incertidumbre.
En 1994, la teora de la lgica difusa se encontraba en la cumbre, pero esta
idea no es nueva, para muchos, estuvo bajo el nombre de lgica difusa durante 25
aos, pero sus orgenes se remontan hasta 2,500 aos. An Aristteles consideraba
que existan ciertos grados de veracidad y falsedad. Platn haba considerado ya gra-
dos de pertenencia.
En el siglo XVIII el filsofo y obispo anglicano Irlands, George Berkeley y David
Hume describieron que el ncleo de un concepto atrae conceptos similares. Hume en
particular, crea en la lgica del sentido comn, el razonamiento basado en el conoci-
miento que la gente adquiere en forma ordinaria mediante vivencias en el mundo. En
Alemania, Immanuel Kant, consideraba que solo los matemticos podan proveer defi-
niciones claras, y muchos principios contradictorios no tenan solucin. Por ejemplo la
materia poda ser dividida infinitamente y al mismo tiempo no poda ser dividida infini-
tamente. Particularmente la escuela americana de la filosofa llamada pragmatismo
fundada a principios de siglo por Charles Sanders Peirce, cuyas ideas se fundamenta-
ron en estos conceptos, fue el primero en considerar ''vaguedades'', ms que falso o
verdadero, como forma de acercamiento al mundo y a la forma en que la gente funcio-
na.
La idea de que la lgica produce contradicciones fue popularizada por el filsofo
y matemtico britnico Bertrand Russell, a principios del siglo XX. Estudio las vague-
dades del lenguaje, concluyendo con precisin que la vaguedad es un grado. El filosofo
austraco Ludwing Wittgenstein estudi las formas en las que una palabra puede ser
empleada para muchas cosas que tienen algo en comn. La primera lgica de vague-
dades fue desarrollada en 1920 por el filsofo Jan Lukasiewicz, visualiz los conjuntos
con un posible grado de pertenencia con valores de 0 y 1, despus los extendi a un
nmero infinito de valores entre 0 y 1. En los aos sesentas, Lofti Zadeh invent la
175
lgica difusa, que combina los conceptos de la lgica y de los conjuntos de Lukasiewicz
mediante la definicin de grados de pertenencia.
3. Conceptos bsicos de Lgica Difusa

Conjuntos difusos.
La mayora de los fenmenos que encontramos cada da son imprecisos, es de-
cir, tienen implcito un cierto grado de difusidad en la descripcin de su naturaleza.
Esta imprecisin puede estar asociada con su forma, posicin, momento, color, textu-
ra, o incluso en la semntica que describe lo que son. En muchos casos el mismo con-
cepto puede tener diferentes grados de imprecisin en diferentes contextos o tiempo.
Un da clido en invierno no es exactamente lo mismo que un da clido en primavera.
La definicin exacta de cuando la temperatura va de templada a caliente es imprecisa -
no podemos identificar un punto simple de templado, as que emigramos a un simple
grado, la temperatura es ahora considerada caliente. Este tipo de imprecisin o difusi-
dad asociado continuamente a los fenmenos es comn en todos los campos de estu-
dio: sociologa, fsica, biologa, finanzas, ingeniera, oceanografa, psicologa, etc.
Conceptos imprecisos.
Aceptamos la imprecisin como una consecuencia natural de ''la forma de las
cosas en el mundo''. La dicotoma entre el rigor y la precisin del modelado matemti-
co en todo los campos y la intrnseca incertidumbre de ''el mundo real'' no es general-
mente aceptada por los cientficos, filsofos y analistas de negocios. Nosotros simple-
mente aproximamos estos eventos a funciones numricas y escogemos un resultado
en lugar de hacer un anlisis del conocimiento emprico. Sin embargo procesamos y
entendemos de manera implcita la imprecisin de la informacin fcilmente. Estamos
capacitados para formular planes, tomar decisiones y reconocer conceptos compatibles
con altos niveles de vaguedad y ambigedad. considere las siguientes sentencias:
La temperatura est caliente
La inflacin actual aumenta rpidamente
Los grandes proyectos generalmente tardan mucho
Nuestros precios estn por abajo de los precios de la competencia
IBM es una compaa grande y agresiva
Alejandro es alto pero Ana no es bajita
Estas proposiciones forman el ncleo de nuestras relaciones con ''la forma de
las cosas en el mundo''. Sin embargo, son incompatibles con el modelado tradicional y
176
el diseo de sistemas de informacin. Si podemos incorporar estos conceptos logramos

que los sistemas sean potentes y se aproximen ms a la realidad.
Pero, es la imprecisin un concepto artificial utilizado para aumentar o disminuir
en uno o ms las propiedades de los fenmenos? o es una parte intrnseca del fen-
meno en s mismo?.
Esta es una pregunta importante ya que es la parte fundamental de las medidas
de la teora difusa. Como veremos la fusificacin es independiente de cualquier capaci-
dad para medir, ya que un conjunto difuso es un conjunto que no tiene lmites bien
definidos.
Un conjunto difuso tiene muchas propiedades intrnsecas que afectan la forma
del conjunto, su uso y como participa en un modelo. Las propiedades ms importantes
de un conjunto difuso son las concernientes a las dimensiones verticales del conjunto
difuso (altura y normalizacin) y las dimensiones horizontales (conjunto soporte y cor-
tes "alpha").
La altura de un conjunto difuso es como mximo un grado de pertenencia y es
una cota cercana al concepto de normalizacin. La superficie de la regin de un con-
junto difuso es el universo de valores. Todos estos conceptos se tratarn ms adelan-
te.
Es decir un conjunto difuso A se considera como un conjunto de pares ordena-
dos, en los que el primer componente es un nmero en el rango [0,1] que denota el
grado de pertenencia de un elemento u de U en A, y el segundo componente especifica
precisamente quin es se elemento de u. En general los grados de pertenencia son
subjetivos en el sentido de que su especificacin es una cuestin objetiva. Se debe
aclarar que aunque puede interpretarse como el grado de verdad de que la expresin
''u A'' sea cierta, es ms natural considerarlo simplemente como un grado de perte-
nencia.
Puede notarse adems que:
a) Mientras ms prximo est (u) a el valor 1, se dice que u pertenece ms a A
(de modo que 0 y 1 denotan la no pertenencia y la pertenencia completa, respectiva-
mente).
b) Un conjunto en el sentido usual es tambin difuso pues su funcin caracters-
tica u es tambin una funcin u [0,1]; o sea que los conjuntos difusos son una genera-
lizacin de los conjuntos usuales.
Ejemplo: Sea U =11, 2, 3, 4, 5, 6, 7, 8, 9, entonces los conjuntos definidos a
continuacin son difusos:
POCOS = (.4/1, .8/2, 1/3, .4/4)
177
VARIOS = (.5/3, .8/4, 1/5, 1/6, .8/7, .5,8)

MUCHOS =(.4/6, .6/7, .8/8, .9/9,1/10)
Note que el elemento 4 pertenece en grado .4 al conjunto POCOS, en grado .8
al conjunto VARIOS y en grado .0 a MUCHOS. Zadeh ha hecho algunas extensiones a
los conceptos de conjuntos difusos ordinarios que se han explicado; por ejemplo los
conjuntos difusos de nivel-m y los conjuntos difusos tipo-n. Para un conjunto difuso de
nivel-m se considera como su universo de discusin al conjunto de conjuntos difusos
de nivel-(m-1), sobreentendiendo que los conjuntos difusos de nivel-1 son conjuntos
difusos ordinarios. Para los conjuntos difusos tipo-n, los valores de las funciones de
pertenencia son conjuntos difusos de tipo-(n-1) del intervalo [0,1] (en lugar de ser
puntos de [0,1]). Tambin los conjuntos difusos tipo-1 son equivalentes a los conjun-
tos difusos ordinarios.
Operaciones.
En la lgica Booleana tradicional, los conjuntos son considerados como sistemas
bivalentes con sus estados alternando entre inclusin y exclusin. La caracterstica de
la funcin discriminante refleja este espacio bivaluado
Esto indica que la funcin de pertenencia para el conjunto A es cero si x no es
un elemento en A y la funcin de pertenencia es si x es un elemento en A. Dado que
existen solamente dos estados, la transicin entre estos dos estados es siempre inme-
diata. La pertenencia de estos conjuntos est siempre totalmente categorizada y no
existe ambigedad o dicotoma acerca de la pertenencia. Existen 4 operaciones bsicas
de conjuntos en esta lgica: unin, interseccin, complemento y unin exclusiva.
Al igual que en los conjuntos convencionales, existen definiciones especficas
para combinar y especificar nuevos conjuntos difusos. Este conjunto de funciones te-
ricas provee las herramientas fundamentales de la lgica.
En el caso usual, con las operaciones comunes de interseccin, unin y com-
plemento, el conjunto de conjuntos de U forman un lgebra booleana, es decir se
cumplen las condiciones de asociatividad, conmutatividad, elementos neutros, dem
potencia, absorcin, distributividad, complemento y las leyes de Morgan.
Las tres operaciones mencionadas se pueden extender de varias formas a con-
juntos difusos, de modo que al restringirlas a los conjuntos usuales, coincidan con las
comunes. Estas extensiones resultantes satisfacen en forma general slo a algunas de
las condiciones listadas anteriormente, y para mantener la vigencia de alguna, ser
obligatorio sacrificar a otras. En el sistema se opt por extender las operaciones en el
178
sentido clsico, es decir, dados dos conjuntos difusos A y B, se definen las operaciones
extendidas de la siguiente forma
Dado que los conjuntos difusos no se particionan en el mismo sentido que los
conjuntos Booleanos, estas operaciones son aplicadas al nivel de pertenencia, como
una consecuencia de los conjuntos difusos. Decidir si un valor es o no es miembro de
cualquier conjunto difuso en particular, requiere algunas nociones de cmo esta cons-
truido el conjunto, del universo y de los lmites de ste.
Las etiquetas lingsticas y operadores.

El centro de las tcnicas de modelado difuso es la idea de variable lingstica.
Desde su raz, una variable lingstica es el nombre de un conjunto difuso. Si tenemos
un conjunto difuso llamado ''largo'' ste es una simple variable lingstica y puede ser
empleada como una regla-base en un sistema basado en la longitud de un proyecto en
particular
Si duracin-proyecto es largo entonces la-terminacin-de-tareas es
DECRECIENTE; Una variable lingstica encapsula las propiedades de aproximacin o
conceptos de imprecisin en un sistema y da una forma de computar adecuada. Esto
reduce la aparente complejidad de describir un sistema que debe concordar con su
semntica. Una variable lingstica siempre representa un espacio difuso.
Lo importante del concepto de variable lingstica es su estimacin de variable
de alto orden ms que una variable difusa. En el sentido de que una variable lingstica
toma variables difusas como sus valores.
En el campo de la semntica difusa cuantitativa al significado de un trmino "x"
se le representa como un conjunto difuso M(x) del universo de discusin. Desde este
punto de vista, uno de los problemas bsicos en semntica es que se desea calcular el
significado de un trmino compuesto x=x, x ,...,x partiendo del conocimiento del sig-
nificado de sus componentes atmicos x .
La idea bsica sugerida por Zadeh es que una etiqueta lingstica tal como
''muy'', ''ms o menos'', ''ligeramente'', etc... puede considerarse como un operador
que acta sobre un conjunto difuso asociado al significado de su operando. Por ejem-
plo en el caso de un trmino compuesto ''muy alto'', el operador ''muy'' acta en el
conjunto difuso asociado al significado del operando ''alto''. Una representacin apro-
ximada para una etiqueta lingstica se puede lograr en trminos de combinaciones o
composiciones de las operaciones bsicas explicadas en la seccin anterior. Es impor-
tante aclarar que se har mayor nfasis en que estas representaciones se proponen
principalmente para ilustrar el enfoque, ms que para proporcionar una definicin
179
exacta de las etiquetas lingsticas. Zadeh tambin considera que las etiquetas lings-
ticas pueden clasificarse en dos categoras que informalmente se definen como sigue:
Tipo I: las que pueden representarse como operadores que actan en un con-
junto difuso: ''muy'', ''ms o menos'', ''mucho'', ''ligeramente'', ''altamente'',
''bastante'', etc. y,
Tipo II: las que requieren una descripcin de cmo actan en los componentes
del conjunto difuso (operando): ''esencialmente'', ''tcnicamente'', ''estricta-
mente'', ''prcticamente'', ''virtualmente'', etc...
En otras palabras, las etiquetas lingsticas pueden ser caracterizadas cmo
operadores ms que construcciones complicadas sobre las operaciones primitivas de
conjuntos difusos.
Ejemplos de etiquetas tipo I.
De acuerdo a ste punto de vista y sabiendo que el lenguaje natural es muy rico
y complejo, tomamos el operador ''muy'' que podemos caracterizar con un significado
de que an cuando no tenga validez universal sea slo una aproximacin. Asumimos
que si el significado de un trmino x es un conjunto difuso A, entonces el significado de
muy X.
Ms y menos
Se pueden definir etiquetas lingsticas artificiales, por ejemplo: ms, menos,
que son instancias de lo que puede llamarse acentuador y desacentuador respectiva-
mente, cuya funcin es proporcionar ligeras variantes de la concentracin y la dilata-
cin.
Los exponentes se eligen de modo que se de la igualdad aproximada: mas mas x =
menos muy x, y que, adems, se pueden utilizar para definir etiquetas lingsticas cu-
yo significado difiere ligeramente de otras, ejemplo:
Mas o menos
Otra etiqueta lingstica interesante es ''ms o menos'' que en sus usos ms
comunes como ''ms o menos inteligente'', ''ms o menos rectangular'' etc, juega el
papel de difusificador.
Ligeramente
Su efecto es dependiente de la definicin de proximidad u ordenamientos en el
dominio del operando. Existen casos, sin embargo, en los que su significado puede
definirse en trminos de etiquetas lingsticas tipo I, bajo la suposicin de que el do-
minio del operando es un conjunto ordenado linealmente.
Clase de
180
Es una etiqueta lingstica que tiene el efecto de reducir el grado de pertenencia

de los elementos que estn en el ''centro'' (grados de pertenencia grandes) de una
clase x e incrementa el de aquellos que estn en su periferia (grados de pertenencia
pequeos).
Regular
Es una etiqueta que tiene el efecto de reducir el grado de pertenencia de aque-
llos elementos que tienen tanto un alto grado de pertenencia al conjunto como de
aquellos que lo tienen pequeo, y slo aumenta el grado de pertenencia de aquellos
elementos que tienen un grado de pertenencia cercano al .
Etiquetas tipo II.
Su caracterizacin envuelve una descripcin de forma que afectan a los compo-
nentes del operando, y por lo tanto es ms compleja que las del tipo I. En general, la
definicin de una etiqueta de este tipo debe formularse como un algoritmo difuso que
envuelve etiquetas tipo I. Su efecto puede describirse aproximadamente como una
modificacin de los coeficientes de ponderacin de una combinacin convexa. Como la
magnitud de las ponderaciones es una medida del atributo asociado, intuitivamente
una etiqueta de este tipo tiene el efecto de aumentar las ponderaciones de los atribu-
tos importantes y disminuir los que relativamente no lo son.
4. Que es la Lgica Difusa?

Un tipo de lgica que reconoce ms que simples valores verdaderos y falsos.
Con lgica difusa, las proposiciones pueden ser representadas con grados de veracidad
o falsedad. Por ejemplo, la sentencia "hoy es un da soleado", puede ser 100% verdad
si no hay nubes, 80% verdad si hay pocas nubes, 50% verdad si existe neblina y 0% si
llueve todo el da.
La Lgica Difusa ha sido probada para ser particularmente til en sistemas ex-
pertos y otras aplicaciones de inteligencia artificial. Es tambin utilizada en algunos
correctores de voz para sugerir una lista de probables palabras a reemplazar en una
mal dicha.
181
La Lgica Difusa, que hoy en da se encuentra en constante evolucin, naci en

los aos 60 como la lgica del razonamiento aproximado, y en ese sentido poda consi-
derarse una extensin de la Lgica Multivaluada. La Lgica Difusa actualmente est
relacionada y fundamentada en la teora de los Conjuntos Difusos. Segn esta teora,
el grado de pertenencia de un elemento a un conjunto va a venir determinado por una
funcin de pertenencia, que puede tomar todos los valores reales comprendidos en el
intervalo [0,1]. La representacin de la funcin de pertenencia de un elemento a un
Conjunto Difuso se representa segn la figura 1.
Ejemplo de una funcin de pertenencia a un Conjunto Difuso.
La Lgica Difusa (llamada tambin Lgica Borrosa por otros autores) o Fuzzy
Logic es bsicamente una lgica con mltiples valores, que permite definir valores en
las reas oscuras entre las evaluaciones convencionales de la lgica precisa: Si / No,
Cierto / Falso, Blanco / Negro, etc. Se considera un sper conjunto de la Lgica Boo-
leana. Con la Lgica Difusa, las proposiciones pueden ser representadas con grados de
certeza o falsedad. La lgica tradicional de las computadoras opera con ecuaciones
muy precisas y dos respuestas: Si o no, uno o cero. Ahora, para aplicaciones de
computadores muy mal definidas o sistemas vagos se emplea la Lgica Difusa.
Por medio de la Lgica Difusa pueden formularse matemticamente nociones
como un poco caliente o muy fro, para que sean procesadas por computadoras y
cuantificar expresiones humanas vagas, tales como "Muy alto" o "luz brillante". De
esa forma, es un intento de aplicar la forma de pensar humana a la programacin de
los computadores. Permite tambin cuantificar aquellas descripciones imprecisas que
se usan en el lenguaje y las transiciones graduales en electrodomsticos como ir de
agua sucia a agua limpia en una lavadora, lo que permite ajustar los ciclos de lavado a
travs de sensores.
La habilidad de la Lgica Difusa para procesar valores parciales de verdad ha si-
do de gran ayuda para la ingeniera. En general, se ha aplicado a:
182
Sistemas expertos.
Verificadores de ortografa, los cuales sugieren una lista de palabras probables
para reemplazar una palabra mal escrita.
Control de sistemas de trenes subterrneos.
Los operadores lgicos que se utilizarn en Lgica Difusa (AND, OR, etc.) se de-
finen tambin usando tablas de verdad, pero mediante un "principio de extensin" por
el cual gran parte del aparato matemtico clsico existente puede ser adaptado a la
manipulacin de los Conjuntos Difusos y, por tanto, a la de las variables lingsticas.
La operacin ms importante para el desarrollo y creacin de Reglas Lgicas es
la implicacin, simbolizada por " " que representa el "Entonces" de las reglas heurs-
ticas: Si (...) Entonces ( ) (...).
As, en la Lgica Difusa hay muchas maneras de definir la implicacin. Se puede
elegir una "funcin (matemtica) de implicacin" distinta en cada caso para represen-
tar a la implicacin.
La ltima caracterstica de los sistemas lgicos es el procedimiento de razona-
miento, que permite inferir resultados lgicos a partir de una serie de antecedentes.
Generalmente, el razonamiento lgico se basa en silogismos, en los que los anteceden-
tes son por un lado las proposiciones condicionales (nuestras reglas), y las observacio-
nes presentes por otro (sern las premisas de cada regla).
Los esquemas de razonamiento utilizados son "esquemas de razonamiento
aproximado", que intentan reproducir los esquemas mentales del cerebro humano en
el proceso de razonamiento. Estos esquemas consistirn en una generalizacin de los
esquemas bsicos de inferencia en Lgica Binaria (silogismo clsico).
Tan importante ser la seleccin de un esquema de razonamiento como su re-
presentacin material, ya que el objetivo final es poder desarrollar un procedimiento
analtico concreto para el diseo de controladores difusos y la toma de decisiones en
general.
Una vez que dispongamos de representaciones analticas de cada uno de los
elementos lgicos que acabamos de enumerar, estaremos en disposicin de desarrollar
formalmente un controlador "heurstico" que nos permita inferir el control adecuado de
un determinado proceso en funcin de un conjunto de reglas "lingsticas", definidas
de antemano tras la observacin de la salida y normas de funcionamiento de ste.
5. Conjuntos Difusos: Lgica Difusa.
Predicados Vagos y Conjuntos Difusos.
183
Los conjuntos clsicos se definen mediante un predicado que da lugar a una cla-
ra divisin del Universo de Discurso X en los valores "Verdadero" y "Falso". Sin embar-
go, el razonamiento humano utiliza frecuentemente predicados que no se pueden re-
ducir a este tipo de divisin: son los denominados predicados vagos.
Por ejemplo, tomando el Universo de Discurso formado por todas las posibles
temperaturas ambientales en la ciudad de Huelva, se puede definir en dicho universo
el conjunto A como aqul formado por las temperaturas "clidas".
Por supuesto, es imposible dar a A una definicin clsica, ya que su correspon-
diente predicado no divide el universo X en dos partes claramente diferenciadas. No
podemos afirmar con rotundidad que una temperatura es "clida" o no lo es. El pro-
blema podra resolverse en parte considerando que una temperatura es "clida" cuan-
do su valor supera cierto umbral fijado de antemano. Se dice que el problema tan slo
se resuelve en parte, y de manera no muy convincente, por dos motivos: de una parte
el umbral mencionado se establece de una manera arbitraria, y por otro lado podra
darse el caso de que dos temperaturas con valores muy diferentes fuesen consideradas
ambas como "clidas". Evidentemente, el concepto "calor" as definido nos dara una
informacin muy pobre sobre la temperatura ambiental.
La manera ms apropiada de dar solucin a este problema es considerar que la
pertenencia o no pertenencia de un elemento x al conjunto A no es absoluta sino gra-
dual. En definitiva, definiremos A como un Conjunto Difuso. Su funcin de pertenencia
ya no adoptar valores en el conjunto discreto {0,1} (lgica booleana), sino en el in-
tervalo cerrado [0,1]. En conclusin podemos observar que los Conjuntos Difusos son
una generalizacin de los conjuntos clsicos.
Mediante notacin matemtica se define un Conjunto Difuso B como:
B = { ( x , B( x ) ) / x X }
B: X [0,1]
La funcin de pertenencia se establece de una manera arbitraria, lo cual es uno

de los aspectos ms flexibles de los Conjuntos Difusos. Por ejemplo, se puede convenir
que el grado de pertenencia de una temperatura de "45C" al conjunto A es 1, el de
"25C" es 0.4 , el de "6C" es 0, etc.: cuanto mayor es el valor de una temperatura,
mayor es su grado de pertenencia al conjunto B.
Para operar en la prctica con los Conjuntos Difusos se suelen emplear funcio-
nes de pertenencia del tipo representado en la figura 2:
184
Tipos de funciones de pertenencia.

En la figura se pueden observar dos tipos de funciones de pertenencia de todos
los posibles: el tipo triangular, que puede ser un caso concreto del trapezoidal en el
que los dos valores centrales son iguales, y el de forma de campana gaussiana.
Tmese ahora el Universo de Discurso de la edad. El Conjunto Difuso "Joven"
representa el grado de pertenencia respecto al parmetro juventud que tendran los
individuos de cada edad. Es decir, el conjunto expresa la posibilidad de que un indivi-
duo sea considerado joven. Un Conjunto Difuso podra ser considerado como una dis-
tribucin de posibilidad, que es diferente a una distribucin de probabilidad.
Se puede observar que los Conjuntos Difusos de la figura 3 se superponen, por
lo que un individuo xl podra tener distintos grados de pertenencia en dos conjuntos al
mismo tiempo: "Joven" y "Maduro". Esto indica que posee cualidades asociadas con
ambos conjuntos. El grado de pertenencia de x en A, como ya se ha sealado ante-
riormente, se representa por A(x). El Conjunto Difuso A es la unin de los grados de
pertenencia para todos los puntos en el Universo de Discurso X, que tambin puede
expresarse como:
Bajo la notacin de los Conjuntos Difusos, A(x)/x es un elemento del conjunto

A. La operacin x representa la unin de los elementos difusos A(x)/x. Los Universos
de Discurso con elementos discretos " para representar la operacin unin.utilizan
los smbolos "+" y "
185
Veamos un ejemplo:
Ejemplo de Conjuntos Difusos en el universo de la edad.
Tmese un individuo x cuya edad sea de 20 aos. Como se puede observar en
la figura, pertenece al Conjunto Difuso "Joven" y al Conjunto Difuso "Maduro". Se pue-
de observar que posee un grado de pertenencia A(x) de 0.6 para el Conjunto Difuso
"Joven" y un grado de 0.4 para el Conjunto Difuso "Maduro"; tambin posee un grado
de 0 para "Viejo". De este ejemplo se puede deducir que un elemento puede pertene-
cer a varios Conjuntos Difusos a la vez aunque con distinto grado. As, nuestro indivi-
duo x tiene un grado de pertenencia mayor al conjunto "Joven " que al conjunto "Ma-
duro"(0.6 > 0.4), pero no se puede decir, tratndose de Conjuntos Difusos, que x es
joven o que x es maduro de manera rotunda.
6. Operaciones entre Conjuntos Difusos.

Los Conjuntos Difusos se pueden operar entre s del mismo modo que los con-
juntos clsicos. Puesto que los primeros son una generalizacin de los segundos, es
posible definir las operaciones de interseccin, unin y complemento haciendo uso de
las mismas funciones de pertenencia:
BA (x) = minA(x), B(x) )

A B (x) = max ( A(x), B(x) )
A (x) = 1 - A(x)
En realidad, estas expresiones son bastante arbitrarias y podran haberse defi-
nido de muchas otras maneras. Esto obliga a considerar otras definiciones ms genera-
les para las operaciones entre los Conjuntos Difusos. En la actualidad se considera co-
rrecto definir el operador interseccin mediante cualquier aplicacin t-norma y el ope-
rador unin mediante cualquier aplicacin s-norma.
186
Variables Lingsticas
La Teora de Conjuntos Difusos puede utilizarse para representar expresiones
lingsticas que se utilizan para describir conjuntos o algoritmos. Los Conjuntos Difusos
son capaces de captar por s mismos la vaguedad lingstica de palabras y frases co-
mnmente aceptadas, como "gato pardo" o "ligero cambio". La habilidad humana de
comunicarse mediante definiciones vagas o inciertas es un atributo importante de la
inteligencia.
Una Variable Lingstica es aquella variable cuyos valores son palabras o sen-
tencias que van a enmarcarse en un lenguaje predeterminado. Para estas variables
lingsticas se utilizar un nombre y un valor lingstico sobre un Universo de Discurso.
Adems, podrn dar lugar a sentencias generadas por reglas sintcticas, a las que se
les podr dar un significado mediante distintas reglas semnticas.
Los Conjuntos Difusos pueden utilizarse para representar expresiones tales co-
mo:
o X es PEQUEO.
o La velocidad es RPIDA.
o El ganso es CLARO.
Las expresiones anteriores pueden dar lugar a expresiones lingsticas ms
complejas como:
o X no es PEQUEO.
o La velocidad es RPIDA pero no muy RPIDA.
o El ganso es CLARO y muy ALEGRE.
As, se pueden ir complicando las expresiones. Por ejemplo, la expresin "x no
es PEQUEO" puede calcularse a partir de la original calculando el complemento de la
siguiente forma:
_no_PEQUEA (x) = 1- _PEQUEO (x)
Tratando de esta forma los distintos modificadores lingsticos (muy, poco, r-
pido, lento...) pueden ir calculndose todas las expresiones anteriores.
187
LECTURA 13.
LA PREDICCIN Y LA TEORA DEL CAOS
Por Juan de Dios Ruano Gmez
Profesor de Tcnicas de Investigacin Social en la Facultad de
Sociologa de la Universidad de A Corua.
La capacidad de predecir con certeza y precisin el comportamiento futuro de un sis-

tema, bien sea fsico, biolgico o social se ha situado como una de las mximas aspira-
ciones de la ciencia clsica. No obstante, desarrollos recientes fsico-matemticos co-
mienzan a acabar con esta ilusin en trminos absolutos, para mostrarse nicamente
posible la prediccin en sistemas de gran simpleza. En el centro del debate se encuen-
tra la conocida como Teora del Caos, que aporta un plus de cientificidad a las aproxi-
maciones sociolgicas a su objeto de estudio.
Palabras clave: Sociologa, prediccin, teora del caos.
Para la ciencia clsica, que ha tenido como referente genrico a la fsica y den-
tro de sta a la dinmica, el conocimiento y comprensin total de su objeto de inves-
tigacin supona la capacidad del cientfico de predecir con certeza y precisin la situa-
cin de su objeto tanto en el pasado como en el futuro, con slo conocer la definicin
de uno de los estados del objeto considerado y la ley que rige su evolucin. No muy
lejana a esta concepcin, en el mbito concreto de la reflexin sociolgica, la estructu-
ra social como vertiente descriptiva de una sociedad y el cambio social como bsqueda
de las leyes que dirigen su evolucin, se muestran deudoras de esta particular episte-
mologa vertebradora de los ltimos siglos de la historia de la ciencia. Sin embargo,
esta estrategia global que preside la ciencia clsica, y que puede encuadrarse en el
principio de razn suficiente, ha significado varias cosas: En primer lugar, la indepen-
dencia del objeto respecto de quien le observa; y, en segundo lugar, la igualdad entre
causa y efecto, lo que implicaba que nada pertinente para la definicin del objeto y su
posterior comportamiento o evolucin, escapara a la observacin cientfica.
Ambas caractersticas han cuestionado en mayor o menor medida la cientifi-
cidad clsica de las aproximaciones sociolgicas a su objeto de estudio. Ahora bien,
tanto la nocin de inestabilidad que se encuentra en la base de los comportamientos
caticos como la nocin de suceso originaria de la mecnica cuntica han constitui-
do un revulsivo trascendental para las descripciones efectuadas en trminos clsicos,
188
los cuales dejarn de representar, en adelante, el ideal de conocimiento para el con-

junto de la ciencia. As, la nocin de suceso puso en cuestin la separacin suje-
to/objeto en el mbito de la fsica cuntica, mientras que los denominados comporta-
mientos caticos han desarbolado el principio de razn suficiente por cuanto que han
permitido descubrir que, descripciones tan precisas como se quieran, no garantizan
en modo alguno la certeza en la prediccin de la situacin futura del objeto de inves-
tigacin.
Desde la perspectiva de la sociologa, lo importante del camino recorrido por la
ciencia clsica no es tan slo el hecho de que la fsica haya llegado a reconocer lmites
intrnsecos a su modo de conocer desde los presupuestos epistemolgicos subyacentes
al principio de razn suficiente, sino que sobre todo y ms ampliamente nos ha des-
cubierto que se est produciendo un acercamiento a aquellos aspectos tradicionalmen-
te ms vinculados y distintivos de las ciencias sociales y humanas: la historia y la
complejidad. A este respecto, puede decirse que la ciencia que asume la complejidad y
la historia como propiedades intrnsecas a su objeto de estudio es completamente dife-
rente de la que encontramos reflejada en los postulados de la ciencia clsica.1
Con todo, ambas nociones historia y complejidad no slo han sido margina-
das en las ciencias fsicas, sino que han sido apartadas, igualmente, en todas las disci-
plinas que han seguido los supuestos epistemolgicos de la ciencia clsica. En este
sentido, incluimos tambin a las corrientes tericas tradicionalmente dominantes en la
sociologa. As, conviene sealar lo reciente que es la reivindicacin del estudio de los
fenmenos alejados de la normalidad desde planteamientos que no estigmaticen a
estos sucesos en tanto que desviaciones desintegradoras y/o caticas respecto al or-
den social vigente en el momento. Este hecho ha acercado a algunos socilogos a es-
tudiar fenmenos tales como la difusin de las innovaciones sociales, el cambio de va-
lores o las situaciones de crisis, de un modo potencialmente integrador, siguiendo as
una perspectiva ms abierta y representada en fsica por Prigogine y sus colaborado-
res.2
Ello no obstante, se presentan en la actualidad nuevas aportaciones y reflexio-
nes cientficas en torno al estudio de fenmenos difcilmente abordables desde concep-
ciones clsicas, que manifiestan una ambigedad entre los supuestos epistemolgicos
que constituyen las perspectivas complejas de investigacin cientfica y las considera-
das como visiones clsicas de la ciencia. Entre ellas, la denominada Teora del Caos
resalta por mostrarse como el dios Jano, con un doble rostro que observara, de un
lado las aproximaciones clsicas, y de otro las perspectivas complejas de investigacin.
Por su carcter ilustrativo y por la resonancia que esta teora est desempeando en
189
nuestros das en el estudio de fenmenos inestables, conviene aclarar algunas de las

caractersticas que hacen de la Teora del Caos un campo de controversia entre los
seguidores de unos y otros supuestos epistemolgicos.
Para iniciar una somera exposicin sobre la Teora del Caos, nada como hacerlo
a partir de la imagen que ms ha contribuido a difundir esta teora. Nos estamos refi-
riendo, naturalmente, al conocido como efecto mariposa. Este efecto ha sido expuesto
por el meteorlogo Edward Lorenz y est siendo desarrollado con el nombre tcnico de
dependencia sensible de las condiciones iniciales3 . La expresin hace referencia y vie-
ne a explicar cmo es que una pequea perturbacin del estado inicial de un sistema
puede traducirse, en un breve lapso de tiempo, en un cambio importante en el estado
final del mismo. Volviendo al popular efecto de la mariposa, ste vendra a decir muy
sintticamente que ...si agita hoy, con su aleteo, el aire de Pekn, una mariposa pue-
de modificar los sistemas climticos de Nueva York el mes que viene. (Gleick, 1988:
16).
Es esta dependencia sensible de las condiciones iniciales del sistema la que ha-
ce, por tanto, que la ms mnima diferencia en la descripcin del estado del sistema
provoque cambios que hace distintos a sistemas complejos que, originariamente, eran
tan parecidos como se les quiera suponer. En el campo de los sistemas polticos y/o
sociales altamente inestables, esta caracterstica significara que la comparacin del
comportamiento de uno de esos sistemas inestables con otro de iguales caractersticas
por muy parecidos que el investigador crea que ambos sistemas son entre s no
permitira al cientfico social garantizar una prediccin, respecto a la evolucin del sis-
tema, equivalente a otra ya ocurrida en otro sistema poltico o social de similares ca-
ractersticas.
En clara conexin con la dependencia sensible de las condiciones iniciales que
comparten todos los sistemas caticos, encontramos una segunda caracterstica gene-
ral que sera la no-linealidad. Como hemos visto, para la ciencia clsica, causa y efecto
se corresponden totalmente y an ms se relacionan proporcionalmente. Es decir,
en el ideal clsico, una buena teora cientfica debera identificar y asociar plenamente
un efecto o fenmeno con una causa; adems, debera contemplar que una varia-
cin en la causa habra de provocar, igualmente, una variacin proporcional en el efec-
to que se sigue de esa causa. Tal vez para los socilogos, la implicacin del supuesto
matemtico de linealidad pueda ser mejor entendido con esta frase: Una teora lineal
os da la totalidad desde las partes. Sumad las partes y tendris la totalidad. (...). Una
teora no lineal no da el todo desde las partes. La suma de las partes no da la totali-
190
dad. Esta es la no linealidad. Los grupos no se portan como sus miembros. (Kosko,
1995: 110-111).
Una tercera caracterstica de los sistemas caticos viene dada por sus formas
complejas, circunstancia sta que implica una problematizacin de la escala en la que
se efecte la eventual medicin del sistema. Como afirma Katherine Hayles: En la
fsica clsica se considera que los objetos son independientes de la escala elegida para
medirlos. Se supone que un crculo tiene una determinada circunferencia, ya sea que
se lo mida con un metro o con una regla de una pulgada. (1993: 32). Ciertamente se
supone que el cambio de escala puede aumentar la precisin, pero ello no afecta a la
creencia en la existencia de una medida exacta que podra asociarse a la identidad del
objeto. Pues bien, ambos supuestos (cambio de escala asociado a la precisin y posibi-
lidad de relacionar a un objeto con su medida exacta) funcionan a la perfeccin con las
formas regulares crculos, rectngulos, tringulos, etc., no as con las formas irregu-
lares complejas tales como aquellas que podemos observar distradamente en la natu-
raleza: costas martimas, paisajes montaosos, movimientos de partculas de polvo en
el aire o, sencillamente, nubes.
De esta tercera caracterstica se derivan dos instrumentos analticos cualitativos
de la mxima actualidad. Nos estamos refiriendo a la geometra fractal (o teora geo-
mtrica de la medida) y a la llamada lgica borrosa o ms propiamente teora de con-
juntos borrosos. Sendas teoras se pronuncian respecto a la medicin de las formas
complejas en un mismo sentido: A mayor informacin sobre el objeto, mayor impreci-
sin sobre el mismo. Sorprendente no? Y sin embargo, los cientficos sociales suelen
estar acostumbrados a este tipo de impresiones. Como escribiera en 1972 el autor de
la teora de conjuntos borrosos: A medida que aumenta la complejidad de un siste-
ma, nuestra capacidad de hacer enunciados precisos y significantes sobre su compor-
tamiento decrece hasta un umbral ms all del cual la precisin y la significatividad (o
pertinencia) se vuelven casi caractersticas mutuamente excluyentes. ...A modo de
corolario hay un principio que se puede enunciar sucintamente as: Cuanto ms de
cerca se mira un problema del mundo real, tanto ms borrosa se vuelve su solucin.
(Kosko, 1995: 147).
Si la precisin de la medida aumenta el grado de indefinicin del objeto de in-
vestigacin cmo afrontar el estudio de los sistemas complejos inestables? La solu-
cin forma parte de un cambio de enfoque. En efecto, no se trata tanto de considerar
el nivel de los elementos que forman el sistema como de fijarse y establecer las sime-
tras recursivas entre niveles de escala. Para exponer esta idea en trminos sociolgi-
cos, diremos que esta operacin por ejemplo fue la que el autor de este artculo,
191
junto con Andrs Garca (socilogo del Centro Europeo de Informacin a la poblacin
en Situaciones de Emergencia), puso en marcha para analizar la lamentacin, multipli-
cacin, caza de chivo expiatorio y guerra contra las autoridades, que el colectivo de
taxistas madrileos inici a finales del ao 1994 tras anunciarse el homicidio de dos de
ellos. La escala no era ms que una escalada de violencia que termin colapsando
una conocida plaza madrilea; la simetra recursiva se constitua en la forma social que
Canetti, en su conocida obra Masa y Poder, describi como muta, esto es, un grupo de
personas excitadas que nada desean con mayor vehemencia que ser ms.
El anlisis conclua en la sucesiva mutacin de una clase de muta en otra. Es
decir, en el paso de una muta de lamentacin (grupo de personas que se renen para
sentir duelo por la muerte de un semejante, de un prximo, de un igual coincide con
los momentos en los que se componen los primeros grupos de taxistas para conocer y
condolerse mutuamente de las trgicas circunstancias en las que murieron dos de sus
compaeros) para, al ir aumentando en nmero de miembros, convertirse en una
muta de multiplicacin que, posteriormente (una vez conocidas las caractersticas fsi-
cas de los presuntos asesinos), se transforma en una muta de caza en busca de ven-
ganza, que concluye (tras no encontrar a sus potenciales vctimas) en una muta de
guerra que descarg sus iras frente a todo poder instituido que se puso a su alcance
incluidos, por supuesto, sus propios representantes gremiales.
Lo que exponemos a continuacin sera, sin embargo, un ejemplo de simetra
recursiva entre niveles de escala extrado de la fsica: (...) el flujo turbulento se pue-
de representar con el modelo de pequeos torbellinos dentro de torbellinos mayores,
albergados a su vez dentro de torbellinos an mayores. En vez de tratar de seguir una
molcula individual, como se hara en los flujos laminares, este mtodo representa la
turbulencia por medio de simetras que se repiten en muchos niveles de escala. Se
considera que los diferentes niveles estn conectados a travs de puntos de acopla-
miento. En cualquiera de estos puntos de acoplamiento las fluctuaciones pequeas
pueden causar que el flujo evolucione de manera diferente, de modo que sea imposible
predecir cmo se comportar el sistema. (Hayles, 1993: 33).
Por lo dems, esta cita nos lleva a las orillas del problema que se plantea en re-
lacin con la Teora del Caos y su bifronte rostro epistemolgico, esto es, respecto al
motivo de la controversia entre enfoques cientficos clsicos y perspectivas complejas
de investigacin. Y esta cuestin no es otra que la del determinismo y la prediccin. En
efecto, tradicionalmente para la ciencia clsica, si podemos determinar en un instan-
te uno de los estados del sistema que queramos investigar y conocer la ley que rige
la evolucin de ese mismo sistema podremos entonces predecir el comportamiento, la
192
posicin futura de ese sistema, as como retrodecir cualesquiera de sus anteriores po-
siciones en el pasado. Ibez sola exponer con el ejemplo de las encuestas electorales
la conexin que se produca entre determinismo y prediccin, deca as: Para valorar
las encuestas electorales debemos hacer dos preguntas: en qu medida prevn el
comportamiento electoral?, y en qu medida lo determinan? La respuesta, como ve-
remos, ser nica: la medida en que prevn el comportamiento electoral es la medida
en que lo determinan (pues slo es previsible lo que est determinado). (1997: 108).
En la actualidad, no obstante, ni siquiera acerca de lo que est determinado puede
garantizarse la posibilidad de que sea previsible. La Teora del Caos ha acabado con
esa conexin, los sistemas caticos son deterministas (y en este sentido, son clsicos),
conocemos tan precisamente como queramos la secuencia que les da origen, la ley
que rige su evolucin y, sin embargo, son impredecibles dada su dependencia sensible
de las condiciones iniciales (y en este aspecto, mostraran su carcter complejo).
Ibez apuntaba en ese mismo contexto a la reflexividad del sujeto social como
explicacin de la dificultad de prediccin en los sistemas sociales, la Teora del Caos
por su parte incorpora mediante el concepto de dependencia sensible de las condicio-
nes iniciales esa reflexividad. Por esto, a la dependencia sensible de las condiciones
iniciales cabra conceptualizarla en sus consecuencias como la reflexividad de los sis-
temas inestables, sean estos del tipo que sean. De su mano, historia y complejidad se
integran en la matemtica y en la fsica de nuestros das. De tal manera que la unin
entre determinismo y prediccin no es ya sino un caso particular dentro de una incerti-
dumbre generalizada a medio y largo plazo. Para los cientficos sociales, este hecho
confirma desde los ltimos desarrollos de la fsica y de la matemtica que la batalla
por la cientificidad no debe buscarse en la precisin, como antesala tradicionalmente
necesaria para la prediccin. Slo en los sistemas simples esto es as, es decir, que la
precisin ayuda a la prediccin. Por el contrario, en los sistemas complejos, y toda so-
ciedad lo es, la precisin puede llegar a hacer ms borrosa la comprensin del futuro.
Si tomamos como ejemplo el caso de un sistema social o poltico en situacin de
inestabilidad, lo anterior es tanto ms cierto cuanto que el propio sistema est a ex-
pensas de que una perturbacin, por insignificante y local que en los tiempos de calma
pueda parecernos, se amplifique (efecto mariposa) hasta el punto de dejar de ser una
perturbacin del orden social y constituirse en el comportamiento que, finalmente,
termine estructurando el sistema en su globalidad. El conocimiento preciso de las per-
turbaciones susceptibles de alcanzar una importancia significativa en la evolucin del
sistema social o poltico inestable implicara someter a los centros reguladores del sis-
tema a una crisis an ms aguda4. Como ha sealado Atlan, una crisis no supone me-
193
ramente la destruccin de informacin, sino el hecho de la creacin de ruido a partir de

la informacin producida en el sistema mismo. En este contexto, la bsqueda de la
precisin en la informacin acerca de las perturbaciones que afectan al sistema inesta-
ble, termina desencadenando una crisis en el nivel de interpretacin de esa informa-
cin5 . Qu clase de informacin y en qu cantidad ser necesario disponer para cal-
cular el comportamiento futuro de un sistema inestable? Como ha puesto de manifiesto
Balandier, tal vez lo que debemos aceptar es que: La imprevisibilidad no es necesa-
riamente el signo de un conocimiento falso o imperfecto; es el resultado de la natura-
leza de las cosas, es necesario dejarle su lugar y su cualidad. (1989: 63).
BIBLIOGRAFA
Atlan, H. (1990): Entre el cristal y el humo: Ensayo sobre la organizacin de lo vivo,
Madrid, Debate.
Balandier, G. (1989): El desorden. La teora del caos y las ciencias sociales. Elogio de
la fecundidad del movimiento, Barcelona, Gedisa.
Canetti, E. (1994): Masa y poder, Barcelona, Muchnik Editores.
Dobry, M. (1988): Sociologa de las crisis polticas, Madrid, Centro de Investigaciones
Sociolgicas.
Gleick, J. (1988): Caos: La creacin de una ciencia, Barcelona, Seix Barral.
Hayles, N. K. (1993): La evolucin del caos: El orden dentro del desorden en las cien-
cias contemporneas, Barcelona, Gedisa.
Ibez, J. (1997): A contracorriente, Madrid, Fundamentos.
Kosko, B. (1995): Pensamiento borroso: La nueva ciencia de la lgica borrosa, Barce-
lona, Grijalbo/Mondadori.
Lorenz, E. N. (1995): La esencia del caos, Madrid, Debate.
Prigogine, I. (1988): Tan solo una ilusin? Una exploracin del caos al orden, Barce-
lona, Tusquets.
194
LECTURA 14
Borrosidad y Educacin 1
Julio Mosquera
Esta ponencia est dedicada a una discusin en torno a la relacin entre borrosi-
dad y educacin. En la primera parte de la ponencia presento una breve introduccin
a la teora de los conjuntos borrosos o difusos. En la segunda parte entro en detalles
sobre el tema central de la ponencia. En esta parte, las relaciones entre la borrosidad
y la educacin son categorizadas en tres grupos como sigue: Enseanza de la borrosi-
dad, la borrosidad en la enseanza y uso de la borrosidad en la investigacin educati-
va. El primero se refiere a la introduccin de la teora de conjuntos y la lgica borrosa
como contenidos en el curriculum tanto de la educacin media como en la educacin
universitaria. En este caso, hago especial nfasis en la enseanza de esta teora de
conjuntos a los docentes de matemticas en formacin y en servicio que trabajan en la
Tercera Etapa de la Educacin Bsica y en la Educacin Media Diversificada y Profesio-
nal. El segundo punto refiere al tratamiento, desde la perspectiva de la borrosidad, de
temas que tradicionalmente han sido estudiados en la escuela o en algunas profesio-
nes. Es decir, la reconceptualizacin de ciertos contenidos tomando como base la teo-
ra de conjuntos borrosos. Por ltimo, tenemos el uso de esta teora como herramien-
ta en la investigacin en educacin matemtica.
Antes de continuar me detendr un momento para hablar sobre el problema de
traduccin. Algunos autores traducen fuzzy como difuso y otros como borroso. Yo
particularmente he escogido usar, desde hace varios aos, el trmino borroso. Me
parece que es el trmino ms adecuado y que permite mantener cierta coherencia a
medida que se avanza en el estudio de los conjuntos fuzzy. Algunos autores usan bo-
rroso y difuso como sinnimos, mientras que otros no lo traducen y adoptan el mismo
trmino fuzzy tal cual. Dejo todava abierto este asunto y en lo que sigue utilizar,
provisionalmente, borroso y difuso como sinnimos.
1
Conferencia presentada en Seminario Matemtica, Borrosidad e Interdisciplinariedad, 07
y 21 de Noviembre de 2000, Comisin de Estudios Interdisciplinarios, Universidad Central
de Venezuela, Caracas
195
Breve Introduccin a los Conjuntos Borrosos

La idea de vaguedad, de la falta de precisin incluso en el lenguaje cientfico,
ha estado en la mente de los acadmicos desde hace varios aos atrs. La referencia
ms antigua que he conseguido sobre este asunto es el trabajo de Max Black publicado
en 1937. Luego, veintiocho aos ms tarde apareci el artculo de Zadeh (1965) don-
de presentaba por primera vez en un documento pblico el concepto de conjunto bo-
rroso. La primera aplicacin de los sistemas borrosos a la produccin industrial fue
puesta en funcionamiento para el control de un horno de cemento en Dinamarca en
1980. Las aplicaciones ms exitosas de los sistemas borrosos en productos comercia-
les se iniciaron en Japn, donde fueron creados dos laboratorios nacionales especial-
mente para realizar investigaciones puras y aplicadas sobre sistemas borrosos. El pri-
mer libro en espaol sobre la teora de conjuntos borrosos apareci en 1982. Este fue
una traduccin del libro clsico de Kaufmann titulado Introduction to the Theory of
Fuzzy Subsets.
Asumo que la mayora de los asistentes a esta conferencia no conocen la teora
de los conjuntos borrosos. Por lo tanto, antes de entrar en la materia central de la
conferencia, presentar algunas ideas bsicas de esta teora.
Seala Lofti Zadeh (1965) que un conjunto borroso es una clase con un conti-
nuo de grados de pertenencia. Veamos que significa esta afirmacin. En la teora cl-
sica de conjuntos, dado un conjunto A definimos una funcin f de pertenencia la cual
asignar valores 1 y 0 a cada elemento del universo segn la regla siguiente: (a) f(x)
= 1, si x pertenece al conjunto A y (b) f(x) = 0, si x no pertenece al conjunto A. En la
teora de conjuntos borrosos la funcin de pertenencia asociada a un conjunto borroso
A toma valores en el intervalo [0, 1], en un continuo. Esta manera de definir las fun-
ciones de pertenencia resulta de mucha utilidad para tratar situaciones como las que
encontramos en la vida diaria. Situaciones en las que no manejamos informacin pre-
cisa.
Veamos a continuacin la definicin ofrecida por Zadeh (1965) en su artculo ori-
ginal:
Un conjunto (clase) borroso A en X es caracterizado por una funcin de
pertenencia (caracterstica) fA(x) la cual asocia a cada punto en x en
un nmero real en el intervalo [0, 1], el valor de fA (x) en x repre-
senta el grado de pertenencia de x en A. Entonces, mientras ms
cerca el valor de fA(x) de la unidad, mayor el grado de pertenencia de
x en A. (traduccin de Mosquera, p. 339)
196
Una vez ofrecida esta definicin, Zadeh, en la obra citada, presenta el ejemplo
siguiente:
Ejemplo: Sea X la recta real R y sea A el conjunto borroso de los nmeros que
son muy mayores que 1. Entonces, uno puede dar una caracterizacin precisa, aun-
que subjetiva de A especificando fA(x) como una funcin sobre R. Valores representa-
tivos de tal funcin podran ser: fA(0) = 0; fA(1) = 0; fA (5) = 0,01; FA(10) = 0,2; fA
(100) = 0,95; fA (500) =1. (traduccin de Mosquera, p. 340).
Unas palabras sobre la eleccin del intervalo [0, 1] son necesarias antes de con-
tinuar. Realmente podra seleccionarse otro intervalo, esta eleccin en particular se
hace por conveniencia. Como seala opo (2000), una de las razones para la esco-
gencia de un intervalo nico es la de homogeneizar el discurso. Otra razn es que al
escoger este intervalo podemos ver a los conjuntos borrosos como una extensin na-
tural de los conjuntos clsicos cuya funcin caracterstica es binaria, toma solamente
valores 0 y 1.
Una vez definidos los conjuntos borrosos debemos pasar a definir un conjunto
borroso vaco, la igualdad de conjuntos borrosos y las operaciones entre estos conjun-
tos, as como otras operaciones propias de los conjuntos borrosos. No entrar aqu en
esa materia. Para aprender ms sobre conjuntos y lgica borrosas, les recomiendo
trabajos disponibles en Espaol como los de Orellana (1999), Kosko e Isaura (1993),
Medina (2000) y opo (2000). La referencia ms importante en Espaol, en la catego-
ra de divulgacin y discusin sobre implicaciones de la adopcin del enfoque borroso,
es el libro de Bart Kosko (1995).
Enseanza de la Borrosidad
Hace varios aos escrib sobre la introduccin de la teora de conjuntos borrosos
en la formacin matemtica de los profesores de esta disciplina (Mosquera, 1992).
Argumentaba que la idea bsica sobre la que se construye esta teora de conjuntos
borrosos en la formacin de profesores nos permite, entre otras cosas, mostrar: (a)
que las matemticas estn vivas y en constante desarrollo, (b) una teora matemtica
que es aplicada en la resolucin de muchos problemas prcticos, (c) un caso de teora
matemtica que nos ayuda a interpretar ciertos fenmenos y (d) la influencia de fuer-
zas sociales en la produccin de nuevos conocimientos matemticos.
La mayora de la poblacin, incluidos muchos de los profesores de matemticas,
piensan que las matemticas son cosa del pasado y que estas estn petrificadas. La
introduccin del tema de los conjuntos borrosos nos permitira mostrar una teora ma-
temtica que fue creada en los aos sesenta y que est en pleno desarrollo.
197
Los conjuntos y la lgica borrosa nos permiten mostrar un caso de ideas mate-
mticas con enormes aplicaciones prcticas. Hace unos meses me refera anecdtica-
mente, en el acto de premiacin de la Vigsima Quinta (25) Olimpada Venezolana de
Matemticas, a que estas ideas se han convertido en necesarias para ser un buen con-
sumidor. Fui a comprar una lavadora y encontr que en el mercado venezolano se
estaban comercializando modelos de lavadoras electrnicas controladas con lgica bo-
rrosa. Parte de la publicidad se centraba en que el lavado era como lavado a mano.
Es decir, que la forma de lavar la mquina se pareca a la forma de lavar un ser hu-
mano. Aqu est uno de los puntos clave de los sistemas borrosos: hacer que siste-
mas artificiales funcionen de manera ms prxima a como funcionara si la manejara
un humano. La lista de aplicaciones de la lgica borrosa en aparatos domsticos es
enorme y no viene al caso detallarla. Tambin, obviamente estn las aplicaciones en
el campo militar y de inteligencia artificial.
Sera interesante explorar las semejanzas entre los orgenes y el desarrollo del
clculo diferencial e integral y el caso de los conjuntos borrosos. Sabemos que el caso
del primero el xito de las aplicaciones prcticas hizo que los cientficos no se ocuparan
de desarrollar con rigor su trabajo con el clculo. Pero, eso sera asunto de otra confe-
rencia.
La importancia de la teora de conjuntos borrosos no se limita a sus aplicaciones
tecnolgicas. Hay otro aspecto de mucha importancia para la educacin, se trata de
un cambio de paradigma o de manera de pensar. Por ejemplo, en el caso del estudio
de la cognicin, la adopcin de una perspectiva borrosa significa abandonar la lgica
aristotlica como gua normativa para el movimiento del pensamiento. Esto significa
abandonar la idea de que las personas necesariamente tiene que establecer o basar
sus razonamientos en dicotomas. Recordemos que las leyes de la contradiccin y la
del excluido no son vlidas para los conjuntos borrosos.
Las investigaciones que llevaron a la creacin de la teora de conjuntos borrosos
fueron financiados principalmente por fondos provenientes de la Marina, el Ejercito y la
Fuerza Area Norteamericana y de compaas privadas de la industria armamentista.
Los problemas planteados y el inters en resolverlos estaban relacionados con asuntos
propuestos por los militares. Tenemos entonces aqu un buen ejemplo de un conoci-
miento matemtico que fue producido en conexin con las necesidades especficas de
una industria. Una industria influenciada por los intereses hegemnicos y las decisio-
nes polticas del gobierno de los Estados Unidos. Con este ejemplo, podramos iniciar
una discusin sobre el papel de las fuerzas sociales, polticas, econmicas y tecnolgi-
cas en la promocin de la creacin de nuevos conocimientos matemticos.
198
Antes de continuar me gustara hacer un comentario al respecto de la relacin

entre borrosidad y probabilidad. En el contexto de la enseanza de la teora de los
conjuntos borrosos surge con frecuencia esta pregunta. Seguramente que estara mo-
tivada por el hecho que la funcin de pertenencia le asigna a cada elemento del uni-
verso valores en el intervalo [0, 1]. Intervalo donde tambin se encuentran las proba-
bilidades asignadas a un evento. Ilustrar con un ejemplo, tomado de Ansari (1992) la
diferencia entre borrosidad y probabilidad. Consideremos dos aparatos electrnicos A
y B, A tiene una probabilidad de 0,09 libre de error y a B se le asigna el valor de per-
tenencia 0,09 al conjunto libre de error. El primero significa que de cada 100 pues-
tas en funcionamiento, en promedio, el aparato fallar 10 veces, es decir funciona li-
bre de error el 90% de las puestas en funcionamiento. Mientras que el valor de per-
tenencia 0,09 significa que el aparato es razonablemente similar a un aparato libre de
error. Supongamos ahora que ambos tienen asignado un valor de 0,05 de probabili-
dad y de pertenencia respectivamente. Obviamente que el primero es preferible por-
que la informacin nos dice que funcionar un 50% de las veces mientras que la se-
gunda nos indica que el aparato B es de bastante mala calidad (Ansari, 1998).
Sobre el asunto planteado anteriormente, el propio Zadeh (1965) coment lo
siguiente:
Debemos notar que, aunque la funcin de pertenencia de un conjunto
borroso tiene alguna semejanza con una funcin de probabilidad cuando
X es un conjunto contable (o una funcin de densidad de probabilidad
cuando X es continuo), hay diferencias esenciales entre estos conceptos
las cuales X es continuo), hay diferencias esenciales entre estos concep-
tos las cuales se harn ms claras en lo que sigue una vez que las re-
glas de combinacin de las funciones de pertenencia y sus propiedades
bsicas hayan sido establecidas. En efecto, la nocin de conjunto
borroso es completamente no estadstica en naturaleza. (nfasis
aadido, traduccin de Mosquera, p. 340)
En conclusin, estudiar la teora de conjuntos borrosos a un nivel elemental y la
historia de su desarrollo, el cual es muy reciente, nos permitira hacer que el docente
reflexione sobre las matemticas y su naturaleza. Nos servira para mostrar que las
matemticas estn en constante evolucin, que las matemticas tienen una diversidad
de efectos y aplicaciones, y que las matemticas no son producidas en el vaco, fuera
de la influencia de fuerzas sociales, polticas y econmicas.
199
La Borrosidad en la Enseanza
En esta seccin, como dije en la introduccin, presentar un ejemplo de cmo la
adopcin de la perspectiva de la borrosidad afecta la enseanza de ciertos temas. Este
asunto est estrechamente ligado con uno sealado anteriormente, el cambio de para-
digma.
Describir brevemente un ejemplo tomado de la enseanza de nutricin. Los
ejemplos y los grficos mostrados en esta seccin son tomados de Wirsam (1996). La
aceptacin del consumo de grasa desde el punto de vista de un nutricionista sin expe-
riencia es rgida, con fronteras precisas. Los lmites establecidos para el consumo de
grasa por este tipo de nutricionista es representado en el grfico siguiente.
Figura 1. El pico ilustra la aceptacin de consumo de grasa por parte de un educador

en nutricin sin experiencia (Tomado de Wirsam, 1996, p. 2)
Solamente es permitido un consumo de grasa del 25 al 30% de energa. De esta ma-
nera slo existe la pertenencia 1 para el rea permitida y 0 pertenencia para el resto.
Aqu vemos reflejado un tipo de razonamiento basado en la lgica bivalente, aristotli-
ca.
Un profesor de nutricin experimentado tendra un punto de vista diferente rela-
cionado con el consumo de grasa. La curva suave ilustra la aceptacin de consumo de
grasa desde el punto de vista de un profesor de nutricin experimentado.
200
Figura 2 Este grfico es conocido como la curva caracterstica de un conjunto borroso

de tipo I. (Tomado de Wirsam, 1996, p. 3)
Ahora, segn esta interpretacin borrosa, el consumo de grasa de 25 a 30% de ener-
ga es optimo, pero hay reas cercanas al ptimo donde el consumo de grasa es an
aceptable. La aceptacin (valores de la funcin de pertenencia) disminuye a medida
que aumenta la distancia desde el ptimo.
Una manera de representar la relacin entre el grado de salud y el consumo de
un nutriente cuando el resto de la dieta se mantiene constante se muestra en la figura
siguiente. Podemos observar que existe un rea de muy bajo consumo, regin oscura
a la derecha, que es muy peligroso para el individuo; un rea de enfermedad de defi-
ciencia del nutriente; un rea marginal y un rea de mayor rango de estado ptimo.
Figura 3: Grfica del consumo de un nutriente. (Tomado de Wirsam, 1996, p. 7)

Siguiendo con la figura anterior, tenemos que al movernos hacia la derecha encontra-
mos otra vez un rea marginal, un rea de alto consumo, la cual es un rea txica y al
final otra rea muy peligrosa.
De la grfica se deriva que la salud no mejora ni empeora de la misma manera
ante variaciones del consumo de un determinado nutriente. Esta grfica puede ser
interpretada como una curva que describe el "consumo ptimo". A partir de ella po-
demos definir un conjunto borroso "consumo ptimo", denotado por Ai. En este caso
(xi) es denominado como el valor de la funcin de pertenencia o grado de pertenencia
del consumo xi en el conjunto borroso Ai.
201
Figura 4: El conjunto borroso "consumo ptimo" de un nutriente. (Tomado de Wir-

sam, 1996, p. 7)
Como ya sabemos, los valores de la funcin de pertenencia varan desde 0 hasta
1. Todos los valores, agrupados convenientemente, pueden ser descritos verbalmente.
En el contexto de uso de la lgica borrosa precisamente ese es el uso que le damos a
las variables lingsticas. Estas variables, como su nombre lo indica, no son variables
numricas sino palabras o expresiones en un lenguaje natural. En nuestro caso se
trata de expresiones en Espaol. En la figura 5 muestro la funcin de pertenencia
para las variables lingsticas de la a a la j cuyos significados aparecen en la tabla 1.
Figura 5: Funcin de pertenencia para algunas variables lingsticas. (Tomado de

Wirsam, 1996, p. 7)
La funcin de pertenencia para los diferentes trminos lingsticas pueden ser
escogidos como se muestra en la tabla siguiente y con la informacin de la Figura 5.
a. Amenaza a la vida f. Deficiente latente
b. Defectos fsicos irreversibles g. Cambios qumicos
c. Cambios anatmicos h. Suministro bien balanceado
d. Sntomas especficos i. Suministro bien balanceado, reservorio
lleno
e. Sntomas especficos j. Reservorio de nutrientes en estado ptimo
Tabla 1. Variables lingsticas. (Tomado de Wirsam, 1996, p. 8)
Este ejemplo, aunque breve, ilustra una diferencia entre un razonamiento profe-
sional basado en la lgica bivalente y uno basado en la teora de conjuntos borrosos.
La adopcin de la borrosidad nos permite montar sistemas para la toma de decisiones
ms inteligentes.
Uso de la Borrosidad en la Investigacin Educativa

Entraremos ahora en la presentacin de un ejemplo de uso de la borrosidad en
investigacin en educacin. En particular, este ejemplo trata el uso de la borrosidad
202
en una investigacin en el campo de la educacin matemtica. Se trata de la propues-

ta Perdikaris (1996) sobre el uso de conjuntos y variables borrosas en la matematiza-
cin de los niveles de pensamiento geomtrico de van Hiele basada en el trabajo de
Gutirrez, Jaime y Fortuny (1991).
Gutirrez et al. (1991) argumentan que, si bien, la mayora de los estudiantes
muestran un nivel de pensamiento dominante al responder preguntas abiertas, un
gran nmero de ellos reflejan claramente en sus respuestas la presencia de otros nive-
les. Y an ms, hay algunos estudiantes cuya respuestas muestran simultneamente
el predominio de dos niveles consecutivos de razonamiento. Dados estos resultados,
los autores mencionados concluyen que los niveles de van Hiele no son discretos. Por
lo tanto, ellos sostienen que la adquisicin de un nivel determinado no sucede de ma-
nera instantnea o rpidamente sino que puede tomar meses o aos.
Adquisicin Adquisicin Adquisicin Adquisicin Adquisicin
nula Baja intermedia alta completa
0 15 40 60 85 100
Figura 6: Grados de adquisicin de un nivel de van Hiele (Gutirrez et al., 1991, p.
239)
Esta caracterizacin de los niveles de van Hiele hecha por Gutirrez et al. (1991)
prepara a este modelo para su matematizacin en trminos de los conjuntos borrosos.
En esa caracterizacin las fronteras entre los niveles son vagas y las transicin de un
perodo al siguientes es gradual en lugar de abrupta, tal cual como se mostr en la
figura 3.
Como ya seal, basndose en el trabajo original de Gutirrez et al. (1991), Per-
dikaris (1996) elabor una matematizacin de los niveles de van Hiele en trminos de
conjuntos y variable borrosas. Comienza este autor tomando como variable lingstica
el nivel de adquisicin. A partir de esta variable lingstica se definen los estados
que la caracterizan como etiquetas lingsticas son: adquisicin nula, adquisicin baja,
adquisicin intermedia, adquisicin alta y adquisicin completa. Estos estados repre-
sentan conjuntos borrosos porque no existen fronteras claras que limiten al conjunto
de valores asignados al intervalo de referencia. A continuacin presento con ms de-
talles la propuesta Perdikaris.
Este autor, siguiendo resultados obtenidos en otras investigaciones sobre los ni-
veles de van Hiele, toma en consideracin solamente los tres primeros niveles. Deno-
203
temos h1(t), h2(t) y h3(t) a los niveles de van Hiele (variables borrosas) y por las le-
tras
A = adquisicin nula
B = adquisicin baja
C = adquisicin intermedia
D = adquisicin alta
E = adquisicin completa
Los cinco estados (conjuntos borrosos) de cada nivel de van Hiele. Las observa-
ciones hecha en cada grupo, tres en el estudio original de Gutirrez et. al., son identifi-
cadas con la letra t la cual toma valores 1, 2 y 3. Estos grupos tenan 20, 21 y 9 estu-
diantes respectivamente. Cada observacin consiste de tres quntuplas de nmeros,
uno para cada nivel de van Hiele. Por ejemplo h1(t) = (0, 0, 0, 0, 1), h2(t) = (0, 0,
1/21, 2/21, 18/21), h3(t) = (0, 2/9, 4/9, 2/9, 1/9). Esto significa, por ejemplo, que
en el segundo grupo slo 18 de los 21 estudiantes han alcanzado completamente el
nivel 2 de van Hiele. Estos nmeros representan los grados de pertenencia de los va-
lores observados de cada atributo de los cinco conjuntos borrosos correspondiente a
las etiquetas a, b, c, d y e respectivamente. Los datos fueron tomados del estudio
original de Gutirrez et. al
Segn lo anterior tenemos que al multiplicar el grado de pertenencia del estado
en un nivel por el nmero de estudiantes en el grupo obtenemos el nmero de estu-
diantes en ese nivel. Luego Perdikaris (1996) introduce el clculo de la posibilidad
r(s), el cual es calculado mediante la divisin de la pseudofrecuencia del estado por el
valor mximo de todas las pseudofrecuencias. La psudofrecuencia del estado es la
suma de los valores de pertenencia para cada estado en los respectivos grupos.
Conclusiones
He presentado brevemente tres manifestaciones de la relacin entre borrosidad y
educacin. Fundamentalmente, las tres estn ligadas a un punto importante la adop-
cin de una lgica diferente de la aristotlica. La adopcin de esta lgica trae implica-
ciones que van ms all de un mero ejercicio acadmico. Nuestra manera de concebir
y de tratar los problemas en diversos contextos tiene que cambiar. Es importante, que
la perspectiva de la borrosidad, o el pensamiento borroso, sea introducido en los pro-
gramas de formacin de profesores para la Educacin Media, Ms an, dadas la enor-
mes aplicaciones tecnolgicas de los sistemas borrosos, su estudio debera incluirse en
los planes de formacin de ingenieros, tcnico y de otros profesionales.
204
Bibliografa
Ansari, A. Q. (1992). The basics of fuzzy logic: A tutorial review. Computer Educa-
tion, 88, 5-9
Gutirrez. A., Jaime A. y Fortuny, J. M. (1991). An alternative paradigm to evaluate
the acquisition of the van Hiele levels. Journal for Research in Mathematics Edu-
cation, 22, 237-249
Kosko, B. (1995). Pensamiento borroso. Barcelona: Crtica.
Kosko, B. e Isara, S. (septiembre 1993). Lgica borrosa. Investigacin y Ciencia, (),
pp. 60-65.
Medina, F. E. (2000). Lgica difusa. Innovacin y Ciencia, 9(1), pp. 54-61
Mosquera, J. (1992). Advanced mathematics from an elementary standpoint. The
Mathematics Educator, 3(1), 11-15
opo, H. (2000). Comprendiendo el mundo difuso. Una aproximacin a los conjuntos,
la lgica y la aritmtica difusa como herramienta para modelar la complejidad.
www.minedu.gob/web/el_ministerio/la_situacin_futura/investigaciones/logica_di
fusa/logica_difusa.html
Orellana, R. (comp.) (1999). Sociedad e Investigacin: Borrosidad. Publicaciones,
Ao 2, N 4. Caracas: Comisin de Estudios Interdisciplinarios-Rectorado UCV
Perdikaris, R. (comp.) (1996). Mathematizing the van Hiele levels: A fuzzy set ap-
proach. International Journal of Mathematics Education, Science and Technolo-
gy, 27(1), 41-47.
Wirsam, B. (1996). Application of fuzzy systems theory to setting nutrient require-
ments. Washington, D.C.: Internet Edition Linden.
Zadeh, L.A. (1965). Fuzzy sets. Information and Control, 8, 338-353.
205
LECTURA 15
Diagrama de Voronoy
206

Topicos Mat UNA2

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Topicos Mat UNA2

Hochgeladen von

Copyright:

Verfügbare Formate

Universidad Nacional Abierta

UNIVERSIDAD NACIONAL ABIERTA

UNIVERSIDAD NACIONAL ABIERTA

LECTURA 1. Matemtica Discreta. Talleres divulgativos matemticas en accin. 6

LECTURA 2. La Historia de la Matemtica y de la ciencia como estrategia en la didc- 24

LECTURA 3. Recopilacin de problemas histricos. 34

LECTURA 4. Ensear probabilidad en primaria y secundaria? Para qu y por qu?.... 41

LECTURA 5. Nociones Bsicas. Grafos (redes y circuitos)... 60

LECTURA 7. La matemtica de todos los das. Problemas de optimizacin.. 80

LECTURA 8. Sistemas ponderados de votacin 105

LECTURA 9. Biologa y transformaciones afines 110

LECTURA 10. Fractales: formas de la naturaleza?................................................ 113

LECTURA 11. Resumen del curso de Introduccin a la Geometra Fractal 120

LECTURA 12. La lgica 174

LECTURA 13. La prediccin y la teora del caos 188

LECTURA 14. Borrosidad y educacin. 195

LECTURA 15. Diagrama de Voronoy... 206

Esta asignatura se origina con la finalidad de ofrecerle al futuro docente de la

Este curso contribuir a definir el quehacer cotidiano del docente en su actividad

No se puede abordar en una asignatura, o carrera de enseanza de todos los

Matemtica discreta es casi sinnimo de combinatoria, aunque lo primero es

La matemtica discreta trata de nmeros enteros, conjuntos finitos, objetos

La matemtica discreta engloba:

En esta charla nos fijamos en cuatro ejemplos:

Es una disciplina nueva?

pero la Matemtica Discreta ha vivido un renacer (revolucin?) en el siglo

the recent development of combinatorics is somewhat of a cin-

El desarrollo reciente de la combinatoria es en cierto modo la histo-

(1) Particiones de un nmero

Por ejemplo, en un curso bsico de combinatoria se aprende que hay 13 983

Euler, en 1740, demostr el siguiente

Se trata, por tanto, de ver que I(x) = D(x).

(1 x 2 )(1 x 4 )(1 x 6 )(1 x 8 )...

El teorema de Euler sobre particiones, aparte de su inters, ilustra el mtodo de

La teora de particiones (de nmeros, de conjuntos, de dimensin dos y supe-

- dada una particin en partes impares, considrese un nmero i y sea r la can-

Se deja al lector comprobar que estas dos transformaciones se desha-

Un grafo es un objeto combinatorio formado por un conjunto finito de vrti-

Formalmente, un grafo con vrtices V={1,2,3,,n} no es ms que un conjunto

Ejemplo: el grafo completo con cuatro vrtices:

Los puentes de Knigsberg

Knigsberg, en tiempos de Euler Kaliningrado, hoy

En tiempos de Euler se hizo popular en Knigsberg hacer la siguiente pregunta:

Es posible atravesar los siete

Euler reformul la pregunta como un problema de teora de grafos ( y, de paso,

Teorema (Euler): Sea G un grafo (finito y conexo).

A los grafos del apartado (c) se les llama eulerianos En particular, la

Cules de los siguientes grafos se pueden recorrer de manera euleriana?

El problema tiene solucin en el dodecaedro, y de hecho en los cinco poliedros

Pregunta: dado un grafo cualquiera, cmo es posible decidir si el grafo posee

Es una pregunta parecida a la de Euler, as que esperaramos una respuesta

Respuesta: con mucha dificultad!

Teorema (Garey-Johnson, 1983): decidir si un grafo posee un camino Hamilto-

(3) Esferas que se besan

El nmero de besado de dimensin n: cuntas esferas de dimensin n pue-

En dimensin dos la solucin es relativamente sencilla: no ms de seis bolas

En Dimensin 3 es posible colocar 12 esferas que toquen a una dada: por

Ahora bien, ser posible tambin colocar 13 esferas? Y es posible extender

El problema de las 13 esferas

En cuanto al problema de empaquetamiento, Kepler afirmaba que el empa-

La conjetura de Kepler. Citas.

C. A. Rogers, 1958: Muchos matemticos creen, y todos los fsicos saben,

J. Milnor, 1974: la situacin es escandalosa, puesto que la respuesta correcta

La conjetura de Kepler. Historia