La geometría fractal es una rama de las matemáticas que estudia las figuras geométricas cuya estructura básica se repite a diferentes escalas, una propiedad conocida como autosimilitud. A diferencia de la geometría euclidiana clásica, que describe formas suaves como círculos y cubos, la geometría fractal captura la complejidad y la irregularidad de los objetos encontrados en la naturaleza, como las costas, las montañas o las hojas de los árboles.

Estas estructuras se caracterizan por tener una dimensión fraccionaria, lo que permite cuantificar su grado de complejidad y "rugosidad". El concepto, popularizado por el matemático Benoit Mandelbrot en la década de 1970, ha transformado la forma en que las ciencias naturales y la tecnología modelan sistemas complejos, ofreciendo herramientas precisas para analizar fenómenos que la geometría tradicional consideraba demasiado irregulares.

Definición y concepto

La geometría fractal estudia figuras cuya complejidad se mantiene a cualquier escala de observación. A diferencia de la geometría euclidiana clásica, que describe formas ideales como el círculo perfecto o el triángulo equilátero, los fractales capturan la irregularidad inherente a la naturaleza. En la escuela, aprendemos que una línea tiene una dimensión y un plano dos, pero los fractales introducen la noción de dimensión no entera, un concepto fundamental para entender estructuras como la costa de un país o las ramas de un árbol.

Autosimilitud: el corazón del fractal

La propiedad definitoria de un fractal es la autosimilitud. Esto significa que una parte de la figura se parece al todo. No se trata de una simetría estática, sino de una repetición recursiva. Existen tres tipos principales que los estudiantes deben distinguir para aplicar el concepto correctamente.

Dato curioso: El término "fractal" fue acuñado por el matemático Benoit Mandelbrot en 1975, derivado del latín fractus, que significa "rotos" o "fragmentados". Antes de él, muchas figuras eran consideradas excepciones matemáticas, casi "monstruos", más que una clase propia de formas.

Dimensión fraccionaria y la realidad natural

En la geometría tradicional, la dimensión es un número entero: un punto es 0, una línea 1, un cuadrado 2 y un cubo 3. Los fractales rompen esta regla con la dimensión de Hausdorff, que suele ser un número decimal. Esta medida cuantifica cuánto llena el espacio la figura a medida que se divide.

La fórmula básica para calcular la dimensión D de un fractal autosimilar exacto es:

D=log(S)log(N)​

Donde N es el número de copias y S es el factor de escala. Por ejemplo, en la curva de Koch, la línea se divide en 4 partes, cada una 3 veces más pequeña. La dimensión resulta ser aproximadamente 1,26. Esto indica que la curva es más que una línea (1), pero aún no llena completamente un plano (2). Es una línea tan arrugada que casi se convierte en una superficie.

Esta capacidad para medir la "rugosidad" explica por qué los fractales describen mejor la naturaleza. Las líneas rectas y los círculos son abstracciones útiles, pero raras en el mundo físico. Una costa no es una línea recta; su longitud depende de la longitud del palo con el que la mides. Si mides con un metro, las pequeñas bahías quedan fuera; si mides con un centímetro, aparecen más detalles. Los fractales capturan esta dependencia de la escala, ofreciendo un modelo más preciso para fenómenos naturales complejos que las formas euclidianas simples. La consecuencia es directa: la naturaleza prefiere la eficiencia de la ramificación y la repetición sobre la perfección geométrica estática.

Historia y evolución del concepto

Los fractales no nacieron de la nada, sino que emergieron de las "curiosidades" de la matemática clásica antes de convertirse en una herramienta central. Sus raíces se remontan a finales del siglo XIX, cuando los matemáticos comenzaron a cuestionar la intuición geométrica tradicional.

Los precursores: Cantor, Weierstrass y Koch

Georg Cantor introdujo uno de los primeros ejemplos con su famoso conjunto. Al dividir repetidamente un segmento y eliminar la tercera parte central, obtenía un conjunto de puntos aparentemente disperso, pero con una estructura interna compleja. Este proceso generaba una línea discontinua que desafiaba la noción de continuidad.

Casi simultáneamente, Karl Weierstrass presentó una función que era continua en todos sus puntos, pero que carecía de derivada en casi todos ellos. Esto significaba que la curva tenía una "tangente" en casi cada punto, pero nunca era suave. La función se expresaba como una suma infinita de ondas coseno:

f(x)=n=0∑∞​ancos(bnπx)

Donde 0 < a < 1 y ab > 1 + \frac{3\pi}{2}. Esta fórmula demostraba que la suavidad no era una propiedad inherente a todas las funciones continuas.

Heinrich von Koch llevó esta idea al plano geométrico con su curva. Partiendo de un triángulo equilátero, se agregaban triángulos más pequeños en el centro de cada lado, repitiendo el proceso infinitamente. El resultado era una frontera con longitud infinita que encerraba un área finita. Esta construcción ilustre mostraba que la geometría euclidiana tradicional a veces resultaba insuficiente para describir la naturaleza.

Mandelbrot y la unificación del concepto

Durante décadas, estas figuras fueron vistas como excepciones raras, casi monstruosos matemáticos. Todo cambió en la década de 1970, cuando Benoît Mandelbrot comenzó a agrupar estas estructuras bajo un mismo paraguas. Mandelbrot observó que muchas formas naturales, como las costas, las nubes o las montañas, compartían una propiedad clave: la autosimilitud. Esto significa que una parte de la figura se parece al todo, independientemente de la escala de observación.

Mandelbrot acuñó el término "fractal", derivado del latín fractus (que significa roto o fragmentado), para describir estas estructuras. Su trabajo no fue solo teórico; utilizó computadoras para visualizar la complejidad de estas figuras, haciendo que la geometría fractal fuera accesible y visualmente impactante.

Sabías que: La palabra "fractal" fue acuñada por Mandelbrot en 1975, pero no apareció en un diccionario estándar hasta años después. Antes de eso, los matemáticos a menudo se referían a ellos como "monstruos" o "curiosidades".

La contribución de Mandelbrot fue fundamental porque unificó conceptos dispersos. Mostró que la curva de Koch, el conjunto de Cantor y la función de Weierstrass no eran aislados, sino ejemplos de una clase más amplia de objetos con dimensión no entera. Esta perspectiva permitió aplicar la geometría fractal a diversas disciplinas, desde la física hasta la economía.

De la curiosidad a la herramienta científica

Hoy en día, la geometría fractal es una herramienta transversal. Se utiliza para modelar la complejidad de sistemas naturales que la geometría euclidiana tradicional no podía capturar con precisión. Por ejemplo, en la biología, los fractales ayudan a describir la estructura de los pulmones o la red vascular. En la geografía, permiten analizar la forma de las costas y los ríos.

La evolución del concepto demuestra cómo las ideas matemáticas pueden pasar de ser consideradas excepciones a convertirse en reglas fundamentales para entender la complejidad del mundo. La geometría fractal no solo enriqueció las matemáticas, sino que también ofreció un nuevo lenguaje para describir la naturaleza.

¿Qué es la dimensión fractal y cómo se calcula?

La dimensión fractal cuantifica el grado de irregularidad o fragmentación de un objeto, permitiendo que su dimensión sea un número no entero. A diferencia de la dimensión topológica clásica, que solo toma valores enteros (un punto es 0D, una línea 1D, una superficie 2D), la dimensión fractal mide cómo la complejidad de la figura escala al cambiar el nivel de detalle. Esta distinción es fundamental para entender por qué una costa lineal puede comportarse más como una superficie que como una simple línea.

Dimensión de recubrimiento y de Hausdorff

La dimensión de recubrimiento, o box-counting, es el método más intuitivo. Se cubre el objeto con una cuadrícula de cuadrados de lado L y se cuenta cuántos cuadrados (N) son necesarios para cubrirlo. Al reducir L, N crece según una ley de potencia. La dimensión D se calcula como:

D=L→0lim​log(1/L)logN(L)​

La dimensión de Hausdorff es una generalización más rigurosa, definida mediante una medida que asigna un tamaño a cada subconjunto. Aunque es más compleja de calcular, coincide con la de recubrimiento en la mayoría de los fractales clásicos. Ambas medidas revelan que los fractales ocupan más espacio que su dimensión topológica sugiere.

Ejemplos clásicos: Curva de Koch y Conjunto de Cantor

En la curva de Koch, cada segmento se divide en 3 partes iguales y se sustituye por 4 segmentos más pequeños. La relación de escala es 3 y el número de copias es 4. Aplicando la fórmula, la dimensión es:

D=log3log4​≈1.2619

Esto indica que la curva es más que una línea (1D) pero aún no llena un plano completo (2D). El conjunto de Cantor elimina el tercio medio de un segmento repetidamente. Quedan 2 copias escaladas por un factor de 3. Su dimensión es:

D=log3log2​≈0.6309

Un valor menor que 1 refleja su naturaleza "polvorienta" y discontinua. La consecuencia es directa: estos objetos no encajan en las categorías geométricas tradicionales.

Dato curioso: La dimensión fractal de la costa de Gran Bretaña se estima en aproximadamente 1.25, muy cercana a la de la curva de Koch, lo que sugiere que la naturaleza utiliza patrones de escalado similares a los modelos matemáticos simples.

Comparación de dimensiones

La siguiente tabla resume la diferencia entre la dimensión topológica (entera) y la dimensión fractal (a menudo no entera) de figuras clásicas.

Figura Dimensión Topológica Dimensión Fractal (aprox.)
Punto 0 0
Línea recta 1 1
Cuadrado 2 2
Esfera 3 3
Curva de Koch 1 1.2619
Conjunto de Cantor 0 0.6309

Estos valores demuestran que la geometría fractal ofrece una herramienta precisa para describir la complejidad del espacio. Pero hay un matiz: no todos los objetos irregulares son fractales; deben exhibir autosimilitud o escalado consistente en un rango de escalas.

Clasificación y tipos de fractales

Los fractales no constituyen un grupo homogéneo; su clasificación depende de cómo se generan y de las propiedades estadísticas que presentan. La distinción fundamental radica en el origen de la estructura: si surge de una regla determinista simple o de una sucesión de variables aleatorias. Comprender estas categorías permite analizar fenómenos tan dispares como la costa de un continente o el crecimiento de un cristal.

Deterministas frente a aleatorios

Los fractales geométricos, también llamados clásicos o deterministas, se construyen mediante la aplicación repetida de una regla fija sobre una figura inicial. El triángulo de Sierpinski es el ejemplo paradigmático: se parte de un triángulo equilátero, se unen los puntos medios de sus lados para formar cuatro triángulos menores y se elimina el central. Al repetir este proceso infinitamente, la estructura resultante posee una autosimilitud exacta. Cada parte es una réplica escalada del todo. Esta precisión matemática los hace ideales para ilustrar conceptos teóricos, aunque en la naturaleza pura son menos frecuentes que sus contrapartes aleatorias.

Por el contrario, los fractales aleatorios incorporan el azar en su generación. El movimiento browniano, que describe el trayecto errático de una partícula suspendida en un fluido, es un fractalesto estocástico. Aquí, la autosimilitud no es perfecta, sino estadística. Esto significa que, aunque dos secciones del fractal no sean idénticas al superponerlas, sus propiedades medibles, como la dimensión fractal o la rugosidad, se mantienen constantes al cambiar la escala de observación. La costa de Gran Bretaña, con sus bahías y penínsulas, se comporta así: se ve similar desde el espacio o desde la orilla, pero los detalles específicos difieren.

Dato curioso: La diferencia entre autosimilitud exacta y estadística explica por qué una hoja de helecho parece idéntica a su propia rama (exacta), mientras que la superficie de una montaña nunca se repite exactamente, aunque mantenga la misma "rugosidad" media (estadística).

Fractales estáticos y dinámicos

Dentro de los fractales deterministas, es crucial distinguir entre aquellos definidos por una secuencia geométrica simple y aquellos que nacen de la dinámica de sistemas complejos. Los fractales estáticos, como el conjunto de Cantor o la curva de Koch, se definen por su forma final tras un número infinito de iteraciones. Son objetos geométricos "fijos" en el espacio.

Los fractales dinámicos, en cambio, surgen de la iteración de funciones en el plano complejo. El conjunto de Mandelbrot y los conjuntos de Julia son los ejemplos más destacados. Se generan evaluando repetidamente una función cuadrática simple, como zn+1​=zn2​+c, donde z y c son números complejos. La clasificación de cada punto del plano depende de si la sucesión resultante converge hacia un valor o diverge hacia el infinito. Esta dependencia sensible a las condiciones iniciales es la esencia del caos matemático. Pequeñas variaciones en el parámetro c producen cambios drásticos en la forma del conjunto, creando bordes de una complejidad casi infinita.

Esta distinción entre lo estático y lo dinámico es fundamental en aplicaciones modernas. Mientras que los fractales geométricos ayudan a comprimir imágenes digitales mediante la repetición de patrones, los fractales dinámicos modelan la estabilidad de sistemas físicos, como la órbita de planetas o la fluctuación de mercados financieros. La complejidad no siempre requiere reglas complejas; a menudo, nace de la repetición infinita de una operación sencilla.

Aplicaciones en ciencias naturales y tecnología

Los fractales trascienden la abstracción matemática al ofrecer modelos precisos para sistemas naturales complejos. Su capacidad para describir la "autosimilitud" —la propiedad de parecerse a sí mismos a diferentes escalas— permite simplificar estructuras que la geometría euclidiana tradicional consideraba irregulares. Esta eficiencia se aprovecha en múltiples disciplinas, desde la biología hasta la tecnología digital.

Modelado natural y análisis geográfico

El análisis de la costa de Gran Bretaña es un ejemplo clásico de cómo los fractales miden la complejidad. La longitud de la costa depende de la escala de medición: cuanto más pequeño es el "paso" del medidor, más irregularidades se capturan. Este fenómeno, conocido como la paradoja de la costa, demuestra que la longitud puede tender a infinito si la escala tiende a cero, una propiedad fundamental de la dimensión fractal.

Dato curioso: La estructura de los pulmones humanos es tan eficiente gracias a los fractales. Si se extendieran todas las alvéolos pulmonares, cubrirían un área de aproximadamente 70 metros cuadrados, casi el tamaño de una pista de tenis, todo ello contenido dentro del tórax.

En biología, esta eficiencia espacial es crucial. Los vasos sanguíneos, las redes de ríos y las colonias bacterianas crecen siguiendo patrones fractales para maximizar la superficie de intercambio o la distribución de nutrientes. En los gráficos por computadora, este principio permite generar paisajes realistas mediante el modelado del terreno. Algoritmos como el ruido Perlin usan funciones fractales para crear montañas y nubes que parecen naturales sin necesidad de definir cada vértico individualmente.

Compresión de imágenes y finanzas

La compresión de imágenes basada en fractales aprovecha la redundancia visual. Los algoritmos de transformación afín dividen la imagen en bloques y buscan similitudes entre ellos. En lugar de guardar cada píxel, se almacenan las matemáticas que describen cómo se transforma un bloque en otro. Esto permite una compresión significativa, especialmente útil cuando la resolución aumenta, ya que la imagen se vuelve más nítuda sin perder tanto detalle como en la compresión clásica.

En finanzas, los fractales ayudan a entender la volatilidad del mercado. El movimiento browniano geométrico es un modelo estocástico ampliamente utilizado para describir la evolución del precio de los activos financieros. A diferencia de la curva suave de la geometría clásica, los precios de las acciones muestran saltos y fluctuaciones que se repiten en diferentes escalas de tiempo.

La ecuación diferencial estocástica que describe este movimiento es:

dSt​=μSt​dt+σSt​dWt​

Donde St​ es el precio del activo en el tiempo t, μ representa la tasa de rendimiento esperado y σ es la volatilidad. El término dWt​ corresponde al proceso de Wiener, que introduce el elemento aleatorio. Este modelo, fundamental en la fórmula de Black-Scholes para opciones, asume que los retornos logarítmicos siguen una distribución normal, capturando la esencia fractal de la incertidumbre del mercado.

La aplicación de estos conceptos demuestra que la naturaleza y la tecnología comparten una estructura subyacente. Comprender los fractales no solo mejora la representación visual, sino que también optimiza el almacenamiento de datos y la predicción económica. La consecuencia es directa: mayor precisión con menor complejidad computacional.

Ejercicios resueltos

La geometría fractal se consolida a través de la práctica. A continuación se presentan tres ejercicios resueltos que abarcan longitud, dimensión y análisis visual. Estos problemas son típicos en cursos introductorios de topología y análisis matemático.

Cálculo de la longitud de la curva de Koch

Se solicita determinar la longitud total de la curva de Koch tras n iteraciones, partiendo de un segmento recto de longitud inicial L = 1.

En cada iteración, cada segmento se divide en tres partes iguales. El tercio central se reemplaza por dos segmentos de la misma longitud, formando un triángulo equilátero sin su base. Por lo tanto, el número de segmentos se multiplica por 4 y la longitud de cada uno se divide por 3.

La longitud total en la iteración n, denotada como Ln, sigue una progresión geométrica:

Ln​=L0​(34​)n

Para L0 = 1, la fórmula se simplifica a Ln = (4/3)n. Si calculamos para n = 3:

L3​=1⋅(34​)3=2764​≈2.37

La longitud crece exponencialmente. Al tender n hacia el infinito, la longitud se vuelve infinita, a pesar de encerrarse en un área finita. Este es un rasgo definitorio de los fractales clásicos.

Dimensión fractal del cuadrado de Sierpinski

El cuadrado de Sierpinski (o alfombra de Sierpinski) se construye dividiendo un cuadrado en 9 subcuadrados iguales y eliminando el central. El proceso se repite recursivamente.

La dimensión de autosimilitud D se calcula con la fórmula de Hausdorff, asumiendo que el fractal está compuesto por N copias escaladas por un factor S:

D=log(S)log(N)​

En este caso, cada iteración produce N = 8 subcuadrados (los 9 originales menos el central). El factor de escala es S = 3, ya que cada lado se divide en tres partes.

D=log(3)log(8)​=log(3)3log(2)​≈1.8928

La dimensión es mayor que 1 (una línea) pero menor que 2 (un plano completo). Esto indica que el fractal cubre más espacio que una línea recta, pero deja suficientes huecos para no llenar todo el cuadrado.

Dato curioso: La dimensión fractal no tiene por qué ser un número entero. En el caso de la alfombra de Sierpinski, el valor aproximado de 1.89 sugiere que es casi un plano, pero con una "perforación" significativa.

Análisis de autosimilitud en un conjunto de Julia

Los conjuntos de Julia surgen de la iteración de funciones complejas. Para el conjunto de Julia básico, se usa la función cuadrática:

zn+1​=zn2​+c

Donde z es una variable compleja y c es una constante fija. Para analizar la autosimilitud, tomemos el caso clásico donde c = -0.7 + 0.27i (una variante común del conjunto de Julia "de la flor").

Un ejercicio típico consiste en verificar si un punto pertenece al conjunto. Si la secuencia zn permanece acotada (su módulo no tiende a infinito), el punto está en el conjunto. Tomemos z0 = 0 y c = -0.5 (un caso más simple, el conjunto de Julia de la "cicatriz").

Iteración 1: z1 = 02 - 0.5 = -0.5.

Iteración 2: z2 = (-0.5)2 - 0.5 = 0.25 - 0.5 = -0.25.

Iteración 3: z3 = (-0.25)2 - 0.5 = 0.0625 - 0.5 = -0.4375.

La secuencia oscila cerca de -0.5. Al graficar miles de puntos, se observa una estructura de "hojas" que se repiten a diferentes escalas. La autosimilitud no es exacta (como en el triángulo de Sierpinski), sino estadística o aproximada. Esta diferencia es crucial: los fractales aleatorios o cuasi-autosimilares requieren herramientas más avanzadas, como el conteo de cajas (box-counting), para medir su dimensión con precisión.

Estos ejercicios muestran que los fractales combinan simplicidad algebraica con complejidad geométrica. La práctica constante permite intuir cómo pequeños cambios en los parámetros iniciales transforman drásticamente la forma final.

Límites y críticas a la geometría fractal

Los fractales ofrecen una representación elegante de la complejidad natural, pero su aplicación directa choca con la realidad física. La definición matemática clásica, como la del conjunto de Mandelbrot o el copo de nieve de Koch, asume una autosimilitud infinita. Esto significa que al hacer zoom sobre la figura, emergen detalles idénticos al todo, sin importar la escala. En el mundo físico, esta propiedad se rompe inevitablemente.

Existe un límite inferior claro: el tamaño atómico. No puede existir una estructura fractal perfecta en una hoja de helecho si sus ramas se dividen hasta el tamaño de un electrón. La materia es discreta, no continua. Por lo tanto, los fractales en la naturaleza son modelos aproximados, válidos solo dentro de un rango de escalas específico, desde el milímetro hasta el kilómetro, por ejemplo. Fuera de ese rango, la "rugosidad" se alisa o se vuelve granular.

El límite atómico y la física

En física, esta limitación es crucial. Un modelo que ignora el límite atómico puede predecir propiedades térmicas o mecánicas erróneas. La dimensión fractal, una medida de la complejidad, deja de tener sentido cuando la escala de observación es menor que el tamaño de la unidad básica del material. Esto no invalida la geometría fractal, pero exige precisión al aplicar la fórmula de la dimensión de Hausdorff:

D=log(1/r)log(N)​

Donde N es el número de subconjuntos y r es la razón de escala. Si r se hace infinitamente pequeño, N crece, pero en la física, N se satura cuando alcanza el número de átomos. La consecuencia es directa: los modelos fractales son herramientas de aproximación, no descripciones absolutas.

Sobreutilización en ciencias sociales

El término "fractal" ha sufrido una inflación conceptual fuera de las ciencias duras. En economía, psicología y sociología, se aplica a menudo a cualquier patrón que parezca repetirse a diferentes escalas, sin verificar el rigor matemático. Un gráfico de bolsa puede parecer autosimilar, pero su dimensión fractal puede variar con el tiempo, rompiendo la estabilidad requerida por la teoría clásica.

Debate actual: Muchos críticos argumentan que el uso del término "fractal" en las artes y las ciencias sociales se ha convertido en una etiqueta de moda más que en una herramienta analítica precisa. Sin cálculos de dimensión o pruebas de escala invariante, la afirmación de que algo es "fractal" carece de poder predictivo.

Esta falta de rigor lleva a conclusiones prematuras. Decir que la estructura de una red social es fractal implica que su comportamiento a gran escala puede predecirse a pequeña escala, pero sin datos empíricos sólidos, esta afirmación se vuelve especulativa. El riesgo es confundir la analogía visual con la propiedad matemática.

Complejidad computacional

Generar fractales de alta precisión también presenta desafíos técnicos. Aunque las fórmulas sean simples, la cantidad de cálculos necesarios para resolver detalles a escalas extremas crece exponencialmente. Para el conjunto de Mandelbrot, determinar si un punto pertenece al conjunto requiere iterar la función compleja múltiples veces. A mayor resolución, más iteraciones son necesarias para evitar errores de redondeo.

Esto limita la utilidad de los fractales en simulaciones en tiempo real, como en gráficos por computadora o modelado climático. Los ingenieros deben usar aproximaciones o truncar la recursividad para que el cálculo sea viable. La precisión infinita es un lujo matemático que la computadora debe pagar con tiempo de procesamiento. Por ello, en aplicaciones prácticas, se prioriza la eficiencia sobre la perfección teórica, aceptando que el modelo es una sombra de la realidad matemática ideal.

Preguntas frecuentes

¿Por qué se llaman "fractales"?

El término proviene del latín fractus, que significa "roto" o "fragmentado". Fue acuñado por Benoit Mandelbrot en 1975 para describir figuras que parecen estar compuestas por piezas más pequeñas que se asemejan al todo.

¿Es la geometría fractal útil fuera de las matemáticas?

Sí, tiene aplicaciones extensas en la compresión de imágenes digitales, la modelización del crecimiento de colonias bacterianas, la estructura de los sistemas vasculares y la predicción de la volatilidad en los mercados financieros.

¿Qué diferencia hay entre un fractal y una figura geométrica clásica?

Las figuras clásicas (como un triángulo) suelen tener una dimensión entera (1D, 2D, 3D) y son suaves a pequeña escala. Los fractales tienen una dimensión no entera y mantienen su complejidad y rugosidad sin importar cuánto se acerque uno a ellos.

¿Todos los fractales son infinitos?

Matemáticamente, muchos fractales ideales tienen un perímetro infinito contenido en un área finita. Sin embargo, en la naturaleza, los fractales suelen ser "autosimilares estadísticamente" y tienen un límite físico de escala debido al tamaño de los átomos.

¿Quién es considerado el padre de la geometría fractal?

Benoit Mandelbrot es ampliamente reconocido como el padre de esta disciplina, aunque sus raíces se remontan a los trabajos de matemáticos anteriores como Georg Cantor y Helge von Koch a finales del siglo XIX.

Resumen

La geometría fractal ofrece un marco matemático para describir la complejidad del mundo natural mediante la autosimilitud y la dimensión fraccionaria. Desde su formalización por Mandelbrot, ha evolucionado de ser una curiosidad matemática a una herramienta esencial en campos tan diversos como la física, la biología y la informática, permitiendo modelar con precisión estructuras que la geometría euclidiana tradicional no podía capturar eficientemente.

Véase también

Referencias

  1. «geometría fractal» en Wikipedia en español
  2. Fractal — Wolfram MathWorld
  3. Fractals — Stanford Encyclopedia of Philosophy
  4. Fractals — American Mathematical Society (Notices)
  5. Fractal Geometry — arXiv (math.GT)