Elementary fractal geometry. 4. Automata-generated topological spaces

Este artículo presenta una definición axiomática de autómatas que generan espacios topológicos auto-similares, describiendo algoritmos para determinar direcciones equivalentes y aproximar dichos espacios, así como su realización como conjuntos auto-similares.

Lo esencial

Imagina que el universo de las matemáticas fractales es como un inmenso laberinto de espejos. Normalmente, para entender este laberinto, los matemáticos miran las reglas físicas que lo construyeron: "¿Qué tan grande es el espejo?", "¿Qué ángulo tiene?". Pero en este artículo, el autor, Christoph Bandt, nos dice: "Espera, olvidémonos de las reglas físicas por un momento. Empecemos con el mapa del laberinto".

Aquí tienes una explicación sencilla de lo que hace este paper, usando analogías cotidianas:

1. El Problema: Las Direcciones Duplicadas

Imagina que tienes una ciudad (un espacio matemático) y un sistema de direcciones (números). A veces, dos direcciones diferentes te llevan al mismo lugar.

• Ejemplo clásico: En el sistema binario, el número 0.1111... (infinitos unos) es exactamente el mismo punto que 1.0000... (un uno seguido de ceros). Son dos "códigos postales" para la misma casa.
• En matemáticas, esto se llama tener "múltiples direcciones". El problema es: ¿Cómo sabemos qué puntos comparten direcciones y cuáles no?

2. La Solución: El "Autómata" como un Guardavía

El autor propone usar una máquina simple llamada autómata (piensa en ella como un guardavía o un robot de tráfico muy básico) para organizar el caos.

• Cómo funciona: Imagina que el autómata tiene dos carriles. En un carril pones la dirección A, en el otro la dirección B. El robot lee los números de ambas direcciones al mismo tiempo.
• La regla: Si el robot puede caminar por sus pasillos siguiendo las reglas de los números, entonces esas dos direcciones son equivalentes (llevan al mismo punto). Si el robot se queda atascado o no puede pasar, son direcciones de lugares diferentes.
• El truco: En lugar de empezar con una figura geométrica y tratar de encontrar sus reglas, el autor dice: "Vamos a diseñar primero al robot (el autómata) y ver qué ciudad (espacio topológico) se construye automáticamente".

3. La Magia: Espacios que se Repiten a Sí Mismos

El descubrimiento más bonito es que los espacios creados por estos robots son auto-similares.

• Analogía: Imagina un árbol. Si cortas una rama pequeña, esa rama se parece al árbol entero.
• En este papel, el autor demuestra que si construyes un espacio usando las reglas de tu robot, el resultado será un objeto fractal perfecto: si miras una parte pequeña, verás la misma estructura que en el todo. Es como si el robot te dijera: "Si sigues mis reglas, el universo que crees siempre se verá igual, sin importar cuánto te acerques".

4. Dos Herramientas Mágicas

El paper presenta dos algoritmos (recetas) para usar estos robots:

• Receta 1 (El Detective de Direcciones): Si sabes qué direcciones dobles son iguales (A = B), esta receta te permite descubrir automáticamente qué direcciones triples, cuádruples o incluso decuples son iguales (A = B = C = D...). Es como tener una lupa que te permite ver conexiones ocultas que antes eran imposibles de calcular a mano.
• Receta 2 (El Constructor de Maquetas): Como los fractales reales son infinitos y difíciles de dibujar, esta receta construye versiones "finas" o aproximadas. Imagina que en lugar de dibujar el fractal perfecto, construyes una maqueta con bloques de Lego. Cuantos más bloques uses (más niveles de la receta), más se parece la maqueta a la realidad. Esto permite a los ordenadores estudiar propiedades complejas de estos espacios infinitos.

5. Ejemplos Curiosos

El autor muestra varios ejemplos divertidos:

• Números negativos: Muestra cómo se pueden construir sistemas numéricos usando bases negativas (como -2), creando formas extrañas pero lógicas.
• El "Alfombra de Perro": Presenta un fractal con agujeros que parecen la forma de un perro. Lo curioso es que este robot genera un espacio donde las piezas giran en ángulos "irracionales" (números que no se pueden escribir con fracciones simples), creando un patrón que nunca se repite exactamente de la misma manera, pero que sigue siendo ordenado.
• Espacios imposibles: Hay un ejemplo que demuestra que ciertos espacios generados por estos robots son tan complejos que no caben en un plano (como un papel). Tienen que existir en 3D o más, ¡como si tuvieran nudos que no se pueden deshacer en una hoja de papel!

En Resumen

Este artículo es como un manual de instrucciones para construir universos matemáticos desde cero usando solo reglas de tráfico simples.

En lugar de estudiar las formas que ya existen en la naturaleza (como copos de nieve o costas), el autor nos da las herramientas para diseñar nuestras propias formas usando autómatas. Nos dice que si entiendes las reglas del "robot" (el autómata), puedes predecir la forma, la conexión y la belleza del "mundo" que ese robot crea.

Es un puente entre la lógica pura de las máquinas (informática) y la belleza visual de las formas infinitas (geometría fractal), sugiriendo que en el futuro, podríamos usar ordenadores para diseñar y clasificar nuevas formas geométricas que ni siquiera hemos soñado todavía.

Resumen técnico

Aquí presento un resumen técnico detallado del artículo "Elementary fractal geometry. 4. Automata-generated topological spaces" de Christoph Bandt, publicado en Communications in Mathematics (2025).

1. Problema y Contexto

El artículo aborda la relación entre los sistemas de numeración, los fractales autoafines y la teoría de autómatas. Tradicionalmente, los autómatas finitos se han utilizado para determinar direcciones múltiples (cuando un punto tiene más de una representación) en sistemas de numeración complejos y para estudiar las propiedades topológicas de los teselados autoafines.

El problema central que el autor busca resolver es la falta de un marco axiomático que tome al autómata como punto de partida para construir un espacio topológico, en lugar de derivar el autómata de un sistema numérico o un fractal preexistente. El objetivo es definir una clase de autómatas que generen espacios topológicos con propiedades de autosimilitud, permitiendo el análisis computacional de la topología de conjuntos fractales sin depender inicialmente de una realización métrica (geométrica).

2. Metodología

La metodología propuesta se basa en una definición axiomática y constructiva:

• Definición Axiomática del Autómata: Se introduce el concepto de autómata generador de topología $G = (V, D^2, E, o)$.
  • $D$ es el alfabeto de dígitos.
  • El alfabeto de entrada es $D^2$ (pares de símbolos), ya que el autómata procesa pares de secuencias de direcciones.
  • El autómata acepta pares de secuencias $(s, t)$ que representan direcciones equivalentes ($\phi(s) = \phi(t)$).
  • Se imponen condiciones específicas: conectividad desde el estado inicial $o$, unicidad de transiciones para cada etiqueta, existencia de un estado "inverso" para cada estado (simetría de la relación de equivalencia) y bucles en el estado inicial para pares $(i, i)$.
• Construcción del Espacio Cuociente: El espacio topológico $X$ se define como el espacio cuociente del espacio simbólico $S = D^\mathbb{N}$ bajo la relación de equivalencia aceptada por el autómata.
• Algoritmos de Detección de Múltiples Direcciones: Se desarrollan algoritmos para derivar autómatas para $k$-tuplas de direcciones equivalentes ($G_k$) a partir del autómata de direcciones dobles ($G_2$). Esto permite identificar puntos con 3, 4, 6 o más direcciones sin conocimiento geométrico previo.
• Aproximación por Espacios Finitos: Se propone la construcción de una secuencia de espacios topológicos finitos $X_n$ que aproximan el espacio límite $X$. Estos espacios se basan en la estructura de las aristas del autómata y permiten analizar propiedades topológicas (conexión, dimensión, puntos de corte) en niveles finitos antes de tomar el límite inverso.
• Realización Métrica: Se discute cómo recuperar la realización métrica del espacio (como un conjunto auto-similar en el plano complejo o $\mathbb{R}^d$) resolviendo ecuaciones algebraicas derivadas de las relaciones de conmutatividad del autómata.

3. Contribuciones Clave

1. Definición de Autómatas Generadores de Topología: Establece formalmente que un autómata finito puede ser el objeto primario para definir una topología, generalizando conceptos de sistemas de numeración y dinámica simbólica.
2. Autosimilitud Topológica: Demuestra que los espacios generados por estos autómatas son topológicamente auto-similares. Se prueban ecuaciones de autosimilitud para el espacio y sus piezas, incluso en configuraciones más generales donde la propiedad de bucles en el estado inicial se debilita (autosimilitud dirigida por grafos).
3. Algoritmos para Direcciones Múltiples: Presenta un método constructivo (basado en productos de autómatas) para determinar todos los puntos con $k$ direcciones equivalentes. Esto resuelve problemas de completitud de autómatas incompletos y permite identificar la estructura de puntos críticos (vértices, intersecciones).
4. Aproximación mediante Espacios Finitos: Introduce una técnica para estudiar la topología de fractales complejos mediante espacios finitos discretos ($X_n$). Esto permite aplicar herramientas de topología algebraica (como homología y grupos fundamentales) a espacios fractales, algo difícil de hacer directamente en el límite.
5. Clasificación de Espacios Exóticos: Proporciona ejemplos de espacios generados por autómatas que no son homeomorfos a subconjuntos del plano (como el ejemplo 3.3), demostrando la capacidad del marco para generar estructuras topológicas complejas y no planas.

4. Resultados Principales

• Teorema de Autosimilitud (Teorema 4.2): Se demuestra que cualquier espacio generado por un autómata satisface ecuaciones de autosimilitud dirigidas por grafos. Si el autómata cumple la propiedad de bucles en el estado inicial, el espacio es estrictamente auto-similar bajo homeomorfismos.
• Estructura de Direcciones Múltiples: En el Ejemplo 6.2 (un triángulo auto-similar), el método permite identificar sistemáticamente puntos con 4, 6 y 12 direcciones, correspondientes a los vértices de un teselado cristalográfico, derivando autómatas $G_3, G_4, G_6, G_{12}$ sin usar la geometría del triángulo.
• No-Embebibilidad en el Plano: Se utiliza la aproximación de espacios finitos para probar que ciertos espacios generados por autómatas (Ejemplo 3.3) contienen subestructuras discretas isomorfas a $K_{3,3}$ o $K_5$, lo que implica que no pueden ser embebidos en el plano, a pesar de ser generados por reglas simples.
• Unicidad de Representaciones Métricas: En la Sección 9, se muestra que para ciertos autómatas (como los de la Figuras 1, 2 y 11), la estructura combinatoria del autómata determina unívocamente la transformación de similitud $g$ y los mapas de vecindad, recuperando sistemas de numeración conocidos (base 2, base -2, mapa tent) y nuevos conjuntos fractales (como la "alfombra de perro" con ángulos irracionales).

5. Significado e Impacto

Este trabajo es significativo por varias razones:

• Puente entre Áreas: Unifica la teoría de sistemas de numeración, la dinámica simbólica y la geometría fractal bajo un marco común basado en autómatas.
• Herramienta Computacional: Ofrece un enfoque algorítmico para analizar la topología de fractales. Al trabajar con espacios finitos $X_n$ y autómatas de $k$-tuplas, se hace posible el análisis computacional de propiedades topológicas (conexión, puntos de corte, dimensión) que son difíciles de calcular en el límite continuo.
• Generalización: Permite estudiar espacios que no son necesariamente conjuntos auto-similares métricos estándar, sino espacios topológicos definidos puramente por reglas de equivalencia simbólica.
• Futuro de la Investigación: El autor propone la creación de bases de datos de objetos topológicos definidos recursivamente, gestionados por computadora. Esto abre la puerta a la clasificación sistemática de teselados y fractales, y a la modelación de fenómenos naturales complejos (polvo, espuma, nubes) mediante autómatas, cumpliendo la visión de Mandelbrot y Barnsley.

En resumen, Bandt presenta un marco teórico robusto donde el autómata no es solo una herramienta de análisis, sino el generador fundamental de la topología, permitiendo una comprensión profunda y computable de la estructura de los fractales y sus propiedades de autosimilitud.