Geometría Fractal

por
Ma Asunción Sastre, Universidad Politécnica de Madrid

1. ¾Qué es un fractal?
A nales del siglo XIX surgieron conjuntos muy irregulares que poseían
propiedades geométricas y analíticas sorprendentes. El primero de estos con-
juntos fue el conjunto de Cantor (1890), y a continuación aparecieron muchos
otros (triángulo de Sierpinski, curva de Koch, esponja de Menger, curva de
Peano, etc.). A medida que se fueron creando las herramientas matemáticas
necesarias para estudiarlos y comprenderlos, la teoría de Hausdor y la teoría
de Besicovitch, fue aumentando el interés por ellos. El origen de la geometría
fractal o teoría geométrica de la medida está en el estudio de estos conjuntos
irregulares y sus propiedades.
La geometría fractal es por tanto una rama muy joven de la matemática
y la denición de conjunto fractal no es clara ya que todas las deniciones
dejan fuera conjuntos que se consideran fractales. En 1986, Mandelbrot dio
una denición bastante intuitiva de conjunto fractal: un conjunto en que las
partes son similares al total, en algún sentido . La denición más aceptada
entre los matemáticos: un conjunto que tiene dimensión topológica menor
que su dimensión de Hausdor , no aclara mucho para aquellos interesados
en la geometría fractal que no posean una buena base matemática. Lo más
generalizado es considerar que un fractal es un conjunto que tiene una o
varias de las siguientes propiedades:
• Tiene detalles a todas las escalas.
• Es autosemejante.
• Tiene una denición algorítmica sencilla.

43
44 Un Paseo por la Geometría

• Tiene dimensión topológica menor que su dimensión de Hausdor.

A lo largo de esta charla veremos qué signican estas propiedades y cuáles

de ellas tienen los conjuntos fractales más conocidos.

En 1977 Benoit Mandelbrot publicó el libro [10] describiendo numerosas

aplicaciones de este tipo de estructuras para la investigación en ciencias apli-
cadas. El término fractal, procedente del latín fractus (fragmentado, irre-
gular), fue introducido por Mandelbrot para designar estos conjuntos que no
tenían ningún nombre concreto y desde entonces se conoce esta rama de las
matemáticas como geometría fractal.
Se puede decir que la geometría fractal es el lenguaje de la naturaleza. A
base de repetir instrucciones sencillas (contraer, estirar, eliminar, plegar,...),
se generan formas y estructuras complejas. Con la ayuda del ordenador
podemos describir y generar, con una reducida cantidad de información, nu-
merosas formas y procesos de la naturaleza como una nube, un paisaje, una
planta, etc.
Por otra parte, la capacidad gráca de los modernos ordenadores per-
mite obtener imágenes fractales realmente espectaculares permitiendo otras
aplicaciones de la geometría fractal de carácter artístico y de ocio. La ge-
neración de paisajes fractales está siendo muy utilizada en la realización de
numerosas películas. Además, la generación por ordenador de imágenes frac-
tales ha dado lugar a concursos y exposiciones en la frontera entre el arte
y las matemáticas. Una muestra de esta tendencia es el grupo The frontier
between Art and Science  creado en 1997 (ver [w7]). Otra de las tendencias
en auge es la generación de música fractal con ordenador (ver [w10]).
A continuación vamos a introducir algunos de los primeros conjuntos
fractales que aparecieron a nales del siglo XIX y que podemos denomi-
nar fractales clásicos. Introduciremos alguno de los conceptos básicos de la
Geometría Fractal. También introduciremos los conjuntos de Julia y de Man-
delbrot, describiendo diferentes algoritmos para generar estos fractales y los
llamados fractales aleatorios.

2. El Conjunto de Cantor
Georg Cantor publicó por primera vez en 1883 el conjun-
to que lleva su nombre, como ejemplo de cierto tipo de
conjuntos excepcionales. Se puede decir que el conjunto de
Cantor es el de mayor importancia entre los monstruos
matemáticos o primeros fractales, a pesar de ser menos
vistoso que otros. George Cantor
1845-1918
Geometría Fractal 45

El conjunto de Cantor es un subconjunto de puntos del intervalo [0, 1]

que se construye a partir del siguiente proceso innito. Partimos del intervalo
unidad I0

1
A este intervalo le quitamos el intervalo abierto central de longitud , quedán-
3
1 1 2 2
donos los intervalos I1 = [0, ] y I1 = [ , 1]
3 3

A cada uno de estos nuevos intervalos le quitamos a su vez el intervalo abierto

1 1 2 3
central que ahora tendrá longitud , obteniendo cuatro intervalos I2 , I2 , I2 ,
9
I24 de longitud 91

n
Así sucesivamente, en el paso n-ésimo tendremos 2n intervalos In1 , In2 , ..., In2
1
de longitud n
3

El conjunto de Cantor es el conjunto de puntos que queda después de repetir

\∞ [ 2n
este proceso innitas veces, C = Ini .
n=0 i=1

Como las longitudes de todos los intervalos que eliminamos suman uno,
∞ n−1
n−1 1
X 2
pues en cada paso se eliminan 2 intervalos de longitud n y = 1,
3 n
n=1
3
que es la longitud del intervalo inicial, se tiene que el conjunto de Cantor
tiene medida cero a pesar de contener la misma cantidad de puntos que
todo el intervalo.
46 Un Paseo por la Geometría

3. La dimensión de Hausdor
La dimensión es una primera estimación del tamaño de un
conjunto y nos indica la forma adecuada de medirlo: canti-
dad de puntos para dimensión cero, longitud para dimen-
sión uno, área para dimensión dos, volumen para dimensión
tres. Podemos imaginar que la dimensión es como la lente
adecuada de un microscopio para ver el conjunto. Si trata-
mos de ver un conjunto pequeño con una lente de pocos Felix Hausdorf
aumentos, no lo veremos. Si los aumentos de la lente son 1868-1942
demasiados, sólo veremos un borrón. Sólo podemos ver el conjunto con los
aumentos adecuados, es decir, con su dimensión.
En el caso del conjunto de Cantor, la dimensión cero es demasiado pe-
queña (tiene innitos puntos) y la dimensión uno es demasiado grande
porque no nos permite verlo, ya que mide cero. En 1919, Hausdor intro-
dujo dimensiones fraccionarias y la forma de medir con estas dimensiones que
generalizan las dimensiones enteras y la medida de Lebesgue. Actualmente
se conocen como medida y dimensión de Hausdor.
Aunque la denición de dimensión de Hausdor va asociada a un proceso
de medida, vamos a introducir intuitivamente la dimensión de semejanza que
coincide en muchos casos con la dimensión de Hausdor. La idea es ver cómo
varía la medida de un conjunto cuando se hace una homotecia contractiva
por un cierto factor r . Por ejemplo, si tenemos un rectángulo y lo reducimos
1
por un factor r = , tendremos que el rectángulo inicial se descompone en 9
3
1
rectángulos reducidos, por lo que cada uno de ellos medirá del inicial. Esto
9
es lo que ocurre con los conjuntos de dimensión 2, si se reducen por un factor
r, su medida cambia en un factor r2 .

1
Análogamente, si se reduce un intervalo por un factor r= 3
, se tiene que el
intervalo inicial se descompone en tres intervalos reducidos, por lo que cada
1
uno de ellos medirá de la medida del inicial.
3
Geometría Fractal 47

Es decir, cuando un conjunto de dimensión uno se reduce por un factor r, su

1
medida cambia en la misma proporción, r .
Si se repite este razonamiento para dimensión tres, se tiene que al reducirlo
3
por un factor r su medida cambia en la proporción r . Sin embargo, al reducir
1
el conjunto de Cantor por el factor r = , aparecen sólo dos partes iguales
3
1
y cada una de ellas medirá de la medida del conjunto de Cantor. La idea
2
de dimensión consiste en considerar que la medida de un conjunto que se
s
reduce por un cierto factor r , debe cambiar su medida en la proporción r ,
siendo s la dimensión del conjunto. Apareciendo así las dimensiones frac-
cionarias. Puesto que el conjunto de Cantor se descompone en dos partes,
1 1 2 2
las correspondientes a los intervalos I1 = [0, ] y I1 = [ , 1], semejantes
3 3
1
al conjunto total a escala , tenemos que su dimensión s será el número
3
1 1
que cumple que s = , es decir, la dimensión de semejanza (y también la
3 2
log 2
dimensión Hausdor ) del conjunto de Cantor es s =
log 3
≈ 0,6309297.
Para algunos conjuntos fractales, la dimensión de Hausdor es muy fácil
de calcular, ya que coincide con la dimensión de semejanza. Si un conjunto
se descompone en n partes disjuntas y cada una de esas partes es una reduc-
ción del conjunto a escala rk , la dimensión de Hausdor coincide con la de
s s s
semejanza y es el único valor s que verica r1 + r2 + · · · + rn = 1, ya que cada
s
parte medirá rk .
Cuando las n semejanzas tienen la misma razón de contracción r , la fór-
log n
mula se simplica y se tiene que s = .
log 1 r

4. El triángulo de Sierpinski
Este conjunto fue introducido por Waclaw Sierpinski unos
40 años después que el conjunto de Cantor, como ejemplo
de una curva en la que todo punto es de ramicación. La
construcción geométrica del triángulo de Sierpinski es la
siguiente. Se parte de un triángulo equilátero T. A este
triángulo se le quita el triángulo (sin bordes) que resulta Waclaw
de unir los puntos medios de sus lados. Sierpinski
1882-1969
A cada uno de
En este primer paso
ellos le apli-
tenemos tres nuevos
camos el proceso
triángulos T1 , T2 y T3 .
anterior.

Así sucesivamente, tenemos 3, 9, 27, 81, ... triángulos, cada uno de ellos
1
una copia a escala de los triángulos de la etapa anterior.
2
48 Un Paseo por la Geometría

El triángulo de Sierpinski T es el conjunto de pun-

tos que quedan después de aplicar este proceso in-
nitas veces.
Hay que observar que el triángulo de Sierpinski se
descompone en tres partes, correspondientes a los
tres triángulos de la primera etapa de su constru-
1
cción, semejantes al conjunto total a escala .
2

Es decir, si consideramos las tres homote-

1
cias de razón centradas en cada uno
2
de los vértices del triángulo, se tiene que
T = f1 (T ) ∪ f2 (T ) ∪ f3 (T ).
Esta propiedad, que es bastante general
entre los conjuntos fractales, se denomina
autosemejanza y nos permite calcular la
dimensión de Hausdor del Triángulo de
log 3
Sierpinski que es s =
log 2
≈ 1,584962.

5. Juegos del caos

El triángulo de Sierpinski también surge como proceso límite de lo que
Michael Barnsley llamó el Juego del Caos, que describimos a continuación:
• Se toma un punto P arbitrario del plano.
• Se tira un dado.
• Si sale 1 ó 2 se dibuja un nuevo punto a mitad de camino entre el punto
inicial y el punto A(0, 0), si sale 3 ó 4 se dibuja un nuevo punto a mitad de
camino entre el punto inicial y el punto B(1, 0), y si sale 5 ó 6 se dibuja un
 √ 
nuevo punto a mitad de camino entre el punto inicial y el punto C
1
, 3 .
2 2
• Este juego de tirar el dado y acercarse a uno de los tres puntos A, B o
C se repite con el nuevo punto P1 obtenido.
• Se itera este proceso tantas veces como puntos se deseen obtener.
Aparentemente, este juego debería propor-
cionarnos una nube amorfa de puntos, sin
embargo, el resultado con 10.000 iteraciones, se
puede ver en la siguiente gura.

La explicación de que con el juego del caos se llegue

al triángulo de Sierpinski se debe al teorema del

punto jo. El espacio de los compactos con la métrica de Hausdor es com-

pleto. La función denida porf = f1 ∪ f2 ∪ f3 es contractiva. Existe un único
conjunto compacto T que es jo para f y para cualquier compacto K se tiene
n
que f (K) tiende a T .
Geometría Fractal 49

Variando los puntos a los que nos podemos acercar

en cada iteración, la distancia a la que nos acerca-
1
mos (no necesariamente ) y la probabilidad asig-
2
nada para elegir el vértice, se obtienen diferentes
fractales como el helecho de Barnsley que se mues-
tra en la gura.

6. La curva de Koch
La curva de Koch fue introducida por Helge von Koch en
1904 y es un ejemplo de una curva que no tiene tangente
en ningún punto.

Para construir la curva de Koch consideramos el intervalo

unidad.

Niels Fabian
Helge Von Koch
1870-1924
1
Reemplazamos el intervalo central de longitud por dos segmentos de la
3
misma longitud formando un ángulo de 60 grados.

En cada uno de los 4 intervalos que se han formado, repetimos la operación.

Así sucesivamente. La curva de Koch es el límite de este proceso innito.

50 Un Paseo por la Geometría

log 4
La dimensión de Hausdor de la curva de Koch es s= log 3
≈ 1,26185, ya
1
que es autosemejante con cuatro partes semejantes al total, a escala .
3

7. Fractales aleatorios. Movimiento Browniano

El botánico británico Robert Brown describió en 1827 el movimiento de
ciertas partículas de polen en suspensión como una sucesión de pasos de longi-
tud y dirección aleatorias. En 1923, Wiener construyó un modelo matemáti-
co de tipo aleatorio que describe el movimiento browniano de forma muy
satisfactoria y se puede generalizar a movimientos en cualquier espacio n-
dimensional. Este modelo, que también se llama por extensión movimiento
browniano, reeja el comportamiento de varios fenómenos naturales en los
que interviene el azar. Aquí nos centraremos únicamente en su aplicación
a la modelización de formas de la naturaleza de carácter fractal, como los
paisajes, islas, perles de montañas, etc.
Un movimiento browniano, como todo movimiento, es continuo, pero sus
constantes cambios de dirección hacen que no sea diferenciable, al igual que
ocurre con la curva de Koch. Sin embargo, las características de regularidad
del movimiento browniano son muy diferentes a las de la curva de Koch.
Estas regularidades son de carácter estadístico en lugar de geométrico.

8. Desplazamiento del punto medio

Vamos a considerar el movimiento browniano unidimensional, es decir,
el movimiento de una partícula que se mueve a lo largo de una recta en
sentido positivo o negativo aleatoriamente. El método del desplazamiento
del punto medio se utiliza para modelizar perles montañosos y se extiende
con facilidad a espacios de más dimensiones, permitiendo modelizar paisajes.
Consideramos el movimiento browniano x(t) siendo t el tiempo que varía
en [0, 1]. Representaremos el movimiento en unos ejes coordenados en los que
el eje horizontal será el tiempo y el vertical x(t). El algoritmo consiste en
alterar la posición en un punto intermedio calculando el valor medio de los
extremos más un cierto valor aleatorio gaussiano que puede ser positivo o
negativo.
El algoritmo de desplazamiento del punto medio es el siguiente:
• Denimos una distribución gaussiana en [−1, 1], según la cual obten-
dremos todos los números aleatorios que necesitemos.
• Hacemos x(0) = 0 y seleccionamos un número aleatorio x(1).
• Dibujamos el segmento entre los puntos (0, x(0)) y (1, x(1)).
• Dividimos el intervalo de tiempo en dos iguales y calculamos el valor
1
x( 2 ) como la media entre x(0) y x(1) más un valor d1 aleatorio reescalado
Geometría Fractal 51

1
por .
2
• Se borra el segmento y se pintan dos nuevos con el valor calculado
x( 12 ) x(0) y x(1). Cada intervalo de tiempo se divide en dos
y los anteriores
1 3
iguales y los valores x( ) y x( ) se calculan como la media de los valores en
4 4
1
los extremos más dos valores aleatorios d21 y d22 reescalados por √ .
2 2
• Se borran los segmentos anteriores y se pintan los que se obtienen con
los nuevos valores y los anteriores.
• Se repite el proceso n veces, utilizando como factor de escala √ 1 para
2n+1
n
obtener el número aleatorio dnk , para k = 1, 2, . . . , 2 .

La gura siguiente muestra los primeros pasos del algoritmo.

Introduciendo un exponente H entre 0 y 1, conocido como exponente

de Hurst, se obtienen los llamados movimientos brownianos fraccionarios. La
relación del exponente de Hurst con la dimensión de Hausdor es D = 2 − H.
Para simular movimiento browniano fraccionario podemos utilizar el algo-
ritmo de desplazamiento del punto medio, con una ligera variación. El factor
de escala inicial que multiplica al número aleatorio que se utiliza para calcu-
1
√
lar x( ) es
2
1 − 22H−2 y en los siguientes pasos debe ir multiplicándose por
1
.
2H
Se puede observar que si el exponente de Hurst está cerca de cero, los
perles se hacen muy escarpados, mientras que según se acerca a uno, se
suavizan notablemente, como se muestra en las siguientes guras. Cuando
H = 12 , se tiene el movimiento browniano clásico.
52 Un Paseo por la Geometría

Movimiento browniano fraccionario con exponentes de Hurst 0.2, 0.4, 0.6 y 0.8

La generalización del movimiento browniano a dimensiones mayores se

puede hacer con facilidad a partir del algoritmo de desplazamiento del punto
medio. Esto nos permitirá generar paisajes. El algoritmo consiste en aplicar
el algoritmo de desplazamiento del punto medio en cada uno de los lados de
una rejilla triangular.
Nuevamente, podemos generar un paisaje más o menos escarpado depen-
diendo del exponente de Hurst, que en el algoritmo se traduce en el factor
de escala del número aleatorio que se va generando, como se muestra en las
siguientes guras.

Movimiento browniano fraccionario 3D con diferentes exponentes de Hurst

Variaciones sobre el color que se asigna a cada franja de altura permiten
generar diferentes imágenes. Por ejemplo, una gama de verde para alturas
pequeñas, haciéndose más oscuro según aumenta la altura; una gama de ma-
rrón para alturas mayores y blanco a partir de una cierta elevación, se con-
siguen imágenes muy realistas. Otra variación es utilizar una gama de verde
o marrón para alturas positivas y una gama de azul para alturas negativas,
generando así la imagen de un posible paisaje.
Geometría Fractal 53

Iñigo Quílez Les, Resplandor, I Concurso José María Guerra García Blue
Nacional Imágenes Fractales Ice, Primer premio 2000

Una opción diferente es utilizar gamas de color para generar texturas:

nubes, fuego, madera, humos, etc. Por ejemplo, con una gama de azul y
blanco se generan nubes. Con una gama de rojos y amarillos se puede generar
la textura del fuego.

Texturas

9. Conjuntos de Julia y Mandelbrot

Consideremos la transformación del plano complejo C en
2
sí mismo dada por fc (z) = z + c, donde c es un número
complejo. Es claro que si z es grande, la órbita de z , es decir
la sucesión de puntos zn = fcn (z), diverge a innito. La
frontera de la región de atracción de innito es el conjunto
de Julia J (fc ).
Para c = 0 se tiene que J (f0 ) es la circunferencia unidad. Gaston Julia
1893-1978
54 Un Paseo por la Geometría

Como el exterior del conjunto de Julia está formado por los puntos cuya
órbita diverge a innito, podemos representarlo asignando a los puntos del
exterior diferentes colores en función de esta velocidad de divergencia. De
esta manera y variando c obtenemos diferentes conjuntos de Julia.

Conjuntos de Julia para c = −0,5 + 0,5i, c = −1,1 + 0,1i y c = −0,2 + 0,75i

El conjunto de Mandelbrot M se dene como el conjunto
de parámetros c del plano complejo C para los que el
conjunto de Julia asociado a fc es conexo. Para estudiar
si el conjunto de Julia es conexo para un cierto valor c, se
comienza estudiando si la función fc (z) tiene puntos jos
atractivos, es decir, cuando la derivada de la función tiene
módulo menor que uno en el punto jo. Como los puntos
1
√ √ Benoit
jos son
2
+ 12 1 − 4c y 21 − 12 1 − 4c, hay un punto jo
Mandelbrot
1 1
atractivo si y sólo si c está en la cardioide de ecuación z = exp iθ− exp 2iθ,
2 4
para 0 ≤ θ ≤ 2π .
k
Análogamente, un punto k -periódico (jo para fc , y cuya órbita es un ciclo
k
de k puntos), es atractivo si la derivada de fc tiene módulo menor que la
1 1
√
unidad en dicho punto. Los puntos 2-periódicos son − ± −3 − 4c y son
2 2
1
atractivos si y sólo si c está en la circunferencia |c + 1| < .
4
Geometría Fractal 55

Así sucesivamente se puede calcular dónde hay

3-periodos atractivos, 4-periodos, etc.

Aunque esta denición no es adecuada para

computar imágenes del conjunto de Mandel-
brot, nos permite entender el conjunto de Man-
delbrot como un mapa de los conjuntos de Ju-
lia, como se muestra en la gura de debajo.

Para realizar imágenes del conjunto de Mandelbrot con el ordenador se

utiliza la siguiente caracterización: el conjunto M coincide con el conjunto
de parámetros c del plano complejo para los que la órbita fck (0) está acotada.
Este resultado es la base del conocido algoritmo de tiempo de escape que se
describe a continuación.

10. Algoritmo de tiempo de escape

Se considera un número N del orden de 100, y para cada c de la ventana
que vamos a dibujar (eligiendo ventanas más pequeñas, se representa un zoom
k
del conjunto), computamos términos de la sucesión fc (0). Si los N primeros
términos no salen del círculo de centro cero y radio dos, se decide que C esta
en M y se pinta en negro. Si, por el contrario, para un número k<N algún
término de la sucesión escapa del círculo anterior, se interrumpe la compu-
56 Un Paseo por la Geometría

tación para ese c y se determina que está fuera

de M. Si a cada número k entre cero y N se le
asigna un color y se representa cada número c en
el color que corresponde al primer k tal que fck (0)
sale del círculo, es decir, el momento en el que se
escapa de la zona acotada, se obtienen las típicas
imágenes del conjunto de Mandelbrot.

Esta representación sugiere que su estructura es altamente compleja. Esta

complejidad se pone aún más de maniesto si hacemos algunas ampliaciones
del conjunto.

Se pueden realizar numerosas variaciones de este algoritmo, modicando

la forma de asignar el color o aplicándolo a otras funciones diferentes. Por
ejemplo, para que los cambios de color no sean tan bruscos, se puede intro-
ducir una función logarítmica (como en el método dmj-Smooth de D.M.
Jones). También se puede asignar el color en relación a otras propiedades de
n
los puntos de la órbita f (c), como puede ser la distancia de los puntos de
la órbita a una región dada, por ejemplo una astroide (método astroid de
K.Mitchell, 1998). Hay numerosos métodos de coloreado ya implementados
en programas para generar imágenes fractales, como fractint o ultrafrac-
tal, pero siempre se pueden diseñar nuevos métodos estableciendo cualquier
propiedad que se nos ocurra para asignar el color. Ésta es la base para generar
imágenes fractales.

Bibliografía
[1] M.F. Barnsley, Fractals everywhere, Academic Press, 1993.
[2] M.F. Barnsley, SuperFractals, Cambridge Univ. Press, 2006.
[3] J. Barrallo, Geometría fractal, Anaya, 1993.
[4] K.J. Falconer, The Geometry of Fractal sets, Cambridge Univ. Press,
1985.
Geometría Fractal 57

[5] K.J. Falconer, Fractal Geometry. Mathematical foundations and applica-

tions, John Wiley and Sons, 1995.
[6] G.W. Flake, The Computational Beauty of Nature, MIT Press, 1999.
[7] A. Giraldo y M.A. Sastre, Geometría Fractal, aplicaciones y algoritmos
con Maple, Fundación general UPM, 2001.
[8] A. Giraldo y M.A. Sastre, Sistemas Dinámicos Discretos, Teoría, ejemplos
y algoritmos, Fundación general UPM, 2002.
[9] M. de Guzmán, M. A. Martín, M. Morán, y M. Reyes, Estructuras frac-
tales y sus aplicaciones, Labor, 1993.
[10] B. Mandelbrot, The fractal geometry of nature, W.H. Freeman & Co.,
1977.
[11] B. Mandelbrot, Los objetos fractales: Forma, azar y dimensión, Tust-
quets, 1987.
[12] M. A. Martín, M. Morán, and M. Reyes, Iniciación al caos. Sistemas
Dinámicos, Síntesis, 1995.
[13] P. Mattila, Geometry of sets and Measures in Euclidean Spaces, Cam-
bridge Univ. Press, 1995.
[14] M. McGuire, An Eye for Fractals, Addison-Wesley, 1991.
[15] H.O. Peitgen and P.H. Richter, The beauty of fractals, Springer, 1986.
[16] H.O. Peitgen, H. Jürgens, and D. Saupe, Chaos and fractals, Springer,
1992.

Páginas web
[w1] Departamento de Matemática Aplicada, Facultad de Informática, Uni-
versidad Politécnica de Madrid, Páginas de los concursos Nacionales de imá-
genes fractales, http://www.dma..upm.es
[w2] Sistemas Dinámicos, Open Course Ware de la Universidad Politécnica
de Madrid http://ocw.upm.es/matematica-aplicada/introduccion-a-
los-sistemas-dinamicos
[w3] Concurso internacional The Benoit B. Mandelbrot Fractal Art Contest
2006, http://www.fractalartcontests.com/2006/entries.php
[w4] Concurso internacional The Benoit B. Mandelbrot Fractal Art Contest
2007, http://www.fractalartcontests.com/2007/entries.php
[w5] Michael Frame, Benoit Mandelbrot, and Nial Neger, Fractal Geometry
at Yale University, http://classes.yale.edu/fractals
[w6] IBMPC's, editor. www Fractint pages,
http://spanky.triumf.ca/www/fractint/fractint.html
[w7] D. M. Jones. Fractalus. http://www.fractalus.com
[w8] F. Slijkerman. Ultrafractal. http://www.ultrafractal.com
58 Un Paseo por la Geometría

[w9] Fractal-Art contest, Damien M. Jones

http://www.fractalartcontests.com/
[w10] David Strohbeen, Fractal music lab
http://www.fractalmusiclab.com

Ma Asunción Sastre Rosa

Universidad Politécnica de Madrid
Facultad de Informática
Departamento de Matemática Aplicada
Campus de Montegancedo
Boadilla del Monte
28660 Madrid
e-mail: masastre@.upm.es
http://www.dma..upm.es/sonia/