Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
funzioni iterate
Luigi Orsina
Indice
Introduzione 5
Capitolo 1. Spazi metrici e teorema delle contrazioni 9
1. Denizioni ed esempi 9
2. Successioni di Cauchy e spazi metrici completi 13
3. Il teorema delle contrazioni 15
Capitolo 2. Insiemi compatti e distanza di Hausdor 19
1. Insiemi compatti 19
2. La distanza di Hausdor 21
3. Completezza di (K(X), h) 26
Capitolo 3. Sistemi di funzioni iterate 33
1. Da funzioni su X a funzioni su K(X) 33
2. Sistemi di funzioni iterate 41
3. Il teorema del collage 43
4. Sistemi di funzioni iterate con probabilit`a 51
Capitolo 4. Misura e dimensione di Hausdor 55
1. La misura di Hausdor 55
2. La dimensione di Hausdor 60
Capitolo 5. La dimensione degli attrattori degli IFS 63
1. La dimensione box counting 63
2. Confronto tra box counting e Hausdor 66
3. La dimensione di Hausdor degli attrattori degli IFS 72
Strumenti e programmi 81
Indice analitico 95
3
Introduzione
Molti degli oggetti reali che ci circondano, come ad esempio nuvole,
alberi, felci e broccoli ( ) condividono una notevole propriet` a: ognuno di essi
`e uguale allunione di copie (ridotte in dimensioni) delloggetto originale. Ad
esempio, la struttura tronco da cui si dipartono rami di un albero `e replicata
nella struttura ramo da cui si dipartono rametti, e nella struttura rametti
da cui si dipartono foglie. Analogamente, le foglie di una felce ne replicano
la struttura globale, ed a loro volta sono costituite da microfoglie disposte in
modo da imitare la felce.
La felce (non vera!) come unione di copie di se stessa
Oggetti geometrici di questo tipo si dicono autosimilari: scopo di questo
articolo `e spiegare (o, almeno, provare a spiegare. . .) come usando la teoria
degli spazi metrici ed il teorema delle contrazioni sia possibile costruire
in maniera semplice alcuni insiemi autosimilari. Il verbo costruire assume
qui due signicati: in primo luogo vuol dire costruire matematicamente,
vale a dire caratterizzare dal punto di vista matematico tali insiemi; in se-
condo luogo vuol dire costruire al computer, ovvero indicare come dare una
rappresentazione (approssimata) di tali oggetti.
Gli attori principali del nostro lavoro saranno essenzialmente due: il teo-
rema delle contrazioni e la distanza di Hausdor. Il teorema delle contrazioni,
che vive nel contesto degli spazi metrici completi, aerma che una funzio-
ne f che contrae le distanze (per la denizione rigorosa si veda il Teorema
1.26 nel primo capitolo) ha un unico punto sso, ovvero un elemento x dello
spazio su cui `e denita f tale che f(x) = x. Questo teorema, che ha notevo-
li applicazioni ad esempio nella teoria delle equazioni dierenziali ordinarie,
5
6 INTRODUZIONE
`e fondamentale nel contesto che ci interessa grazie allosservazione che una
contrazione porta s` punti in punti, ma anche insiemi in insiemi; ed essendo
continua, porta compatti in compatti. Usando la distanza di Hausdor (si
veda il secondo capitolo), che permette di misurare la distanza tra compatti
di uno spazio metrico, avviene il miracolo: se f `e una contrazione da uno
spazio metrico in se, allora la funzione F, denita da F(K) = {f(x) , x K}
per ogni compatto K, `e una contrazione dallo spazio dei compatti in se rispet-
to alla distanza di Hausodr. Siccome (si veda sempre il secondo capitolo) lo
spazio dei compatti di uno spazio metrico completo `e a sua volta completo una
volta che vi si consideri la distanza di Hausdor, `e possibile applicare il teo-
rema delle contrazioni ad F, e dedurre cos` lesistenza di un unico compatto
sso K, tale che F(K) = K.
Chiaramente, se x `e il punto sso di f, il compatto K = {x} `e il compatto
sso di F (`e evidente che F({x}) = {x}, e quindi per lunicit`a del punto sso
si ha la tesi), cosicche almeno in apparenza non c`e alcun guadagno
nel passaggio da funzioni su insiemi a funzioni di insiemi. Se per` o, invece di
avere una sola contrazione f, ne abbiamo due, siano esse f e g, allora risulta
essere una contrazione (sullo spazio dei compatti, e rispetto alla distanza di
Hausdor) la funzione
F(K) = f(K) g(K) .
Nuovamente, se x `e il punto sso di f, e y `e il punto sso di g, allora {x, y}
`e contenuto nel compatto sso K di F (la dimostrazione di questo fatto `e
meno semplice della precedente, ed usa la caratterizzazione del punto sso di
una contrazione). In generale, per` o, {x, y} non `e K. Infatti, se calcoliamo
F({x, y}) troviamo
F({x, y}) = {x , y , f(y) , g(x)} ,
che contiene strettamente {x, y} (a meno che non si abbia x = y). Pertanto, e
qui avviene il secondo miracolo, linsieme K `e pi` u ricco dellinsieme ottenuto
dallunione dei punti ssi di f e g. Quanto pi` u ricco qui non diciamo (per non
scoprire troppo le carte ), limitandoci ad aermare che vedremo nel terzo
capitolo numerosi esempi di contrazioni denite su R
2
che generano insiemi
autosimilari geometricamente complessi come punti ssi. Daremo inoltre una
ricetta (il cosiddetto teorema del Collage) per costruire (o, meglio, ricostrui-
re) le contrazioni che generano come compatto sso un insieme autosimilare
dato, o che generano un compatto sso che approssima bene (nel senso della
distanza di Hausdor) un insieme reale come un albero o una felce.
Una volta costruiti gli insiemi autosimilari, ci occuperemo di calcolarne
la dimensione. Prima di farlo, sar` a necessario introdurre (nel quarto capitolo)
il concetto di misura di Hausdor (sempre lui!), che estende al caso di dimen-
sioni non intere la misura di Lebesgue. Partendo dalla misura di Hausdor,
INTRODUZIONE 7
deniremo la dimensione di Hausdor di un insieme, che coincider` a con la di-
mensione classica nel caso di oggetti comuni come punti, linee, quadrati,
cubi, eccetera.
Nellultimo capitolo calcoleremo la dimensione di Hausdor di alcuni degli
insiemi autosimilari costruiti nel terzo capitolo. Per farlo deniremo prima il
concetto di dimensione box counting di un insieme, pi` u facile da calcolare della
dimensione di Hausdor, e poi dimostreremo due risultati: una formula che,
sotto opportune ipotesi sulle contrazioni che generano linsieme autosimilare,
permette di calcolare a priori la dimensione box counting di un insieme, e suc-
cessivamente un teorema che aerma, sotto le stesse ipotesi, che la dimensione
box counting e la dimensione di Hausdor coincidono.
In appendice, inne, verr`a brevemente spiegato come creare, in T
E
X quasi
tutte le gure presenti in questi appunti.
I risultati presentati in questi appunti sono essenzialmente contenuti nel
libro Fractals everywhere di Michael F. Barnsley (Academic Press, Boston,
1993 collocazione: III 7 367), al quale si rimanda, e nel quale `e possibile
trovare una descrizione completa ed auto-contenuta della teoria degli insie-
mi frattali (ben pi` u completa di quella che viene qui proposta). Altri testi
consultati sono Techniques in Fractal Geometry di Kenneth Falconer (John
Wiley & Sons, New York, 1997), Fractal Geometry: Mathematical Founda-
tions and Applications, sempre di Falconer (John Wiley & Sons, New York,
2003 collocazione III 7 379), e larticolo Fractals and Self Similarity di
John E. Hutchinson, Indiana Math. J. 30 (1981). Per la parte sulla misura
di Hausdor, si veda Weakly dierentiable functions: Sobolev spaces and
functions of bounded variation di William P. Ziemer (Springer, New York,
1989 collocazione II 15 1750 e Col 10 120).
Disclaimer: Nessun pixel ha subito danni permanenti durante la stesura di questi appunti.
CAPITOLO 1
Spazi metrici e teorema delle contrazioni
In questo capitolo daremo le denizioni di base degli strumenti che usere-
mo: deniremo gli spazi metrici, gli spazi metrici completi, ed inne enunce-
remo e dimostreremo il teorema delle contrazioni, risultato fondamentale nel
nostro contesto.
1. Denizioni ed esempi
Definizione 1.1. Se X `e un insieme, una distanza su X `e una funzione
d : X X R
+
tale che
(d
1
) d(x, y) 0 per ogni x e y in X; d(x, y) = 0 se e solo se x = y;
(d
2
) d(x, y) = d(y, x) per ogni x e y in X;
(d
3
) d(x, y) d(x, z) + d(z, y) per ogni x, y e z in X.
La propriet`a (d
3
) viene detta disuguaglianza triangolare.
Se d `e una distanza su X, la coppia (X, d) si dice spazio metrico. La
funzione d viene anche chiamata metrica.
Esempio 1.2. Se X `e un insieme qualsiasi, `e una distanza su X la funzione
d
d
(x, y) =
_
1 se x = y,
0 se x = y.
La distanza d
d
viene detta metrica discreta.
Se X = R, `e una distanza su X la funzione d(x, y) = |x y|. Se X = R
2
,
`e una distanza su X la funzione
d
2
((x
1
, x
2
), (y
1
, y
2
)) =
_
(x
1
y
1
)
2
+ (x
2
y
2
)
2
,
detta distanza euclidea. Se X = R
N
e p 1, sono distanze su X le funzioni
d
p
((x
1
, . . . , x
N
), (y
1
, . . . , y
N
)) =
_
N
i=1
|x
i
y
i
|
p
_1
p
.
Se X = C
0
([a, b]; R), lo spazio delle funzioni continue da [a, b] in R, sono
distanze su X le funzioni
d
(f, g) = max
x[a,b]
|f(x) g(x)| ,
9
10 1. SPAZI METRICI E TEOREMA DELLE CONTRAZIONI
e
d
1
(f, g) =
_
b
a
|f(x) g(x)| dx .
Esercizio 1.3. Si dimostri che le funzioni denite nellEsempio 1.2
sono eettivamente delle distanze (per d
p
si rimanda ad un testo di Analisi II).
Successivamente, si interpreti geometricamente la disuguaglianza triangolare
per la distanza euclidea in R
2
.
Esempio 1.4. Se X = R, non `e una distanza la funzione d denita da
d(x, y) = |x
2
y
2
| .
Se X = S, lo spazio delle successioni {x
n
} di numeri reali, non sono
distanze su X le funzioni
d({x
n
}, {y
n
}) = max
nN
|x
n
y
n
| ,
d({x
n
}, {y
n
}) = sup
nN
|x
n
y
n
| ,
e
d({x
n
}, {y
n
}) =
+
n=1
|x
n
y
n
| .
Se X = R([a, b]; R), lo spazio delle funzioni integrabili secondo Riemann
su [a, b], non `e una distanza la funzione denita da
d(f, g) =
_
b
a
|f(x) g(x)| dx .
Esercizio 1.5. Si giustichino le aermazioni dellesempio preceden-
te.
Definizione 1.6. Se (X, d) `e uno spazio metrico, si chiama sfera aperta
di centro x
0
e raggio r > 0 linsieme
B
r
(x
0
) = {x X : d(x, x
0
) < r} .
La sfera chiusa di centro x
0
e raggio r > 0 `e invece linsieme
B
r
(x
0
) = {x X : d(x, x
0
) r} .
Un sottoinsieme A di uno spazio metrico (X, d) si dice aperto se, per ogni
x
0
in A, esiste r = r(x
0
) > 0 tale che B
r
(x
0
) A. Un sottoinsieme C di uno
spazio metrico (X, d) si dice chiuso se il suo complementare C
c
= X \ C `e
aperto. Un sottoinsieme B di uno spazio metrico (X, d) si dice limitato se
esiste x
0
in X, e R > 0, tale che B B
R
(x
0
).
1. DEFINIZIONI ED ESEMPI 11
Definizione 1.7. Se {x
n
} `e una successione contenuta in uno spazio
metrico (X, d), diremo che la successione x
n
converge ad x
0
in X, e scriveremo
lim
n+
x
n
= x
0
, oppure x
n
(X,d)
x
0
,
se si ha
lim
n+
d(x
n
, x
0
) = 0 .
Lultima aermazione va intesa nel senso delle successioni di numeri reali: per
ogni > 0, esiste n
. Si noti
che la denizione di convergenza a zero della successione {d(x
n
, x
0
)} coincide
con la denizione di convergenza a zero nello spazio metrico (R, | |).
Teorema 1.8. Sia (X, d) uno spazio metrico, ed {x
n
} una successione
contenuta in X. Se la successione {x
n
} `e convergente, allora il limite `e unico.
Dimostrazione.
`
E una semplice applicazione della disuguaglianza trian-
golare. Supponiamo che la successione {x
n
} converga ad x
0
e ad y
0
. Per
denizione, si ha
lim
n+
d(x
n
, x
0
) = 0 , e lim
n+
d(x
n
, y
0
) = 0 .
Ma allora si ha
0 d(x
0
, y
0
) d(x
n
, x
0
) + d(x
n
, y
0
) ,
e siccome la successione a destra `e innitesima, dal teorema dei carabinieri
segue che d(x
0
, y
0
) = 0, e quindi che x
0
= y
0
, come volevasi dimostrare.
Esempio 1.9.
`
E evidente dalla denizione che in (X, d) = (R, | |) la
convergenza di una successione `e la solita denizione di convergenza per
successioni di numeri reali. Se (X, d) = (R
N
, d
2
), si vede facilmente che la
convergenza di successioni `e equivalente alla convergenza (in (R, | |)) com-
ponente per componente. Lo stesso vale in (R
N
, d
p
), qualsiasi sia p 1. Se
(X, d) = (C
0
([a, b], R), d
in N tale che
0 d(x
n
, x
m
) < , n, m n
.
Teorema 1.19. Sia (X, d) uno spazio metrico, e sia {x
n
} una successione
contenuta in X. Se {x
n
} `e convergente, allora `e di Cauchy.
Dimostrazione. Dal momento che {x
n
} `e convergente, esiste x
0
in X
tale che, per ogni > 0, esiste n
in N tale che
0 d(x
n
, x
0
) <
2
, n n
.
Siano ora n e m in N maggiori di n
1
n
1
n
-1
1
Se ssiamo n > m, allora la successione |f
n
f
m
| vale
|f
n
(x) f
m
(x)| =
_
_
_
0 se
1
m
< |x| 1,
1 m|x| se
1
n
|x|
1
m
,
(n m)|x| se |x|
1
n
,
ovvero
1
n
1
n
1
m
n
-1 1
1
m
1
m
Pertanto,
d
1
(f
n
, f
m
) =
_
1
1
|f
n
(x) f
m
(x)| dx =
1
m
_
1
m
n
_
=
1
m
1
n
.
Dal momento che la successione {
1
n
} `e di Cauchy in (R, | |) (perche `e con-
vergente), ne segue che la successione {f
n
} `e di Cauchy in (X, d). La suc-
cessione {f
n
}, per`o, non converge in (X, d) ad alcuna funzione. Per assurdo,
supponiamo che esista una funzione f in C
0
([1, 1], R) tale che
lim
n+
d
1
(f
n
, f) = lim
n+
_
1
1
|f
n
(x) f(x)| dx = 0 .
Sia ora > 0, e sia n >
1
|f
n
(x) f(x)| dx
_
1
1
|f
n
(x) f(x)| dx ,
3. IL TEOREMA DELLE CONTRAZIONI 15
e quindi, essendo f
n
(x) 1 in [, 1],
0
_
1
|1 f(x)| dx
_
1
1
|f
n
(x) f(x)| dx .
Facendo tendere n allinnito si ha, ricordando che lultima quantit`a tende a
zero per ipotesi,
0
_
1
|1 f(x)| dx 0 .
Essendo la funzione integranda continua e positiva, si ha che |1 f(x)| 0
in [, 1], e quindi che f(x) 1 in [, 1]. Per larbitariet` a di , si ha che
f(x) 1 in (0, 1]. Ripetendo il ragionamento nellintervallo [1, ], si ottiene
che f(x) 1 in [1, 0). La funzione f non pu` o pertanto essere continua,
dato che si ha
lim
x0
f(x) = 1 = 1 = lim
x0
+ f(x) .
Definizione 1.22. Uno spazio metrico (X, d) tale che ogni successione di
Cauchy sia convergente viene detto spazio metrico completo.
Esempio 1.23. Lo spazio (X, d
d
) `e completo, qualsiasi sia X (si veda lE-
sercizio 1.20). Sono completi gli spazi (R, | |), (R
2
, d
2
) e (R
N
, d
p
), qualsiasi
sia p 1. Lo spazio (C
0
([a, b], R), d
) `e completo.
Altri esempi di spazi completi si ottengono grazie al seguente teorema.
Teorema 1.24. Sia (X, d) uno spazio metrico completo, e sia C un sot-
toinsieme chiuso di X. Allora (C, d) `e uno spazio metrico completo.
Dimostrazione. Sia {x
n
} una successione di Cauchy in (C, d). Chiara-
mente, {x
n
} `e anche una successione di Cauchy in (X, d), che `e completo.
Pertanto, esiste x
0
in X tale che {x
n
} converge a x
0
in (X, d). Essendo C
chiuso e {x
n
} contenuta in C e convergente ad x
0
, per il Teorema 1.11 x
0
ap-
partiene a C. Abbiamo cos` dimostrato che ogni successione {x
n
} di Cauchy
in (C, d) `e convergente in (C, d), e quindi (C, d) `e completo.
3. Il teorema delle contrazioni
Definizione 1.25. Sia (X, d) uno spazio metrico. Una funzione f : X
X si dice una contrazione se `e lipschitziana di costante < 1; ovvero se
esiste 0 < 1 tale che
d(f(x), f(y)) d(x, y) , x, y X .
Se f `e una contrazione, la costante di lipschitz si chiama anche fattore di
contrazione.
Se (X, d) `e uno spazio metrico, e f : X X `e una funzione, un punto x
di X si dice punto sso per f se si ha f(x) = x.
16 1. SPAZI METRICI E TEOREMA DELLE CONTRAZIONI
Se (X, d) `e uno spazio metrico, e f : X X `e una funzione, deniamo
la funzione iterata n-sima di f come la funzione f
(n)
: X X data da:
f
(1)
(x) = f(x), e f
(n)
(x) = f(f
(n1)
(x)) se n > 1.
Teorema 1.26. Sia (X, d) uno spazio metrico completo, e sia f : X X
una contrazione. Allora f ha un unico punto sso.
Dimostrazione. Sia x
0
in X qualsiasi. Deniamo x
1
= f(x
0
) = f
(1)
(x
0
),
x
2
= f(x
1
) = f
(2)
(x
0
) e, per ricorrenza, x
n
= f(x
n1
) = f
(n)
(x
0
). Si ha,
essendo f una contrazione,
d(x
n+1
, x
n
) = d(f(x
n
), f(x
n1
)) d(x
n
, x
n1
) = d(f(x
n1
), f(x
n2
))
2
d(x
n1
, x
n2
) =
2
d(f(x
n2
), f(x
n3
))
3
d(x
n2
, x
n3
) = . . .
. . .
n
d(x
1
, x
0
) .
Pertanto, se m < n, si ha (usando pi` u volte la disuguaglianza triangolare):
d(x
n
, x
m
)
n1
k=m
d(x
k+1
, x
k
)
n1
k=m
k
d(x
1
, x
0
)
m
1
nm
1
d(x
1
, x
0
)
m
1
d(x
1
, x
0
) .
Sia ora > 0, e sia n
in N tale che
n
< (1 )d(x
1
, x
0
); si noti che tale
n
si ha d(x
n
, x
m
) < , e quindi la successione {x
n
}
`e di Cauchy in (X, d), spazio metrico completo. Ne segue che esiste x in X
tale che {x
n
} converge ad x. Essendo f continua (in quanto lipschitziana), se
ne deduce che f(x
n
) converge a f(x) e quindi che f(x
n1
) converge ad f(x)
(essendo una sottosuccessione estratta). Ma f(x
n1
) `e per denizione x
n
, e
quindi f(x
n1
) converge a x. Per lunicit`a del limite, si ha f(x) = x, e quindi
x `e un punto sso per f.
Supponiamo ora che x e y siano punti ssi per f, e che quindi si abbia
f(x) = x e f(y) = y. Allora, essendo f una contrazione, si ha
0 d(x, y) = d(f(x), f(y)) d(x, y) ,
da cui segue 0 (1 ) d(x, y) 0. Essendo < 1, deve per forza essere
d(x, y) = 0, e quindi x = y, cosicch`e il punto sso `e unico.
Osservazione 1.27. Si noti che il punto sso x viene trovato come li-
mite dello schema iterativo x
n1
x
n
= f(x
n1
), ovvero della successione
{f
(n)
(x
0
)}, qualsiasi sia la scelta del punto iniziale x
0
. In altre parole, non
importa da dove partiamo: se f `e una contrazione, al limite delliterazione
troveremo lunico punto sso.
3. IL TEOREMA DELLE CONTRAZIONI 17
Inoltre, passando al limite per m tendente ad innito nella formula che
stima d(x
n
, x
m
), si ha
(1.1) d(x
n
, x)
n
1
d(x
1
, x
0
) ,
e questa formula ci dice quanto velocemente {x
n
} converge a x.
Esempio 1.28. Se abbiamo a disposizione una calcolatrice con una discre-
ta precisione, ed in grado di calcolare le funzioni trigonometriche in radianti,
possiamo determinare il valore della soluzione dellequazione cos(x) = x sem-
plicemente: 1) settando la calcolatrice in radianti; 2) scrivendo 1 (o qualsiasi
altro valore); 3) premendo ripetutamente il tasto cos. Con un po di pazien-
za, alla ne si ottiene il valore 0.7390851332, che `e unapprossimazione della
soluzione esatta.
y = x
y = cos(x)
cos(x) = x
x
Esercizio 1.29. Come mai troviamo un unico punto sso e come
mai lo troviamo premendo ripetutamente il tasto cos? La funzione cos(x)
non `e una contrazione! Il teorema di Lagrange ci dice:
|cos(x) cos(y)| = |sen()| |x y| ,
con compreso tra x e y. Maggiorando |sen()| con 1, otteniamo che cos(x)
ha L = 1 come costante di Lipschitz, e quindi non `e una contrazione. Se
pensate di aver maggiorato troppo, e che forse c`e speranza che cos(x) sia
una contrazione, `e suciente prendere x =
2
+ e y =
2
per avere che
cos(x) cos(y)
x y
=
cos(
2
+ )
=
sen()
,
e lultima frazione tende a 1 quando tende a zero, cosicche
L = sup
x, yR
| cos(x) cos(y)|
|x y|
= 1 ,
`e la costante di lipschitzianit`a di cos(x).
18 1. SPAZI METRICI E TEOREMA DELLE CONTRAZIONI
Esempio 1.30. Sia
f(x, y) = (
x
2
y
4
+
3
4
,
x
4
+
y
2
+
1
4
) .
Si vede facilmente che f `e una contrazione su R
2
(quanto vale ?), e quindi
ha un unico punto sso, che `e (1, 1). Nel disegno, si vede come partendo da
un punto qualsiasi del piano, le iterate convergano al punto sso.
Il limite x non dipende da x
0
CAPITOLO 2
Insiemi compatti e distanza di Hausdor
In questo capitolo, basandoci sui risultati ottenuti nellambito degli spazi
metrici, introdurremo i concetti di insieme compatto e di distanza di Hau-
sdor. Dimostreremo inoltre la completezza dello spazio dei compatti di uno
spazio metrico completo rispetto alla distanza di Hausdor.
1. Insiemi compatti
Definizione 2.1. Un sottoinsieme K di uno spazio metrico (X, d) si dice
compatto se da ogni successione {x
n
} contenuta in K si pu`o estrarre una
sottosuccessione {x
n
k
} convergente ad un punto x
0
di K.
Un sottoinsieme A di uno spazio metrico (X, d) si dice totalmente limi-
tato se per ogni > 0 esistono y
1
, y
2
, . . ., y
n
in X tali che
A
n
_
i=1
B
(y
i
) .
Esercizio 2.2. Si dimostri che ogni insieme totalmente limitato `e
anche limitato. Suggerimento: detto R = max{d(y
i
, y
j
), i, j = 1, . . . , n
} =
d(y
i
, y
j
), allora. . .
Esempio 2.3. In (X, d
d
) i compatti sono tutti e soli gli insiemi niti.
Infatti, se K X `e nito, e {x
n
} `e una successione contenuta in K, esiste x
in K, ed una successione {n
k
} di interi tale che x
n
k
= x per ogni k, cosicche la
sottosuccessione {x
n
k
} converge a x (si noti che questo fatto `e vero qualsiasi
sia lo spazio metrico). Viceversa, se K X non `e nito, `e possibile trovare
una successione {x
n
} contenuta in K tale che x
n
= x
m
per ogni n = m. Ma
allora d
d
(x
n
, x
m
) = 1, e quindi la successione {x
n
} non `e di Cauchy, ne lo
`e ogni sua sottosuccessione, che quindi non pu` o convergere. Si noti che se
K X `e innito, allora K non `e totalmente limitato: `e suciente scegliere
=
1
2
.
In (R
N
, d
2
) `e invece ben noto che i compatti sono tutti e soli gli insiemi
chiusi e limitati.
Teorema 2.4. Sia (X, d) uno spazio metrico completo e sia K un sot-
toinsieme di X. Allora K `e compatto se e solo se `e chiuso e totalmente
limitato.
19
20 2. INSIEMI COMPATTI E DISTANZA DI HAUSDORFF
Dimostrazione. Supponiamo che K sia chiuso e totalmente limitato, e
sia {x
n
} una successione contenuta in K. Siccome K `e totalmente limitato, al-
lora K `e contenuto nellunione di un numero nito di sfere di raggio 1, B
1
(x
(1)
1
),
. . ., B
1
(x
(1)
m
1
). Essendo inniti i punti della successione {x
n
}, in almeno una
delle sfere ne cadono inniti: supponiamo che sia B
(1)
= B
1
(x
(1)
1
), e sia n
1
il
primo indice tale che x
n
1
appartiene a B
(1)
. Si dimostra facilmente che anche
B
(1)
K `e totalmente limitato. Pertanto, esiste un numero nito di sfere di
raggio
1
2
, siano esse B1
2
(x
(2)
1
), . . ., B1
2
(x
(2)
m
2
), tali che B
(1)
K `e contenuto nella
loro unione. Come prima, esiste almeno una di queste sfere, e supporremo sia
B
(2)
= B1
2
(x
(2)
1
), che contiene inniti punti della successione. Sia n
2
il primo
indice maggiore di n
1
tale che x
n
2
appartiene a B
(2)
K. Ovviamente, si ha
B
(2)
B
(1)
. Proseguendo, costruiamo una successione {B
(m)
} decrescente di
sfere di raggio
1
2
m1
,
B
(1)
B
(2)
B
(3)
. . . B
(m)
. . . ,
ed una sottosuccessione {x
n
1
, x
n
2
, . . . , x
nm
, . . .}, con la propriet`a che x
n
i
appartiene a B
(i)
per ogni i. Sia ora > 0, e sia m
tale che
1
2
m2
< . Se s e
t sono maggiori di m
, allora sia x
ns
che x
mt
appartengono a B
(m)
, e quindi
distano tra di loro meno di
1
2
m2
, ovvero meno di . Abbiamo cos` che la
sottosuccessione {x
nm
} `e di Cauchy in (X, d), che `e completo. Ne segue che
esiste il limite di {x
nm
}, e che tale limite appartiene a K, essendo K chiuso
(si veda il Teorema 1.11), cosicche K `e compatto.
Viceversa, supponiamo che K sia compatto. Se {x
n
} `e una successione
contenuta in K e convergente in X ad x
0
, allora da {x
n
} possiamo estrarre
una sottosuccessione convergente ad un punto y
0
di K. Siccome tutte le
sottosuccessioni estratte da una successione convergente hanno lo stesso limite,
si ha che x
0
= y
0
, e quindi x
0
appartiene a K. Per il Teorema 1.11, K `e
chiuso. Supponiamo ora che esista > 0 tale che K non sia ricopribile con
un numero nito di sfere di raggio . Ci` o vuol dire che esiste (almeno) una
successione {x
n
} contenuta in K e tale che d(x
i
, x
j
) per ogni i = j.
Se ne deduce quindi che la successione {x
n
} non `e di Cauchy (`e suciente
prendere = nella denizione di successione di Cauchy), ne lo `e ogni sua
sottosuccessione. Ma questo `e assurdo perche, essendo K compatto, esiste
almeno una sottosuccessione di {x
n
} convergente, e quindi di Cauchy.
Teorema 2.5. Siano (X, d) e (Y, d) spazi metrici, e sia f : X Y
continua. Se K `e compatto in (X, d), allora f(K) `e compatto in (Y, d).
Dimostrazione. Sia {y
n
} una successione contenuta in f(K). Per ipo-
tesi, esiste x
n
in K tale che f(x
n
) = y
n
per ogni n in N. La successione {x
n
},
essendo contenuta nel compatto K, ammette una sottosuccessione {x
nm
} con-
vergente ad x
0
in K. Essendo f continua, la successione {y
nm
= f(x
nm
)},
2. LA DISTANZA DI HAUSDORFF 21
che `e una sottosuccessione di {y
n
}, converge a f(x
0
), cha appartiene quindi a
f(K).
Se lo spazio di arrivo `e R (o meglio (R, | |)), vale lanalogo del teorema
di Weierstrass per funzioni reali di variabile reale.
Teorema 2.6. Sia (X, d) uno spazio metrico, K un sottoinsieme compatto
di X, e sia f : K R una funzione continua. Allora f ammette massimo e
minimo.
Dimostrazione. La dimostrazione ricalca le linee della dimostrazione del
teorema di Weierstrass per funzioni reali di variabile reale. Sia infatti
M = sup
xK
f(x) ,
e sia {x
n
} una successione, contenuta in K e che esiste per le propriet` a
dellestremo superiore, tale che
lim
n+
f(x
n
) = M .
Essendo {x
n
} contenuta in K, che `e compatto, esiste una sottosuccessione,
sia essa {x
n
k
}, convergente a x
0
appartenente a K. Essendo f continua, ed
essendo {f(x
n
k
)} una sottosuccessione di {f(x
n
)}, si ha
f(x
0
) = lim
k+
f(x
n
k
) = lim
n+
f(x
n
) = M ,
cosicche M `e il massimo di f su K. La dimostrazione dellesistenza del minimo
`e identica.
2. La distanza di Hausdor
Definizione 2.7. Se (X, d) `e uno spazio metrico, deniamo K(X) linsie-
me
K(X) = {K X : K `e compatto in X, K = } .
Siano (X, d) uno spazio metrico, e K appartenente a K(X). Se x
0
appar-
tiene a X, deniamo la distanza di x
0
da K come
d(x
0
, K) = min{d(x
0
, y), y K} .
Si noti che, essendo d(x
0
, ) una funzione continua (si veda lEsercizio 1.15),
lesistenza del minimo `e garantita dal Teorema 2.6.
22 2. INSIEMI COMPATTI E DISTANZA DI HAUSDORFF
K
Alcune distanze dallinsieme K (appartenente a K(R
2
, d
2
))
Teorema 2.8. Sia (X, d) uno spazio metrico, e sia K appartenente a
K(X). Allora la funzione d
K
: X R denita da
d
K
(x) = d(x, K) ,
`e continua.
Dimostrazione. Sia {x
n
} una successione contenuta in X e convergente
a x
0
, e sia {x
n
k
} una sua sottosuccessione. Poiche d(x
n
k
, K) `e un minimo, per
ogni n in N esiste y
n
k
appartenente a K tale che
(2.1) d(x
n
k
, K) = d(x
n
k
, y
n
k
) d(x
n
k
, y) , y K .
Poiche la successione {y
n
k
} `e contenuta in K, che `e compatto, esiste una sot-
tosuccessione {y
n
k
h
} convergente ad y
0
, appartenente a K. Pertanto, usando
due volte lEsercizio 1.15 e passando al limite in (2.1),
d(x
0
, y
0
) = lim
h+
d(x
n
k
h
, y
n
k
h
) lim
h+
d(x
n
k
h
, y) = d(x
0
, y) .
e quindi
d(x
0
, y
0
) = min{d(x
0
, y), y K} = d(x
0
, K) .
Abbiamo cos` dimostrato che
(2.2) d(x
0
, K) = lim
h+
d(x
n
k
h
, K) .
Dunque, da ogni sottosuccessione {x
n
k
} estratta da {x
n
} si pu`o estrarre una
sotto-sottosuccessione {x
n
k
h
} per la quale vale (2.2). Siccome il limite, che
`e d(x
0
, K), non dipende dalla sottosuccessione estratta, tutta la successione
converge a tale limite, ovvero:
d(x
0
, K) = lim
n+
d(x
n
, K) ,
e quindi d(, K) `e una funzione continua.
2. LA DISTANZA DI HAUSDORFF 23
Definizione 2.9. Siano (X, d) uno spazio metrico, e K ed H appartenenti
a K(X). Deniamo la distanza (orientata) di K da H come
d(K, H) = max{d(x, H), x K} .
Per il Teorema 2.1, e per il Teorema 2.6, il massimo nella denizione di
distanza orientata `e raggiunto. Pertanto, esiste x in K tale che d(K, H) =
d(x, H). Ricordando la denizione di distanza da H, esiste y in H tale che
d(x, H) = d(x, y). Ne segue che, se K e H appartengono a K(X), allora
esistono x in K e y in H tali che
d(K, H) = d(x, y) .
K H
La linea tratteggiata pi` u scura indica d(K, H)
Si noti che la funzione d cos` denita non `e una distanza. Infatti, se
K H si ha d(K, H) = 0 (dato che d(x, H) = 0 per ogni x in K), e quindi
viene violata la (d
1
).
Definizione 2.10. Sia (X, d) uno spazio metrico completo. La distanza
di Hausdor su K(X) `e denita da
h(K, H) = max{d(K, H), d(H, K)} .
Teorema 2.11. La distanza di Hausdor h : K(X) K(X) R
+
`e una
distanza. Pertanto, (K(X), h) `e uno spazio metrico.
Dimostrazione. Che h(K, H) sia non negativa `e evidente dalla deni-
zione. Supponiamo ora di avere h(K, H) = 0. Allora, sempre per denizione,
si ha d(K, H) = 0, e d(H, K) = 0. Dimostriamo ora che se d(K, H) = 0,
allora K H. Innanzitutto, per denizione di d(K, H) si ha d(x, H) = 0
per ogni x in K. Siccome d(x, H) `e un minimo, esiste y in H tale che
d(x, y) = d(x, H) = 0, e quindi x = y. Pertanto, ogni x di K appartiene
ad H, che `e quello che si voleva dimostrare. In denitiva,
h(K, H) = 0
_
d(K, H) = 0 K H
d(H, K) = 0 H K
_
H = K .
La simmetria di h(K, H) `e evidente, e quindi non rimane che dimostrare la
disuguaglianza triangolare. Dati H, K e L in K(X), iniziamo a dimostrare
24 2. INSIEMI COMPATTI E DISTANZA DI HAUSDORFF
che
(2.3) d(H, K) d(H, L) + d(L, K) .
Sia x in H. Allora si ha, per ogni z in L, per denizione e per la disuguaglianza
triangolare,
d(x, K) =min{d(x, y), y K}
min{d(x, z) + d(z, y), y K}
=d(x, z) + min{d(z, y), y K}
=d(x, z) + d(z, K)
d(x, z) + max{d(z, K), z L} = d(x, z) + d(L, K) .
Pertanto, per ogni x in H e per ogni z in L, si ha
d(x, K) d(x, z) + d(L, K) ,
da cui, osservando che la quantit`a a sinistra non dipende da z, e prendendo il
minimo su z, si ha
d(x, K) min{d(x, z), z L} + d(L, K) = d(x, L) + d(L, K) .
Predendo il minimo su x in K a sinistra, ed il massimo su x in K a destra, si
ha allora
d(H, K) =min{d(x, K), x H}
max{d(x, L) + d(L, K), x H} = d(H, L) + d(L, K) ,
che `e proprio la (2.3). In maniera analoga, si dimostra che
(2.4) d(K, H) d(K, L) + d(L, H) .
Usando sia la (2.3) che la (2.4), si ha allora
h(K, H) =max{d(K, H), d(H, K)}
max{d(K, L) + d(L, H), d(H, L) + d(L, K)}
max{d(K, L), d(L, K)} + max{d(L, H), d(H, L)}
=h(K, L) + h(L, H) ,
come volevasi dimostrare.
Esercizio 2.12. Si dimostri che se a e b sono numeri reali, allora
max{a, b} =
a + b +|a b|
2
.
Successivamente, si dimostri che
max{a + b, c + d} max{a, d} + max{b, c} .
Esercizio 2.13. Si dimostri che se si parte da (X, d
d
) allora la distanza
di Hausdor su K(X) `e nuovamente la distanza discreta (sui sottoinsiemi niti
di X).
2. LA DISTANZA DI HAUSDORFF 25
Definizione 2.14. Sia (X, d) uno spazio metrico, e A un sottoinsieme di
X. Dato > 0, la dilatazione di dellinsieme A `e linsieme A + cos`
denito:
A + = {y X : d(x, y) , per qualche x di A} = {y X : d(y, A) } .
Loperazione di dilatazione non distrugge le propriet` a dellinsieme.
Lemma 2.15. Sia (X, d) uno spazio metrico, e sia K in K(X). Allora K+
`e chiuso per ogni > 0.
Dimostrazione. Sia {x
n
} una successione contenuta in K + e conver-
gente in (X, d) a x
0
. Per denizione di K + , d(x
n
, K) per ogni n in
N. Essendo la funzione x d(x, K) continua (per il Teorema 2.8) e {x
n
}
convergente,
d(x
0
, K) = lim
n+
d(x
n
, K) ,
e quindi x
0
appartiene a K + . Dal Teorema 1.11 segue la tesi.
Lemma 2.16. Sia (X, d) uno spazio metrico, siano K e H in K(X), e sia
> 0. Allora
(K + ) (H + ) (K H) + .
Dimostrazione. Sia x in K + . Per denizione, d(x, K) , e quindi
d(x, K) = min{d(x, y), y K} .
Ma allora
d(x, K H) = min{d(x, y), y K H} min{d(x, y), y K} ,
cosicche x appartiene a (KH)+; pertanto, K+ (KH)+. Ripetendo
il ragionamento con H + si trova H + (K H) + e quindi la tesi.
Grazie alla dilatazione di un insieme, possiamo caratterizzare la distanza
di Hausdor tra due compatti.
Lemma 2.17. Sia (X, d) uno spazio metrico, e siano H e K appartenenti
a K(X). Allora
h(K, H)
_
K H + ,
H K + .
Dimostrazione. Iniziamo col dimostrare che d(K, H) se e solo se
K H +. Se d(K, H) si ha, per denizione di d(K, H), e per ogni x in
K,
d(x, H) max{d(x, H), x K} = d(K, H) ,
cosicche x appartiene a H + . In denitiva, K H + , come volevasi
dimostrare. Supponiamo ora che K H +; per ogni x in K si ha allora che
x appartiene a H + , e quindi si ha d(x, H) . Prendendo il massimo al
26 2. INSIEMI COMPATTI E DISTANZA DI HAUSDORFF
variare di x in K si ottiene d(K, H) , come volevasi dimostrare. La tesi si
dimostra allora facilmente, osservando che
h(K, H)
_
d(K, H) ,
d(H, K) ,
_
K H + ,
H K + .
in N tale che
per ogni n e m maggiori di n
si ha
h(K
n
, K
m
) <
_
K
n
K
m
+ ,
K
m
K
n
+ .
3. COMPLETEZZA DI (K(X), h) 27
Sia ora {x
n
} una successione di X, con la propriet` a che x
n
appartiene a K
n
per
ogni n in N. Ovviamente, dallessere {K
n
} di Cauchy in K(X) non discende
che {x
n
} `e di Cauchy in X: si pensi al caso in cui K
n
= [2, 2] per ogni n in
N, e x
n
= (1)
n
. Supponiamo ora di avere una successione {x
n
k
} di Cauchy,
con {n
k
} successione strettamente crescente di interi, tale che x
n
k
in K
n
k
per
ogni k: possiamo estendere questa successione ad una successione { x
n
}, che
sia ancora di Cauchy e sia tale che x
n
k
= x
n
k
per ogni k e che x
n
appartiene
a K
n
per ogni n? La risposta `e positiva, ed `e data dal seguente lemma.
Lemma 2.21. Sia (X, d) uno spazio metrico, e sia {K
n
} una successione
di Cauchy in (K(X), h). Data una successione strettamente crescente di interi
{n
k
}, e data una successione {x
n
k
} di Cauchy in (X, d) e tale che x
n
k
appar-
tiene a K
n
k
per ogni k in N, esiste una successione { x
n
} di Cauchy in (X, d),
con la propriet`a che x
n
appartiene a K
n
per ogni n in N, e che x
n
k
= x
n
k
per
ogni k in N.
Dimostrazione. Per ogni n < n
1
, sia x
n
in A
n
tale che
d(x
n
1
, x
n
) = min{d(x, x
n
1
), x A
n
} = d(x
n
1
, A
n
) .
Scegliamo poi x
n
1
= x
n
1
e, per n compreso tra n
1
+ 1 e n
2
1, sia x
n
in A
n
tale che
d(x
n
2
, x
n
) = min{d(x, x
n
2
), x A
n
} = d(x
n
2
, A
n
) .
In generale, scegliamo x
n
k
= x
n
k
, e, per n compreso tra n
k
+ 1 e n
k+1
1,
scegliamo x
n
in A
n
tale che
d(x
n
k+1
, x
n
) = min{d(x, x
n
k+1
), x A
n
} = d(x
n
k+1
, A
n
) .
K
n
1
K
1
K
2
K
3
x
n
1
x
1
x
2
x
3
K
n
2
K
5
K
6
K
7
x
n
2
x
5
x
6
x
7
La scelta della successione { x
n
}
Ovviamente la successione cos` costruita coincide con {x
n
k
} per ogni k in
N, ed `e tale che x
n
appartiene a A
n
per ogni n in N, cosicche non resta che
28 2. INSIEMI COMPATTI E DISTANZA DI HAUSDORFF
dimostrare che `e di Cauchy in (X, d). Sia > 0, e sia n
tale che
n
k
, n
h
n
d(x
n
k
, x
n
h
) <
3
,
e
n, m n
h(A
n
, A
m
) <
3
.
Un tale n
in N tale che K A
n
+ per ogni n n
;
d) K `e totalmente limitato (e quindi, per b), `e compatto);
e) K
n
converge a K nella metrica di Hausdor h.
a) Dal momento che {K
n
} `e di Cauchy in (K(X), h), per ogni > 0 esiste
n
. Detto, per
k in N,
k
=
1
2
k
, sia n
k
= n
k
; ovviamente, non `e restrittivo supporre che
{n
k
} sia strettamente crescente. Sia x
n
1
appartenente a K
n
1
; dal momento
che h(K
n
1
, K
n
2
) <
1
2
, esiste x
n
2
in K
n
2
tale che d(x
n
1
, x
n
2
) <
1
2
. Infatti,
h(K
n
1
, K
n
2
) <
1
2
d(K
n
1
, K
n
2
) <
1
2
d(x
n
1
, K
n
2
) <
1
2
,
3. COMPLETEZZA DI (K(X), h) 29
e quindi d(x
n
1
, x
n
2
) <
1
2
, scegliendo x
n
2
in K
n
2
che realizza il minimo. Suppo-
niamo ora di aver scelto x
n
1
, x
n
2
, . . ., x
n
k1
, con la propriet`a che x
n
j
appartiene
a K
n
j
, e che
d(x
n
j1
, x
n
j
)
1
2
j1
.
Allora, essendo h(K
n
k1
, K
n
k
) <
1
2
k1
, con lo stesso ragionamento di prima
possiamo trovare x
n
k
in K
n
k
tale che d(x
n
k1
, x
n
k
) <
1
2
k1
. In questa maniera
costruiamo una successione {x
n
k
}, al variare di k in N, con la propriet` a che
x
n
k
appartiene a K
n
k
, e che
d(x
n
k1
, x
n
k
) <
1
2
k1
.
Dimostriamo ora che la successione {x
n
k
} `e di Cauchy in (X, d). Se h > k, si
ha infatti, per la disuguaglianza triangolare,
d(x
n
k
, x
n
h
)
h
j=k+1
d(x
n
j1
, x
n
j
)
h
j=k+1
1
2
j1
=
1
2
k
1
1
2
hk
1
1
2
=
1
2
k1
1
2
h1
,
e quindi {x
n
k
} `e di Cauchy in (X, d) perche lo `e in (R, | |) la successione
{
1
2
k1
} (dato che converge a zero). A questo punto applichiamo il Lemma
2.21, e costruiamo una successione { x
n
}, di Cauchy in (X, d), con la propriet` a
che x
n
appartiene a K
n
per ogni n in N. Essendo (X, d) completo per ipotesi,
{x
n
} converge in (X, d) ad x
0
, che appartiene a K per denizione. Pertanto,
K `e non vuoto, come volevasi dimostrare.
b) Sia {x
n
} una successione contenuta in K, convergente in (X, d) ad un punto
x
0
. Vogliamo dimostrare che x
0
appartiene a K, cosicche K sar` a chiuso per
il Teorema 1.11. Per denizione di K, per ogni n in N esiste una successione
{y
(n)
j
}, con y
(n)
m
in K
m
per ogni m, convergente a x
n
. La convergenza di x
n
a
x
0
implica che esiste una successione crescente {n
i
} di numeri interi tale che
d(x
n
i
, x
0
) <
1
i
,
mentre la convergenza di {y
(n)
m
} a x
n
implica che esiste una sottosuccessione
{m
i
} tale che
d(y
(n
i
)
m
i
, x
n
i
) <
1
i
.
Usando la disuguaglianza triangolare e le ultime due disuguaglianze, abbiamo
che
d(y
(n
i
)
m
i
, x
0
) <
2
i
,
e quindi
lim
i+
y
(n
i
)
m
i
= x
0
.
30 2. INSIEMI COMPATTI E DISTANZA DI HAUSDORFF
Consideriamo ora la successione {y
(n
i
)
m
i
} al variare di i. Ovviamente `e di Cauchy
(dato che converge), e si ha per denizione y
(n
i
)
m
i
in K
n
i
per ogni i.
Per il Lemma 2.21, esiste una successione di Cauchy { y
n
} che estende la
successione {y
(n
i
)
m
i
}, con la propriet` a che y
n
appartiene a K
n
per ogni n. Dal
momento che { y
n
} converge in (X, d) (essendo di Cauchy in uno spazio metrico
completo), e che la sua sottosuccessione {y
(n
i
)
m
i
} converge a x
0
, si ha che { y
n
}
converge a x
0
, che quindi per denizione di K appartiene a K.
c) Sia > 0, e sia n
, cosicche d(K
n
, K
m
) < per gli stessi n e m, e quindi (per il Lemma 2.17)
K
m
K
n
+ . Vogliamo dimostrare che K K
n
+ . Sia allora x
0
in K,
sia {x
n
K
n
} una successione che converge a x
0
in (X, d), e supponiamo che
n
implica d(x
m
, x
0
) < . Essendo x
m
in K
m
, ed
essendo K
m
contenuto in K
n
+ , si ha che x
m
appartiene a K
n
+ per ogni
m n
3
, cosicche per ogni n esiste un punto y
n
in K
n
tale che d(x
n
, y
n
) <
3
.
Essendo K
n
compatto, e {y
n
} contenuta in K
n
, esiste una sottosuccessione
{y
n
i
} convergente, e quindi di Cauchy. Pertanto, se i e j sono sucientemente
grandi, si ha d(y
n
i
, y
n
j
) <
3
. Ma allora, per la disuguaglianza triangolare, e
per la scelta di {x
n
},
d(x
n
i
, x
n
j
) d(x
n
i
, y
n
i
) + d(y
n
i
, y
n
j
) + d(y
n
j
, x
n
j
) < ,
che `e assurdo. Mettendo insieme il punto b) e il risultato appena trovato con
il Teorema 2.4, si ha che K appartiene a K(X).
e) Usando c) ed il Lemma 2.17, per far vedere che {K
n
} converge a K in
(K(X), h) `e suciente far vedere che per ogni > 0 esiste n
in N tale che
K
n
K + per ogni n maggiore di n
in N tale
che h(K
n
, K
m
) <
2
per ogni n e m maggiori di n
e sia {n
j
} una successione strettamente crescente di interi, con n
1
> n,
tale che K
n
j1
K
n
j
+
2
j
per ogni j. Una tale successione si pu` o costruire
usando il fatto che {K
n
} `e di Cauchy in (K(X), h) ed il Lemma 2.17. Essendo
n
1
> n, e n > n
, si ha h(K
n
, K
n
1
) <
2
, e quindi K
n
K
n
1
+
2
(sempre
per il Lemma 2.17). Sia ora y in K
n
; siccome y appartiene a K
n
1
+
2
, esiste
x
n
1
in K
n
1
tale che d(x
n
1
, y) <
2
. Siccome K
n
1
K
n
2
+
2
2
, esiste x
n
2
in K
n
2
tale che d(x
n
1
, x
n
2
) <
2
2
. Proseguendo, esiste una successione {x
n
j
}, con x
n
j
3. COMPLETEZZA DI (K(X), h) 31
in K
n
j
, tale che d(x
n
j1
, x
n
j
) <
2
j
per ogni j in N. Usando ripetutamente la
disuguaglianza triangolare come in a), si ha che d(y, x
n
j
) < per ogni j in N,
e che {x
n
j
} `e di Cauchy in (X, d). Per il Lemma 2.21, esiste una successione
{ x
n
}, di Cauchy in (X, d), che estende {x
n
j
} e tale che x
n
appartiene a K
n
per ogni n. Essendo { x
n
} di Cauchy, converge in (X, d) ad un punto x
0
che, per denizione, appartiene a K. Daltra parte, siccome {x
n
j
} converge
anchessa a x
0
, dalla disuguaglianza d(y, x
n
j
) < , e dallEsercizio 1.15, segue
che d(y, x
0
) , cosicche y appartiene a K + . Abbiamo cos` dimostrato,
come volevamo, che se n n
, allora K
n
K + .
Osservazione 2.23. Si noti che dal momento che (K(X), h) `e completo
per il Teorema precedente, le successioni di Cauchy sono tutte e sole quelle
convergenti. Ne segue che se {K
n
} `e una successione di compatti convergente
a K, allora vale per K la caratterizzazione data dal Teorema: `e linsieme che
contiene tutti i limiti di tutte le successioni {x
n
K
n
} convergenti.
CAPITOLO 3
Sistemi di funzioni iterate
Dopo aver posto le basi teoriche nei precedenti capitoli, introdurremo (me-
diante numerosi esempi) il concetto di sistema di funzioni iterate e di attrat-
tore di un sistema di funzioni iterate; dimostreremo il teorema del Collage,
che ci dar` a la possibilit` a, dato un insieme compatto, di costruire il sistema di
funzioni iterate che lo genera (o che lo approssima) come attrattore.
1. Da funzioni su X a funzioni su K(X)
Sia (X, d) uno spazio metrico, e sia f : X X una funzione continua.
Per il Teorema 2.5, se K appartiene a K(X), allora f(K) appartiene a K(X).
In altre parole, una funzione f continua da X in X genera una funzione F da
K(X) in se denita da
F : K(X) K(X)
K f(K)
Quali propriet` a della funzione f eredita la funzione F?
Teorema 3.1. Sia (X, d) uno spazio metrico, e sia f : X X una
funzione lipschitziana di costante di lipschitz L. Allora la funzione F da
K(X) in se denita da F(K) = f(K) `e lipschitziana da (K(X), h) in se, con
costante di lipschitz L.
Dimostrazione. Essendo f lispchitziana, si ha
d(f(x), f(y)) Ld(x, y) , x, y X .
Siano ora K e H in K(X); iniziamo col dare una stima su d(f(K), f(H)). Per
denizione,
d(f(K), f(H)) = max
zf(K)
min
wf(H)
d(z, w) .
Dal momento che per ogni z in f(K) esiste x in K tale che z = f(x), e per
ogni w in f(H) esiste y in H tale che w = f(y), possiamo riscrivere, usando
il fatto che f `e lipschitziana,
d(f(K), f(H)) = max
xK
min
yH
d(f(x), f(y)) max
xK
min
yH
Ld(x, y) = Ld(K, H) .
Invertendo il ruolo di K e H si ottiene d(f(H), f(K)) Ld(H, K) e quindi
h(f(K), f(H)) Lh(K, H) ,
33
34 3. SISTEMI DI FUNZIONI ITERATE
come volevasi dimostrare.
Se, oltre ad essere lipschitziana, la funzione f `e anche una contrazione,
allora anche la funzione F `e una contrazione. Se (X, d) `e completo, anche
(K(X), h) lo `e (per il Teorema 2.22) e quindi ha un unico compatto sso
(per il Teorema 1.26). Ovviamente, dato che anche f ha un unico punto sso
x, `e chiaro che il compatto invariante `e linsieme {x
0
}. Ed infatti, se partiamo
da un qualsiasi insieme K
0
e deniamo per ricorrenza K
n
= F
(n)
(K
0
), allora
K
n
contiene le iterate n-sime (tramite f) dei punti di K
0
. Dal momento che
ognuna delle iterate n-sime converge a x
0
(si veda la dimostrazione del Teorema
1.26, o lOsservazione 1.27), linsieme limite di K
n
nella metrica di Hausdor
(che, sempre per la dimostrazione del Teorema 1.26, sappiamo essere linsieme
invariante) `e proprio {x
0
} (essendo linsieme costituito dallunico limite di
successioni {x
n
K
n
}, si veda la dimostrazione del Teorema 2.22).
In denitiva, partendo da una contrazione non si guadagna molto pas-
sando da X a K(X).
Supponiamo ora di avere non una, ma m contrazioni f
1
, . . ., f
m
di fattori
di contrazione L
1
, . . ., L
m
rispettivamente. Dato che lunione di un numero
nito di compatti `e ancora un compatto, possiamo denire unapplicazione F
da K(X) in se nel modo seguente:
(3.1)
F : K(X) K(X)
K
m
_
i=1
F
i
(K) ,
dove F
i
`e la contrazione (di fattore contrattivo L
i
) da K(X) in se denita da
F
i
(K) = f
i
(K) per ogni K in K(X).
Teorema 3.2. Sia (X, d) uno spazio metrico, e siano f
1
, . . ., f
m
contrazioni
di X in se di fattori di contrazione L
1
, . . ., L
m
. Allora la funzione F denita
da (3.1) `e una contrazione di K(X) in se, di fattore di contrazione
L = max{L
1
, . . . , L
m
} < 1 .
Dimostrazione. Siano H e K in K(X). Usando pi` u volte il Lemma 2.19
abbiamo
h(F(H), F(K)) = h
_
m
_
i=1
F
i
(H),
m
_
j=1
F
j
(K)
_
max
1im
{h(F
i
(H), F
i
(K))} .
Ricordando che le F
i
sono contrazioni di fattore contrattivo L
i
si ha dunque
h(F(H), F(K)) max
1im
{L
i
h(H, K)} =
_
max
1im
L
i
_
h(H, K) = Lh(H, K) ,
come volevasi dimostrare.
1. DA FUNZIONI SU X A FUNZIONI SU K(X) 35
Se (X, d) `e uno spazio metrico completo, e {f
i
}
1im
sono contrazioni da X
in se, allora F, denita in (3.1) `e una contrazione e quindi, per il Teorema 1.26
ha un unico compatto invariante K, che pu` o essere ottenuto come limite (nella
metrica di Hausdor), della successione {K
n
= F
(n)
(K
0
)} ottenuta iterando F
a partire da un compatto qualsiasi K
0
.
`
E facile vedere che se x
i
`e lunico punto
sso di f
i
, allora {x
1
, . . . , x
m
} `e contenuto in K. Infatti, se consideriamo
K
0
= {x
j
}, per qualche j tra 1 e m, allora, dato che f
(n)
j
(x
j
) = x
j
per ogni j,
x
j
m
_
i=1
{f
i
(x
j
)} = F(K
0
) = K
1
, x
j
m
_
i=1
{f
(2)
i
(x
j
)} F(K
1
) = K
2
,
ed in generale
x
j
m
_
i=1
{f
(n)
i
(x
j
)} F(K
n1
) = K
n
.
Siccome la successione costante {x
n
= x
j
} `e tale che x
n
appartiene a K
n
per
ogni n, e converge a x
j
, dalla caratterizzazione di K come limite dei K
n
, si ha
che x
j
appartiene a K, qualsiasi sia j tra 1 ed m.
Losservazione fondamentale `e la seguente: `e vero che nellinsieme inva-
riante ci sono tutti i punti ssi delle m contrazioni, ma non solo. Linsieme
K pu` o essere, in generale, molto pi` u ricco, come mostra il seguente esempio.
Esempio 3.3. Sia (X, d) = (R
2
, d
2
), e siano f
1
: R
2
R
2
e f
2
: R
2
R
2
denite da
f
1
(x, y) = (
x
2
,
y
2
) , f
2
(x, y) = f
1
(x, y) + (
1
2
,
1
2
) .
`
E facile vedere che f
1
e f
2
sono contrazioni di fattore L
1
=
1
2
= L
2
, cos` come
`e facile vedere che (0, 0) e (1, 1) sono i punti ssi di f
1
e f
2
(non c`e bisogno
di iterare, basta calcolare!). Denita F da K(R
2
) in se come
F(K) = F
1
(K) F
2
(K) ,
sappiamo che F `e una contrazione di fattore contrattivo L =
1
2
. Essendo
(R
2
, d
2
) completo, anche (K(R
2
), h) lo `e, e quindi F ha un unico compatto
invariante K, che contiene sia (0, 0) che (1, 1). Consideriamo ora linsieme
compatto
D = {(x, y) R
2
: 0 y = x 1} ,
o, in altre parole, la diagonale che congiunge (0, 0) con (1, 1) nel quadrato
[0, 1] [0, 1]. Ovviamente,
F
1
(D) = D
1
= {(x, y) R
2
: 0 y = x
1
2
} ,
e
F
2
(D) = D
2
= {(x, y) R
2
:
1
2
y = x 1} ,
36 3. SISTEMI DI FUNZIONI ITERATE
cosicche
F(D) = F
1
(D) F
2
(D) = D.
Iterando F a partire da K
0
= D, si ha pertanto K
n
= F
(n)
(D) = D per ogni
n, e quindi K = D. In altre parole, il compatto invariante per F non si limita
ai due punti (0, 0) e (1, 1), ma `e tutta la diagonale D: un insieme ben pi` u
ricco dellunione dei due punti.
Daltra parte, che linsieme invariante fosse la diagonale del quadrato po-
teva essere anche dedotto visivamente disegnando sovrapposte le prime sei
iterate di Q = [0, 1] [0, 1] tramite F.
Alcune iterate di Q sotto lazione di F.
Nel disegno sono rappresentate in rosso le immagini di Q tramite f
1
, ed in blu
le immagini di Q tramite f
2
.
Perche non `e solo la coppia di punti (0, 0) e (1, 1) linsieme invariante, ma
`e la diagonale? Proviamo a vedere cosa accade se prendiamo K
0
= {(0, 0)}.
`
E vero che F
1
(K
0
) = K
0
(lorigine non si muove), ma F
2
(K
0
) = {(
1
2
,
1
2
)},
cosicche
K
1
= F
(1)
(K
0
) = {(0, 0),
_
1
2
,
1
2
_
} ,
che ha un punto in pi` u rispetto a K
0
. Continuando, e calcolando le immagini
dei due punti tramite f
1
e f
2
, si ha
K
2
= F
(2)
(K
0
) = {(0, 0),
_
1
4
,
1
4
_
,
_
1
2
,
1
2
_
,
_
3
4
,
3
4
_
} ,
e, continuando,
K
n
= F
(n)
(K
0
) =
__
k
2
n
,
k
2
n
_
, k = 0, . . . , 2
n
1
_
.
1. DA FUNZIONI SU X A FUNZIONI SU K(X) 37
Dal momento che ogni x in [0, 1) si pu` o espandere in forma binaria come
x =
+
k=1
a
k
(x)
2
k
,
con a
k
in {0, 1} per ogni k, e non denitivamente uguale a 1, se deniamo
x
n
=
n
k=1
a
k
(x)
2
k
=
k
n
(x)
2
n
,
allora k
n
(x) `e un intero compreso tra 0 e 2
n
1, e quindi (x
n
, x
n
) appartiene
a K
n
per ogni n. Poiche {(x
n
, x
n
)} converge a (x, x), tale punto appartiene
allinsieme invariante K per il Teorema 2.22. In altre parole, siccome con-
sideriamo due funzioni, `e vero che una delle due lascia invariato un punto,
ma laltra ne aggiunge di nuovi, che poi lazione combinata delle due funzioni
provvede a moltiplicare in numero, no a riempire la diagonale.
Un altro modo di recuperare la diagonale del quadrato `e il seguente:
partiamo da (x
0
, y
0
) = (0, 0), disegniamo il punto (x
0
, y
0
) e lanciamo una
moneta: se esce testa, deniamo (x
1
, y
1
) = f
1
(x
0
, y
0
), mentre se esce croce
deniamo (x
1
, y
1
) = f
2
(x
0
, y
0
); disegniamo (x
1
, y
1
) e, nuovamente, lanciamo
una moneta, usando f
1
o f
2
per denire (x
2
, y
2
) a seconda se esca testa o
croce. Ripetendo loperazione, dopo un numero abbastanza elevato di lanci
avremo unapprossimazione dellinsieme invariante K (il perche ci`o sia vero
sar` a spiegato rigorosamente in seguito). Ad esempio, se lanciamo duecento
volte la moneta, abbiamo
La diagonale approssimata da 200 scelte casuali di f
1
ed f
2
38 3. SISTEMI DI FUNZIONI ITERATE
Nel disegno, sono colorati in rosso i punti ottenuti scegliendo f
1
, e in blu quelli
ottenuti scegliendo f
2
. Si noti la dierenza con il disegno precedente, dove in
rosso erano rappresentate le immagini del quadrato Q = [0, 1] [0, 1] tramite
f
1
, ed in blu le immagini di Q tramite f
2
.
Esempio 3.4. Adesso complichiamo (o miglioriamo. . .) le cose: invece di
considerare due contrazioni, ne consideriamo tre. Siano allora
f
1
(x, y) = (
x
2
,
y
2
) , f
2
(x, y) = f
1
(x, y) + (
1
2
,
1
2
) , f
3
(x, y) = f
1
(x, y) + (
1
2
, 0) .
La funzione F da K(R
2
) in se denita da
F(K) =
3
_
i=1
F
i
(K) ,
`e una contrazione di fattore L =
1
2
, e possiede quindi un compatto invariante
K. In K troviamo i tre punti ssi delle tre contrazioni che deniscono F, vale
a dire (0, 0), (1, 1) e (
1
2
, 0). Come nel caso precedente, la situazione `e per`o
molto pi` u complessa. Ad esempio, la diagonale D del quadrato `e sicuramente
contenuta in K, dato che, denendo D
1
e D
2
come prima, si ha
F(D) = F
1
(D) F
2
(D) F
3
(D) = D
1
D
2
D
3
= D D
3
,
dove
D
3
= {(x, y) R
2
: 0 y = x
1
2
1
2
} .
Pertanto, D F(D) = F
(1)
(D), da cui segue D F
(n)
(D) per ogni n. Per il
Lemma 2.20, D `e un sottoinsieme dellinsieme invariante K. Non si ha, per` o,
D = K. Infatti, essendo F
1
(D) = D D
3
, abbiamo
F
(2)
(D) = F(F
(1)
(D)) = F(D D
3
) = D D
3
F(D
3
) ,
da cui
F
(3)
(D) = F(F
(2)
(D)) = F(D D
3
F(D
3
)) = D D
3
F(D
3
) F
(2)
(D
3
) ,
e, iterando,
F
(n)
(D) = D D
3
n1
_
i=1
F
(i)
(D
3
) .
Pertanto, D
3
`e contenuto in F
(n)
(D) per ogni n maggiore di 1, e quindi D
3
`e contenuto in K; ed anche F(D
3
) `e contenuto in F
(n)
(D) per ogni n 2, e
quindi `e in K; ed anche F
(2)
(D
3
) . . .
Se ci facciamo aiutare dal caso, e scegliamo f
1
, f
2
o f
3
a seconda se otte-
niamo {1, 2}, {3, 4} o {5, 6} lanciando un dado (volendo, si pu` o ricorrere ad
una moneta da 3D, che come `e noto ha altrettante facce), otteniamo la gura
seguente:
1. DA FUNZIONI SU X A FUNZIONI SU K(X) 39
Linsieme K approssimato da 500 scelte casuali di f
1
, f
2
e f
3
Disegnando un po meglio, ovvero disegnando F
(6)
( ), dove `e il triangolo
rettangolo di vertici (0, 0), (1, 0) e (1, 1), troviamo:
F
(6)
( )
40 3. SISTEMI DI FUNZIONI ITERATE
Linsieme K limite (della cui complessit` a la gura qui sopra `e solo una
pallida imitazione) viene detto triangolo di Sierpinski. Da ora in poi,
invece di chiamarlo K, lo chiameremo .
Una versione pi` u ordinata del triangolo di Sierpinski `e linsieme ,
ottenuto come insieme invariante delle tre contrazioni
f
1
(x, y) = (
x
2
,
y
2
) , f
2
(x, y) = f
1
(x, y) +(
1
2
,
3
2
) , f
3
(x, y) = f
1
(x, y) +(1, 0) ,
a partire dal triangolo equilatero di vertici (0, 0), (1, 0) e (
1
2
,
3
2
). Ecco il
disegno della quinta iterata, colorando in rosso limmagine di tramite f
1
, in
blu limmagine di tramite f
2
, ed in verde limmagine di tramite f
3
.
F
(5)
( )
Esempio 3.5. A questo punto, complichiamo ulteriormente la faccenda
aggiungendo una quarta trasformazione:
_
_
_
f
1
(x, y) = (
x
2
,
y
2
) , f
2
(x, y) = f
1
(x, y) + (
1
2
,
1
2
) ,
f
3
(x, y) = f
1
(x, y) + (
1
2
, 0) , f
4
(x, y) = f
1
(x, y) + (0,
1
2
) .
Come al solito, facciamo partire la macchina delliterazione casuale, questa
volta usando un dado da 4 (questi esistono!), e lanciandolo 1000 volte:
2. SISTEMI DI FUNZIONI ITERATE 41
Linsieme K approssimato da 1000 scelte casuali di f
1
, f
2
, f
3
e f
4
Che cosa succede? Perche non si forma un insieme bello, ma solo un
banalissimo quadrato? La risposta `e semplice: se chiamiamo Q il quadrato
[0, 1] [0, 1], allora
_
_
_
F
1
(Q) = [0,
1
2
] [0,
1
2
] , F
2
(Q) = [
1
2
, 1] [
1
2
, 1] ,
F
3
(Q) = [
1
2
, 1] [0,
1
2
] , F
4
(Q) = [0,
1
2
] [
1
2
, 1] ,
e quindi F
(1)
(Q) = Q! In altre parole, Q `e linsieme invariante di F: ag-
giungendo una contrazione in pi` u, abbiamo distrutto la complessit` a di , e
siamo ripiombati nella monotonia delle gure geometriche a noi note.
Dopo tanti esempi, `e venuto il momento di dare un po di rigorosit`a a
quello che abbiamo fatto.
2. Sistemi di funzioni iterate
Definizione 3.6. Sia (X, d) uno spazio metrico completo. Un sistema
di funzioni iterate (detto anche IFS, iterated function system) su X `e un
insieme F = {f
1
, . . . , f
m
} di contrazioni denite su X. Dato un sistema di
42 3. SISTEMI DI FUNZIONI ITERATE
funzioni iterate, e denita F da K(X) in se come
F(K) =
m
_
i=1
F
i
(K) ,
linsieme invariante K di F viene detto attrattore del sistema di funzioni
iterate.
Pertanto, `e lattrattore del sistema di funzioni iterate denito da
f
1
(x, y) = (
x
2
,
y
2
) , f
2
(x, y) = f
1
(x, y) +(
1
2
,
3
2
) , f
3
(x, y) = f
1
(x, y) +(1, 0) ,
mentre la diagonale del quadrato Q = [0, 1] [0, 1] `e lattrattore dellIFS
denito da
f
1
(x, y) = (
x
2
,
y
2
) , f
2
(x, y) = f
1
(x, y) + (
1
2
,
1
2
) .
Cambiando le contrazioni, cambia lattrattore, e chiaramente si perdono le
propriet` a di simmetria di oggetti come la diagonale, o : ad esempio, se
consideriamo le quattro contrazioni
f
1
(x, y) =
1
10
_
x y
5x + 3y
_
, f
2
(x, y) =
1
10
_
5x 2y + 3
7y + 4
_
,
f
3
(x, y) =
1
10
_
6x 2
3x 4y + 6
_
, f
4
(x, y) =
1
10
_
x 7y + 9
x + 2y 3
_
,
e iteriamo cinque volte a partire dal quadrato unitario, troviamo
F
(5)
( )
che `e meno gradevole a vedersi di . La cosa interessante `e che le quattro par-
ti, colorate in rosso, blu, verde e ciano, sono ottenibili una dallaltra tramite
una trasformazione rigida. In altre parole, linsieme K `e unione di quattro
parti diverse (nel caso di le tre parti erano uguali a meno di traslazioni)
ognuna delle quali pu` o essere trasformata nellaltra mediante un movimento
rigido del piano.
3. IL TEOREMA DEL COLLAGE 43
Esercizio 3.7. Sapreste scrivere esplicitamente la trasformazione
che porta la parte ciano nella parte blu?
Definizione 3.8. Un insieme K in K(X) si dice autosimilare se esistono
m trasformazioni f
1
, . . ., f
m
di X in se tali che
K = f
1
(K) . . . f
m
(K) .
Chiaramente ogni attrattore di un IFS `e, per denizione, un insieme au-
tosimilare.
3. Il teorema del collage
Supponiamo ora di aver sognato un oggetto meraviglioso: una scacchiera
quattro per quattro, in cui ogni casella nera era a sua volta fatta da una
scacchiera quattro per quattro, in cui ogni casella nera era a sua volta fat-
ta da una scacchiera. . .. Risvegliatici da sonni agitati, e forti della denizione
di autosimilarit`a, ci siamo resi conto di aver sognato un insieme autosimilare,
uguale allunione di otto copie ridotte di se stesso, disposte simmetricamente
a scacchiera. Pensiamo (crediamo, o speriamo) di aver sognato lattrattore
di un IFS. Gi`a, ma di quale? Quali e quante sono le contrazioni che lhanno
creato (ammesso che labbiano creato!)? Abbiamo sotto mano il disegno che
ancora semiaddormentati abbiamo buttato gi` u in fretta e furia:
Sar` a suciente scrivere le otto contrazioni che prendono il quadrato unitario
Q = [0, 1] [0, 1] e lo riducono negli otto quadratini che formano il primo
livello della scacchiera? Armati di carta e penna, scriviamo le otto funzioni
_
_
f
1
(x, y) = (
x
4
,
y
4
) , f
2
(x, y) = f
1
(x, y) + (
1
2
, 0) ,
f
3
(x, y) = f
1
(x, y) + (
1
4
,
1
4
) , f
4
(x, y) = f
1
(x, y) + (
3
4
,
1
4
) ,
f
5
(x, y) = f
1
(x, y) + (0,
1
2
) , f
7
(x, y) = f
1
(x, y) + (
1
2
,
1
2
) ,
f
6
(x, y) = f
1
(x, y) + (
1
4
,
3
2
) , f
8
(x, y) = f
1
(x, y) + (
3
4
,
3
4
) ,
44 3. SISTEMI DI FUNZIONI ITERATE
e vediamo cosa succede disegnando le prime quattro iterazioni del quadrato
Q, ovvero F
(4)
( ):
F
(4)
( )
Ha funzionato! Siamo contenti, ma ci viene un dubbio: abbiamo solo dise-
gnato alcune delle iterazioni (le prime quattro), e sono pochine per sapere
se abbiamo costruito le cose in maniera corretta. Avremmo bisogno di un
risultato teorico che ci garantisca che quello che abbiamo fatto (la scacchiera
che avevamo immaginato era uguale ad otto copie riscalate di se stessa; abbia-
mo scritto le otto contrazioni; il disegno che abbiamo ottenuto `e una buona
approssimazione dellattrattore) ha senso.
Teorema 3.9. Sia (X, d) uno spazio metrico completo, e sia assegnato
F = {f
1
, . . . , f
m
} un sistema di funzioni iterate su X di fattore di contrazione
L < 1. Sia 0, e sia H in K(X) tale che
h(F(H), H) < .
Detto K lattrattore di F, si ha allora
h(K, H) <
1 L
.
Dimostrazione.
`
E una semplice applicazione della dimostrazione del
teorema delle contrazioni: partendo da K
0
= H, e ripetendo la dimostrazione,
3. IL TEOREMA DEL COLLAGE 45
si ha
h(K
n+1
, K
n
) L
n
h(K
1
, K
0
) = L
n
h(F(H), H) < L
n
,
da cui
h(K
n
, H)
n1
j=0
h(K
j+1
, K
j
) <
n1
j=0
L
j
=
1 L
n
1 L
<
1 L
.
Ricordando che K
n
converge a K nella distanza h, e che la funzione h(, H) `e
continua (per lEsercizio 1.15), si ha la tesi passando al limite.
Le applicazioni del teorema precedente (detto teorema del Collage) sono
due. Se = 0, allora h(K, H) = 0, e quindi lattrattore dellIFS `e proprio
H che sar`a quindi ben approssimato dalle iterazioni dellIFS a partire da
qualsiasi insieme del piano.
Ad esempio, consideriamo la cosiddetta curva di von Koch, che viene
costruita nel modo seguente: dato il segmento [0, 1], si levi il terzo centrale
e lo si sostituisca con due segmenti di lunghezza
1
3
che formino un triangolo
equilatero. Si ripeta la procedura per ognuno dei quattro segmenti cos` otte-
nuti, e cos` via. La curva limite (simile ad un occo di neve) `e la curva di von
Koch.
La procedura di costruzione della curva di von Koch
`
E allora chiaro (dalla procedura), che la curva di von Koch `e uguale allunione
(esatta) di quattro copie di se stessa, riscalate di un fattore un terzo. Due
copie (la prima e lultima) sono traslate, mentre le altre due sono ruotate (di
3
e
3
rispettivamente) e poi traslate. In simboli
f
1
(x, y) = (
x
3
,
y
3
) , f
2
(x, y) = (
x
3
+
2
3
,
y
3
) ,
e
f
3
(x, y) = (
x
3y
6
+
1
3
,
3x+y
6
) , f
4
(x, y) = (
x+
3y
6
+
1
2
,
3x+y
6
+
3
6
)
Partendo da K
0
= , ed iterando sei volte, otteniamo una buona approssima-
zione della curva.
46 3. SISTEMI DI FUNZIONI ITERATE
Unapprossimazione della curva di Von Koch: F
(6)
( )
Se nel teorema del Collage si ha > 0, e costruiamo un IFS ed un insieme
H che `e vicino (nel senso della distanza di Hausdor) alla propria pri-
ma immagine tramite lIFS, allora linsieme H `e una buona approssimazione
dellattrattore dellIFS.
Questultima applicazione ci fornisce una ricetta per trovare un sistema
di funzioni iterate che approssimi un insieme autosimilare non perfettamente
regolare (come lo sono , o la scacchiera). Identichiamo, anche approssi-
mativamente, le parti autosimili, e scriviamo le contrazioni che portano tutto
linsieme nelle varie sotto-parti. Se in questa maniera copriamo quasi tutto
linsieme (a meno di una distanza di Hausdor pari a ), allora lattrattore del-
lIFS che abbiamo scritto, attrattore che sappiamo disegnare con un computer,
approssima linsieme autosimile da cui eravamo partiti.
Ad esempio, supponiamo di voler disegnare la struttura dei rami un albero
(bidimensionale. . .) come attrattore di un IFS. La struttura autosimilare `e
abbastanza evidente: dal tronco si dipartono (a diverse altezze e a diverse
inclinazioni) rami verso destra e verso sinistra, ed ognuno dei due rami ha, a
sua volta, dei rametti (a destra ed a sinistra), che hanno sotto-rametti, e cos`
via. Pertanto, ogni ramo `e una copia in miniatura di tutto lalbero.
3. IL TEOREMA DEL COLLAGE 47
La struttura dei rami di un albero (pi` u o meno. . .)
Cosa notiamo dal disegno? Che il primo ramo di sinistra `e lungo circa un terzo
di tutto lalbero, `e ruotato (rispetto al tronco) di circa sessanta, sessantacinque
gradi, ed `e traslato verso lalto di un quinto dellalbero; che il primo ramo di
destra `e lungo circa un quarto di tutto lalbero, che `e ruotato (rispetto al
tronco) di meno quarantacinque gradi (o gi` u di l`), ed `e traslato verso lalto
di circa un quarto dellalbero; ed inne che la parte di albero dai secondi rami
in su `e una copia ridotta di circa un quarto dellalbero, traslata verso lalto di
circa un terzo della lunghezza dellalbero. In denitiva, la situazione `e questa:
Lalbero come unione di copie di se stesso
Come si vede (un po barando, le immagini incollate sono opache. . .) le tre
copie ridotte dellalbero lo ricoprono pi` u o meno interamente: spuntano solo
dei rametti qua e l` a: per il teorema del Collage, lattrattore dellIFS generato
dalle tre contrazioni che abbiamo descritto `e abbastanza vicino (nel senso della
misura di Hausdor) allalbero che abbiamo disegnato. Passando dalle parole
ai numeri, e ricordando che la matrice che descrive una rotazione di un angolo
(in senso antiorario) `e data da
M =
_
cos() sen()
sen() cos()
_
,
e supponendo che lalbero sia alto 1, abbiamo
f
1
(x, y) =
_
1/6
3/6
3/6 1/6
_ _
x
y
_
+
_
0
1/5
_
,
f
2
(x, y) =
_
2/8
2/8
2/8
2/8
_ _
x
y
_
+
_
0
1/4
_
,
48 3. SISTEMI DI FUNZIONI ITERATE
e
f
3
(x, y) =
_
3/4 0
0 3/4
_ _
x
y
_
+
_
0
1/3
_
.
Se proviamo a disegnare lattrattore, otteniamo per` o un risultato non soddi-
sfacente:
F
(5)
( )
Cosa manca? Mancano sia il tronco che i rami (la sostanza stessa dellalbero,
insomma)! C`e per`o un problema: che tronco e rami, presi singolarmente, sono
simili tra loro (un ramo `e una versione ridotta del tronco), ma non sono simili
allalbero. A meno che non si decida di prendere lalbero e schiacciarlo lungo la
direzione dellasse x, rendendolo magrissimo, e quindi simile ad un segmento
(che possiamo pensare come schematizzazione di un tronco). Dobbiamo allora
aggiungere una quarta contrazione:
f
4
(x, y) =
_
1/1000 0
0 999/1000
_ _
x
y
_
+
_
0
0
_
,
che riduce le dimensioni un una sola direzione, lasciando laltra (quasi) indi-
sturbata.
F
(5)
( )
Un analogo risultato otteniamo se lanciamo 2500 volte un dado da quattro,
scegliendo ogni volta quale delle quattro contrazioni applicare.
3. IL TEOREMA DEL COLLAGE 49
F
(5)
( )
A questo punto, possiamo sbizzarrirci, ed introdurre dei parametri, come
segue.
L
L
L
L
L
L
Dobbiamo quindi scrivere, oltre alla quarta contrazione che porta lalbero nel
tronco, e che rimane invariata, le tre contrazioni (supponendo L = 1):
f
1
(x, y) =
_
cos() sen()
sen() cos()
_ _
x
y
_
+
_
0
_
,
f
2
(x, y) =
_
cos() sen()
sen() cos()
_ _
x
y
_
+
_
0
_
,
e
f
3
(x, y) =
_
0
0
_ _
x
y
_
+
_
0
1
_
,
e poi provare diversi valori dei parametri , , , , , e . Se indichiamo
con T(, , , , , , ) `e lattrattore dellIFS, ecco alcuni casi.
50 3. SISTEMI DI FUNZIONI ITERATE
T(
1
2
,
1
5
,
1
2
,
1
5
,
4
5
,
3
,
3
)
T(
3
5
,
1
5
,
2
5
,
3
10
,
4
5
,
3
,
4
)
T(
9
10
,
1
5
,
1
5
,
2
5
,
1
2
,
2
,
4
)
4. SISTEMI DI FUNZIONI ITERATE CON PROBABILIT` a 51
4. Sistemi di funzioni iterate con probabilit`a
Nelle pagine precedenti abbiamo visto due modi di disegnare lattrattore
dellIFS: la prima approssimandolo con literata n-sima di un sottoinsieme di
R
2
(ad esempio un quadrato, o un triangolo), la seconda partendo da un punto
qualsiasi del piano, scegliendo casualmente una delle m contrazioni del sistema
di funzioni iterato, calcolando limmagine del punto tramite la contrazione
scelta, e ripetendo questa operazione (a partire dal punto calcolato) per un
numero sucientemente elevato di volte.
Mentre `e chiaro dalla denizione stessa di attrattore K come limite delle
iterate che il primo sistema funziona, non `e immediatamente evidente perche
funzioni il secondo metodo. Per le iterate n-sime abbiamo infatti immagini di
insiemi pieni (come quadrati o triangoli), mentre il metodo probabilistico
calcola immagini di punti (che tutto sono tranne che pieni).
`
E vero per`o che
dal punto di vista della rappresentazione graca al computer dopo un
certo numero di iterazioni i punti (pixel) dello schermo non sono meno pie-
ni dellimmagine di un quadrato: se, ad esempio, prendiamo lIFS che genera
, e partiamo dal quadrato di lato 1, dopo n passaggi le immagini hanno lato
2
n
, ed il quadrato `e diventato poco pi` u di un punto sullo schermo. E, vice-
versa, nei disegni casuali che abbiamo fatto, ogni punto era rappresentato
da un cerchietto (pieno, dunque).
Sistemato il problema della non dierente dimensione tra quadrati e pun-
ti, rimane per` o da capire per quale motivo scegliendo in maniera casua-
le la contrazione da applicare ad ogni passo otteniamo unapprossimazione
dellattrattore.
Ricordiamo che se {f
1
, . . . , f
m
} `e il sistema di funzioni iterate, lattrattore
K `e ottenuto come limite delle iterazioni a partire da qualsiasi compatto K
0
iniziale. Se, in particolare, scegliamo K
0
= {x
0
}, ovvero un punto, allora K
1
`e linsieme delle immagini di x
0
tramite le funzioni f
i
dellIFS, K
2
`e linsieme
delle immagini di questi punti, e cos` via. Se i punti sono tutti a due a due
diversi, K
n
sar` a composto da m
n
punti, ognuno dei quali `e della forma
x = f
jn
f
j
n1
f
j
1
(x
0
) ,
con j
1
, . . ., j
n
interi che variano tra 1 ed m. La successione {x
n
} di punti
casuali che costruiamo scegliendo al passo n-simo una delle contrazioni f
in
e
calcolando x
n
= f
in
(x
n1
) (partendo da x
0
), ha quindi la propriet`a che x
n
appartiene a K
n
= F
(n)
({x
0
}). In altre parole, scegliamo casualmente uno
degli m
n
punti che compongono K
n
.
Perche questa scelta va bene? Se rileggiamo la dimostrazione del Teore-
ma delle contrazioni (si veda lOsservazione 1.27, e la formula (1.1)), abbia-
mo (chiamando il fattore di contrazione di F) h(K
n
, K)
n
1
h(K
1
, K
0
).
52 3. SISTEMI DI FUNZIONI ITERATE
Ricordando la denizione di distanza di Hausdor, si ha allora
d(K
n
, K)
n
1
h(K
1
, K
0
) ,
e quindi
max{d(x, K), x K
n
}
n
1
h(K
1
, K
0
) .
Essendo x
n
in K
n
, si ha allora
d(x
n
, K)
n
1
h(K
1
, K
0
) ;
siccome d(x, K) `e un minimo, esiste y
n
in K tale che
d(x
n
, y
n
)
n
1
h(K
1
, K
0
) .
Se n `e molto grande, abbiamo cos` che il punto casuale x
n
`e vicino ad almeno
un punto di K, ed `e talmente vicino da risultarne indistinguibile una volta
che x
n
sia rappresentato da un computer, e quindi da un pixel o, come nel
nostro caso, da un cerchietto. In sostanza, con la scelta casuale del punto da
disegnare, anche se non stiamo disegnando esattamente i punti dellattrattore
K, li stiamo comunque approssimando bene.
Ovviamente, abbiamo bisogno che la scelta della contrazione da applicare
sia veramente casuale (vale a dire: se sono m contrazioni, su n iterazioni
ognuna deve essere scelta in media
n
m
volte). Se cos` non `e, rischiamo di non
ottenere una rappresentazione dellattrattore: se ad esempio scegliamo sempre
la prima contrazione f
1
, `e chiaro che stiamo approssimando solo lunico punto
sso di f
1
.
Quello che possiamo fare, per` o, `e decidere che alcune contrazioni hanno
maggiore probabilit` a di essere scelte. Ad esempio, per potremmo decidere
di scegliere f
1
due volte pi` u spesso di f
2
e di f
3
. Una tale scelta porta evi-
dentemente ad un aumento della densit`a dei punti iterati nella regione f
1
(K),
raddoppiandola rispetto a quella dei punti nelle regioni f
2
(K) e f
3
(K). Pos-
siamo cos` generare dei sistemi di funzioni iterate con probabilit`a, che
sono della forma {(f
1
, p
1
), . . . , (f
m
, p
m
)} con f
i
una contrazione per ogni i e
m
i=1
p
i
= 1 .
Scegliendo opportunamente i valori di delle proabilit` a, e colorando opportu-
namente i punti, si possono ottenere eetti di colore dierenti sulle rappresen-
tazioni al computer degli attrattori di IFS.
4. SISTEMI DI FUNZIONI ITERATE CON PROBABILIT` a 53
Il triangolo di Sierpinski con p
1
=
1
2
, p
2
=
1
4
e p
3
=
1
4
Il quadrato con densit`a p
1
=
4
9
, p
2
=
2
9
, p
3
=
2
9
e p
4
=
1
9
Una felce
CAPITOLO 4
Misura e dimensione di Hausdor
Che vuol dire dimensione di un insieme? Che cosa intendiamo quan-
do diciamo che un segmento ha dimensione uno? O che un quadrato ha
dimensione due? Intuitivamente, diciamo che un segmento ha dimensione
uno perche ha solo la lunghezza, e non ha ne larghezza, ne la profondit` a.
Analogamente, un quadrato ha dimensione due perche `e lungo, largo, ma non
spesso. Mentre, invece, un cubo ha tre dimensioni perche si estende in tre
direzioni. La cosa che forse non si nota quando si dice che un segmento
ha dimensione uno, `e che non si dice dove vive il segmento. Per esempio,
non si specica se sia un sottoinsieme di R, o di R
2
, o di R
N
con N qualsiasi.
Un segmento ha dimensione uno sia se `e [1, 1], sia se `e [1, 1] {0}, sia se
`e [1, 1] {(0, . . . , 0). Analogamente, un quadrato ha dimensione due an-
che se vive in un piano di R
3
, o in un iperpiano di R
N
, e cos` un cubo ha
dimensione tre anche se `e in R
4
, o in R
5
.
In altre parole, lidea che abbiamo di dimensione, lidea intuitiva di
dimensione, fa s` che essa sia una caratteristica intrinseca delloggetto che
stiamo considerando, indipendentemente da dove lo stiamo considerando.
Quello che faremo in seguito sar`a di dare alcuni modi per calcolare per
ogni sottoinsieme di R
N
un numero s (che potr`a essere anche non intero) e
che sar`a indipendente dalla dimensione N dello spazio ambiente, ma dipender` a
solo dallinsieme che stiamo considerando.
1. La misura di Hausdor
Da ora in poi lavoreremo nello spazio metrico (X, d) = (R
N
, d
2
), ovvero in
R
N
dotato della metrica euclidea.
Definizione 4.1. Sia A un sottoinsieme di R
N
. Il diametro di A `e
denito come
diam(A) = sup{d
2
(x, y), x, y A} .
Si vede abbastanza facilmente che se diam(A) = r < +, allora A B
r
(x
0
),
qualsiasi sia x
0
in A, e quindi A `e limitato. Si vede altrettanto facilmente
che se A = B
r
(x
0
), allora diam(A) = 2r (cosicche il nome di diametro `e
giusticato).
Esercizio 4.2. Si giustichino le ultime due aermazioni.
55
56 4. MISURA E DIMENSIONE DI HAUSDORFF
Definizione 4.3. Dato A sottoinsieme di R
N
e > 0, un -ricoprimento
di E `e una famiglia {E
i
}
iN
, al pi` u numerabile, tale che
diam(E
i
) , e A
_
iN
E
i
.
`
E chiaro che se {E
i
} `e un -ricoprimento di A, allora {E
i
} `e un
-ricoprimento
di A per ogni
x
dx =
_
x = y
2
dx = 2y dy
_
= 2
_
+
0
e
y
2
dy =
,
e che
(1) =
_
+
0
e
x
dx = e
x
x=+
x=0
= 1 .
Inoltre, integrando per parti, e se t 0,
(t + 1) =
_
+
0
e
x
x
t
dx =
_
du = e
x
v = x
t
u = e
x
dv = t x
t1
_
= t e
x
x
t
x=+
x=0
+ t
_
+
0
e
x
x
t1
dx = t (t) ,
che, combinato con (1) = 1, implica che (n) = (n 1)! per ogni n in N,
cosicche la funzione interpola il fattoriale.
Quanto ad (s), si ha
(1) =
(
3
2
)
=
1
2
(
1
2
)
= 2 ,
e
(2) =
(2)
= ,
e
(3) =
(
5
2
)
=
3
2
(
3
2
)
=
3
4
(
1
2
)
=
4
3
,
1. LA MISURA DI HAUSDORFF 57
cosicche (s) `e, almeno per s = 1, s = 2 ed s = 3, la lunghezza, larea ed il
volume, di B
1
(0) in R, R
2
ed R
3
rispettivamente. Si pu` o dimostrare che, in
generale, (N) `e la misura N-dimensionale della sfera B
1
(0) in R
N
.
Definizione 4.5. Sia s 0, sia A un sottoinsieme di R
N
, e sia > 0.
Deniamo
H
s
(A) = inf
_
iN
(s)
_
diam(E
i
)
2
_
s
, {E
i
} -ricoprimento di A
_
.
Se A `e ssato, e <
(A) H
s
(A), e quindi
come funzione di H
s
(A) = sup{H
s
(A), > 0} .
Si noti che si ha 0 H
s
(A) +. Dato A sottoinsieme di R
N
, e s 0, la
quantit` a H
s
(A) si dice misura (esterna) di Hausdor s-dimensionale di
A.
Il seguente teorema raccoglie alcune delle propriet` a della misura di Hau-
sdor.
Teorema 4.6. La misura di Hausdor `e tale che:
(1) Se A B, allora H
s
(A) H
s
(B).
(2) Se s = 0, allora
H
0
(A) =
_
#(A) se A `e nito,
+ se A non `e nito.
Il numero #(A) `e, per denizione, il numero degli elementi di A.
(3) Se s > N, ed A `e limitato, allora H
s
(A) = 0 per ogni sottoinsieme A
di R
N
.
(4) Se s = 1 e A `e un segmento contenuto in R
N
, allora H
1
(A) `e la
lunghezza del segmento. Analogamente, H
2
(A) `e larea di A se A `e
una gura piana in R
N
, e H
3
(A) `e il volume di A se A `e un solido
tridimensionale in R
N
.
Dimostrazione. Dimostriamo solo le prime tre aermazioni (rimandan-
do al libro di Ziemer citato nellIntroduzione per lultima). Per quanto ri-
guarda (1), `e chiaro che se {E
i
} `e un -ricoprimento di B, allora `e anche un
-ricoprimento di A. Si ha allora, per ogni > 0, e per denizione di H
s
(B),
H
s
(A) H
s
(B) H
s
(B) ,
e quindi la tesi passando al limite su tendente a zero da destra nel primo
membro.
Per (2), se s = 0, dalla denizione si ha che
H
0
_
m
N
N
,
m
N
+1
N
,
con m
1
, . . ., m
N
interi compresi tra 0 e N1. Essendo diam(Q
m
1
,...,m
N
) =
N
n
,
gli n
N
cubetti sono un
n
-ricoprimento di Q, con
n
=
N
n
. Pertanto,
0 H
s
n
(Q
1
) (s)
n
N
i=1
_
N
2n
_
s
= (s)
_
N
2
_
s
1
n
sN
.
Facendo tendere n ad innito, osservando che
n
tende a zero, ed usando
lipotesi s > N, si ha
0 H
s
(Q
1
) 0 ,
1. LA MISURA DI HAUSDORFF 59
e quindi H
s
(Q
1
) = 0. Analogamente, si ha H
s
(Q
R
) = 0 per ogni cubo Q
R
di
lato R > 0. Se A `e limitato, allora A `e contenuto in B
R
(0) per un opportuno
R. Essendo B
R
(0) un sottoinsieme del cubo Q
2R
centrato nellorigine e lato
2R, si ha (per (1)),
0 = H
s
(A) H
s
(B
R
(0)) H
s
(Q
2R
) = 0 ,
e quindi H
s
(A) = 0, come volevasi dimostrare.
Abbiamo chiamato la funzione di insieme H
s
(denita sulle parti di R
N
),
misura esterna.
Definizione 4.7. Una funzione di insieme
() = 0;
(2) per ogni famiglia al pi` u numerabile {E
i
} contenuta in P(X), si ha
_
+
_
i=1
E
i
_
i=1
(E
i
) .
Data una misura esterna
se si ha
(A) =
(A E) +
(A E
c
) , A P(X) .
Data una misura esterna
, allora
A
= {E P(X) : E `e
-misurabile}
`e un -algebra (ovvero, una famiglia di insiemi che contiene linsieme vuoto,
ed `e chiusa rispetto al complementare e alle unioni numerabili). La restrizione
di
a A
_
+
_
i=1
E
i
_
=
+
i=1
(E
i
) ,
per ogni famiglia {E
i
} al pi` u numerabile di insiemi disgiunti.
Esempio 4.8. La funzione di insieme H
s
`e eettivamente una misura
esterna. Se s `e un numero intero, la restrizione di H
s
agli insiemi H
s
-misurabili
`e la misura di Lebesgue s-dimensionale (con questa frase si precisa il senso del-
la (4) del Teorema 4.6). Vediamo, nel caso particolare di H
0
, che le propriet` a
della misura esterna sono soddisfatte. Ovviamente, H
0
(A) `e positivo, e si an-
nulla se A = (che non ha punti). Sia ora {E
i
} una famiglia al pi` u numerabile
di sottoinsiemi di R
N
. Se la serie
+
i=1
H
0
(E
i
)
60 4. MISURA E DIMENSIONE DI HAUSDORFF
diverge, non c`e nulla da dimostrare. Supponiamo pertanto che converga;
essendo H
0
(E
i
) un numero intero per ogni i, lunica possibilit` a `e che H
0
(E
i
)
sia diverso da zero, e nito, solo per un numero nito di indici. Supponiamo
che gli insiemi ad avere misura H
0
diversa da zero siano i primi n, cosicche
E
i
= per ogni i > n. Ma allora lunione degli E
i
`e un insieme nito, la cui
cardinalit` a `e al pi` u la somma delle cardinalit` a dei primi n insiemi (dato che
qualche punto pu` o appartenere a pi` u di uno degli E
i
). Come sono fatti gli
insiemi H
0
-misurabili? Deve valere
H
0
(A) = H
0
(A E) +H
0
(A E
c
) , A R
N
.
Essendo A = (A E) (A E
c
), chiaramente si ha
H
0
(A) H
0
(A E) +H
0
(A E
c
) ,
e quindi non rimane che dimostrare la disuguaglianza inversa:
H
0
(A) H
0
(A E) +H
0
(A E
c
) .
Se H
0
(A) = +, non c`e nulla da dimostrare. Supponiamo pertanto che A
sia nito. Ma allora sia AE che AE
c
sono insiemi niti, e sono disgiunti,
cosicche la somma delle loro cardinalit` a `e la cardinalit`a dellunione, ovvero A.
Non avendo fatto alcuna ipotesi su E, ne segue che ogni sottoinsieme E di
R
N
`e misurabile secondo H
0
, e quindi che la -algebra A
H
0 non `e altro che
P(R
N
).
2. La dimensione di Hausdor
Il seguente risultato permette di denire intrinsecamente la dimensione
di un insieme tramite la misura H
s
.
Teorema 4.9. Sia A un sottoinsieme limitato di R
N
. Allora esiste un
unico numero reale s, con 0 s N tale che
H
s
(A) =
_
0 se s > s,
+ se s < s.
Dimostrazione. Dimostriamo che se s 0 `e tale che H
s
(A) < +,
allora H
s
> s. Per
denizione,
C = lim
0
+
H
s
(A) = sup{H
s
(A), > 0} .
Essendo C < +, si ha H
s
iN
_
diam(E
i
)
2
_
s
H
s
(A) + C + .
2. LA DIMENSIONE DI HAUSDORFF 61
Per tale ricoprimento si ha
0 H
s
(A) (s
iN
_
diam(E
i,
)
2
_
s
=
(s
)
(s)
_
2
_
s
s
_
(s)
iN
_
diam(E
i,
)
2
_
s
_
(C + )
(s
)
(s)
_
2
_
s
s
.
ovvero,
0 H
s
(A) C
s
s
,
per qualche costante C indipendente da . Facendo tendere a zero si trova
H
s
= A {0
N+1
, . . . , 0
M
}. In altre parole, A
`e linsieme A
immerso in R
M
. Dimostriamo che dim
H
(A
) = s, cosicche la dimensione di
Hausdor di un insieme non dipende dallo spazio ambiente. Se s > s, si ha
H
s
(A) = 0 (con ricoprimenti contenuti in R
N
). Pertanto, per ogni > 0 si ha
H
s
iN
_
diam(E
i,
)
2
_
s
.
Dal momento che {E
i,
}, con E
i,
= E
i,
{0
N+1
, . . . , 0
M
} `e un -ricoprimento
di A
in R
M
(il diametro di E
i,
`e lo stesso di E
i,
), allora
(s)
iN
_
diam(E
i,
)
2
_
s
,
da cui segue H
s
(A
) = 0 (in R
M
) e quindi H
s
(A
) = 0. Pertanto, H
s
(A
) = 0
per ogni s > s, e quindi dim
H
(A
) < s,
allora esisterebbe s
(A
) = 0. Pertanto, H
s
(A
) = 0 per ogni
> 0, e quindi per ogni > 0 esiste un -ricoprimento {E
i,
} di A
tale che
(s
iN
_
diam(E
i,
)
2
_
s
.
Scrivendo
E
i,
= F
(1)
i,
F
(2)
i,
F
(N)
i,
F
(N+1)
i,
F
(M)
i,
,
si vede facilmente che {E
i,
}, denito da
E
i,
= F
(1)
i,
F
(2)
i,
F
(N)
i,
,
`e un ricoprimento di A in R
N
, dato che diam(E
i,
) diam(E
i,
). Pertanto,
(s
iN
_
diam(E
i,
)
2
_
s
(s
iN
_
diam(E
i,
)
2
_
s
,
da cui H
s
(A) = 0, e quindi H
s
(A) = 0. Essendo s
< dim
H
(A), si ha un
assurdo per denizione di dim
H
(A).
CAPITOLO 5
La dimensione degli attrattori degli IFS
In questo capitolo daremo un metodo per calcolare la dimensione di Hau-
sdor dei compatti autosimilari che abbiamo costruito nel Capitolo 3 come
attrattori di IFS.
1. La dimensione box counting
Sia A = [0, 1] il segmento unitario in R. Nel capitolo precedente, abbiamo
detto (non dimostrato. . .) che la dimensione di Hausdor di A `e 1, essendo
H
1
(A) = 1 (si veda lOsservazione 4.12). Di nuovo, che vuol dire dimensio-
ne? Diamo qui una seconda idea per misurare la dimensione di un insieme
(come vedremo, dar` a una stima dallalto della dimensione di un insieme).
Sia allora n in N, e consideriamo un ricoprimento eciente di A con seg-
menti di lunghezza
1
n
. Eciente qui signica che nel ricoprire A si tenta
di ridurre al minimo le sovrapposizioni tra i vari segmenti. Ad esempio, se
consideriamo
[0,
1
n
) , [
1
n
,
2
n
) , . . . [
n2
n
,
n1
n
) , [
n1
n
, 1] ,
`e chiaro che il ricoprimento `e disgiunto, e quindi la sovrapposizione tra i seg-
menti `e vuota. Quanti segmenti sono stati necessari? Basta contarli: sono n.
Se, invece di considerare il segmento A = [0, 1] in R, consideriamo il segmento
A = [1, 2] {1} in R
2
, quanti quadratini di lato
1
n
servono per ricoprire A in
maniera eciente? Anche in questo caso, si vede facilmente che sono necessari
n quadratini.
A
1 2 1 2
A
Per ricoprire A servono n quadrati
Se considerassimo A = [2, 3] {0} {1} in R
3
, nuovamente servirebbero n
cubi di lato
1
n
per ricoprire ecientemente A. E se A = [0, 2]? In questo caso,
servono 2n segmenti (o quadrati, o cubi) di lato
1
n
. Se il segmento `e lungo
L, servono ([L] + 1) n oggetti di lato
1
n
per ricoprirlo ecientemente ([x] `e
63
64 5. LA DIMENSIONE DEGLI ATTRATTORI DEGLI IFS
la parte intera di x). Cosa non cambia cambiando lo spazio in cui vive il
segmento, o la sua lunghezza? In ogni caso, serve una quantit`a proporzionale
ad n di oggetti di lato
1
n
(la costante di proporzionalit`a dipendendo dalla
lunghezza del segmento) per un ricoprimento eciente.
Se, invece di ricoprire un segmento con oggetti, ricopriamo un quadrato
in R
2
, ad esempio [1, 2] [1, 2], quanti oggetti servono?
`
E presto detto: se
il lato del quadratino `e
1
n
, servono n
2
quadratini, o n
2
cubetti.
1 2
1
2
1 2
1
2
Per ricoprire un quadrato servono n
2
quadrati
Se il quadrato `e [0, 2] [2, 4], servono 4n
2
oggetti per un ricoprimento e-
ciente. In generale, serve una quantit`a proporzionale ad n
2
di oggetti di lato
1
n
(la costante di proporzionalit` a dipendendo dallarea del quadrato) per un
ricoprimento eciente di un quadrato (o di un rettangolo, o di un triangolo).
Se ricoprissimo cubi con oggetti di lato
1
n
, troveremmo che serve una
quantit` a proporzionale ad n
3
di oggetti (la costante di proporzionalit` a
dipendendo dal volume del cubo) per un ricoprimento eciente.
A questo punto `e chiaro cosa sta accadendo: un segmento, che ha dimen-
sione 1, necessit`a di (un numero proporzionale a) n
1
oggetti; un quadrato,
che ha dimensione 2, necessita di (un numero proporzionale a) n
2
ogget-
ti; un cubo, che ha dimensione 3, necessita di (un numero proporzionale a)
n
3
oggetti. In sostanza, lesponente cui viene elevato n `e la dimensione del
segmento (o del quadrato, o del cubo).
Come possiamo rendere rigorosa questa tecnica di calcolo della dimen-
sione?
Definizione 5.1. Sia A un sottoinsieme limitato di R
N
e sia > 0.
Deniamo
N(A, ) = min{m N : A pu` o essere ricoperto da m ipercubi di lato } .
Chiaramente N(A, ) `e ben denito: essendo A limitato, A `e contenuto in un
ipercubo di lato sucientemente grande, e gli ipercubi sono ricopribili da un
numero nito di ipercubi di lato ; dunque, esistono ricoprimenti niti di A
fatti da ipercubi di lato , cosicche linsieme che serve a denire N(A, ) non
`e vuoto, e quindi ha minimo perche `e un sottoinsieme di N.
1. LA DIMENSIONE BOX COUNTING 65
Dato A sottoinsieme di R
N
, deniamo la dimensione box counting di
A come il numero
dim
bc
(A) = lim
0
+
log(N(A, ))
log()
,
ovviamente se il limite esiste (il che non `e detto).
Esempio 5.2. Per quanto detto in precedenza, se A `e un segmento di
lunghezza L, allora
N(A, ) =
[L] + 1
,
e quindi dim
bc
(A) = 1. Se A `e un rettangolo di lati L
1
ed L
2
, allora
N(A, n) =
([L
1
] + 1) ([L
2
] + 1)
2
,
e quindi dim
bc
(A) = 2. Analogamente, dim
bc
(A) = 3 se A `e un solido. Che
succede se A = ? In questo caso i ricoprimenti sono complicati dalla strut-
tura di , ma possiamo farci guidare dalla denizione di come attrattore di
un sistema di funzioni iterate. Ed infatti, se prendiamo la n-sima iterazione
del quadrato unitario Q = [0, 1] [0, 1]:
F
(5)
(Q)
66 5. LA DIMENSIONE DEGLI ATTRATTORI DEGLI IFS
`e chiaro (dalla denizione stessa di ) che il ricoprimento dato da K
n
=
F
(n)
(Q) `e il pi` u eciente possibile se il lato del quadrato `e
1
2
n
. Di quanti
quadrati di lato
1
2
n
`e composto K
n
? Di nuovo, `e facile calcolarli: K
1
`e lunione
di 3 quadrati di lato
1
2
(le immagini di Q tramite f
1
, f
2
e f
3
), K
2
da 9 quadrati
di lato
1
4
, ed in generale, K
n
da 3
n
quadrati di lato
1
2
n
. Pertanto,
N( , 2
n
) = 3
n
,
da cui segue
lim
n+
log(N( , 2
n
))
log(2
n
)
= lim
n+
n log(3)
n log(2)
=
log(3)
log(2)
.
In altre parole, sulla successione
n
= 2
n
il limite log(N( , ))/ log()
esiste e vale log(3)/ log(2). Daltra parte, se > 0 `e un reale qualsiasi (minore
di 1), esiste m in N tale che 2
m
< 2
m+1
. Pertanto,
3
m1
= N( , 2
m+1
) N( , ) N( , 2
m
) = 3
m
,
e quindi
(m1) log(3) log(N( , )) m log(3) .
Essendo mlog(2) log() < (m1) log(2), si ha
m1
m
log(3)
log(2)
log(N( , ))
log()
m
m1
log(3)
log(2)
.
Facendo tendere a zero (cosicche m tende ad innito), si ha (per il teorema
dei carabinieri)
lim
0
+
log(N( , ))
log()
=
log(3)
log(2)
= dim
bc
( ) .
Esercizio 5.3. Calcolare la dimensione box counting di e della
curva di Von Koch.
2. Confronto tra box counting e Hausdor
Che legame c`e tra la dimensione box counting di un insieme e la sua
dimensione di Hausdor?
Teorema 5.4. Sia A un sottoinsieme limitato di R
N
. Allora
dim
H
(A) dim
bc
(A) .
Dimostrazione. Sia s = dim
bc
(A). Per denizione
s = lim
0
+
log(N(A, ))
log()
.
2. CONFRONTO TRA BOX COUNTING E HAUSDORFF 67
Sia > 0, e sia
.
Pertanto,
1
s
N(A, )
1
s
,
.
Ricordando la denizione di N(A, ), ssato
esiste un ricoprimento
{E
i,
} eciente di A costituito da M
(s)
M
(s+)
. Essendo il diametro di un ipercubo di lato pari a
d
N, `e chiaro che {E
i,
} `e un d
(A) (s)
M
i=1
_
diam(E
i,
)
2
_
s
=(s)
M
i=1
_
N
2
_
s
= (s)
_
N
2
_
s
M
s
(s)
_
N
2
_
s
s(s+)
.
Scegliendo > 0 tale che s+ < s, si ha, per qualche costante C indipendente
da n,
0 H
s
d
(A) C
s(s+)
,
.
Facendo tendere a zero, si ha che d
log(N(K, L
n
))
log(L
n
)
= lim
n+
n log(m)
n log(L)
=
log(m)
log(L)
.
68 5. LA DIMENSIONE DEGLI ATTRATTORI DEGLI IFS
Ragionando come nellEsempio 5.2, si vede che tale valore `e il limite lungo
tutta la successione, e quindi
dim
bc
(K) =
log(m)
log(L)
.
C`e, per` o, almeno un errore nel calcolo che abbiamo fatto. Supponiamo di
avere cinque contrazioni di fattore
1
2
: le quattro che generano il quadrato
dellEsempio 3.5, pi` u
f
5
(x, y) = f
1
(x, y) + (
1
4
,
1
4
) .
Se il calcolo precedente fosse giusto, detto K lattrattore del sistema di funzioni
iterate {f
1
, . . . , f
5
}, si avrebbe
dim
bc
(K) =
log(5)
log(
1
2
)
=
log(5)
log(2)
> 2 .
In altre parole, se la formula fosse giusta, K avrebbe dimensione box counting
maggiore di 2, pur essendo un sottoinsieme di R
2
: questo non pu` o essere
perche, essendo K contenuto in = [0, 1] [0, 1], si ha
N(K, ) N( , ) =
2
,
da cui dim
bc
(K) 2. In eetti, `e facile vedere che la quinta contrazione non
modica nulla rispetto alle prime 4: partendo da , si ha F
(1)
( ) = , e
quindi K = (che sappiamo avere dimensione box counting proprio 2).
Dov`e lerrore? Abbiamo sbagliato nello stimare N(K
n
, ): essendo K
n
=
, servono 4
n
quadrati di lato =
1
2
n
per ricoprire K
n
, e non 5
n
, come si vede
facilmente dal disegno.
F
(5)
( )
2. CONFRONTO TRA BOX COUNTING E HAUSDORFF 69
Bastano meno quadrati perche le cinque immagini di tramite f
1
, . . ., f
5
non
sono disgiunte tra di loro: si sovrappongono (e anche di parecchio!) cosicche
una delle cinque applicazioni non inuisce sul calcolo della dimensione box
counting. Nel caso di , invece, le tre immagini del quadrato unitario sono
disgiunte, e quindi K
n
, visto come unione di quadrati, `e un ricoprimento
ottimale di (se consideriamo quadrati di lato =
1
2
n
).
Inoltre, abbiamo commesso un altro errore: quando diciamo che un sistema
di funzioni iterate ha fattore di contrazione L, intendiamo che il massimo dei
fattori di contrazione L
1
, . . ., L
m
delle funzioni f
1
, . . ., f
m
che formano il
sistema di funzioni iterate `e uguale a L. Supponiamo che f
1
(x, y) = (
x
2
,
y
2
),
e f
2
(x, y) = (1, 1). Come sistema di funzioni iterate, la coppia {f
1
, f
2
} ha
come fattore di contrazione L =
1
2
. Per`o, pur essendo le immagini di
disgiunte, linsieme invariante per F `e K = {(0, 0), (1, 1)} che ha dimensione
box counting 0, mentre la formula ci darebbe dim
bc
(K) = 1. Ovviamente, qui
il problema `e che le due contrazioni hanno fattori di contrazione diversi (uno
`e addirittura 0). Lo stesso accade se consideriamo lattrattore del sistema di
funzioni iterate generato da
f
1
(x, y) = (
x
2
,
y
2
) , f
2
(x, y) = (
x
3
+
1
2
,
y
3
+
1
3
) .
F
(5)
( )
`
E chiaro dal disegno che la dimensione box counting dellattrattore K non pu` o
essere 1, ma sar` a strettamente minore.
Inne, un terzo problema: una contrazione `e unapplicazione qualsiasi da
R
N
in se, che sia lipschitziana di costante minore di 1; quindi, non `e detto
che limmagine di un quadrato sia un quadrato (o un rettangolo, un rombo:
qualcosa, insomma, di paragonabile). Tutte le contrazioni che abbiamo consi-
derato avevano questa propriet`a (essendo delle similitudini), ma non `e detto
che ci` o sia vero in generale.
70 5. LA DIMENSIONE DEGLI ATTRATTORI DEGLI IFS
In denitiva, se vogliamo poter calcolare a priori la dimensione box coun-
ting di un attrattore di un sistema di funzioni iterate, dobbiamo fare delle
ipotesi aggiuntive.
Teorema 5.5. Sia {f
1
, . . . , f
m
} un sistema di funzioni iterate su R
N
,
e sia F la funzione da K(R
N
) in se costruita a partire dallIFS. Supponiamo
che:
(1) f
i
= L
i
x + B
i
, con 0 < L
i
< 1 e B
i
un vettore di R
N
(e quindi f
i
`e
una similitudine);
(2) esiste Q
r
, ipercubo di lato r, tale che F(Q
r
) Q
r
;
(3) se Q
r
`e come sopra, allora f
i
(Q
r
) f
j
(Q
r
) = per ogni i = j.
Allora, detto K lattrattore del sistema di funzioni iterate, si ha dim
bc
(K) = s,
dove s `e lunica soluzione positiva dellequazione
m
i=1
L
s
i
= 1 .
Osservazione 5.6. Se valgono le (2) e (3) del teorema precedente, e se
L
i
= L per ogni i, allora s `e tale che mL
s
= 1, e quindi
s = dim
bc
(K) =
log(m)
log(L)
,
che `e la formula che avevamo trovato (sbagliando. . .) in precedenza.
Osservazione 5.7. Che esista un unico valore s 0 tale che
m
i=1
L
s
i
= 1 ,
si vede abbastanza facilmente usando il teorema di esistenza degli zeri. Infatti,
posto
G(s) =
m
i=1
L
s
i
,
si ha
G(0) = m 1 , lim
s+
G(s) = 0 .
Essendo G continua, esiste almeno un valore s tale che G(s) = 1. Inoltre,
G
(s) =
m
i=1
L
s
i
log(L
i
) < 0 ,
dato che 0 < L
i
< 1 per ogni i. Ne segue che G `e strettamente decrescente e
quindi che s `e unico.
2. CONFRONTO TRA BOX COUNTING E HAUSDORFF 71
Dimostrazione. Iniziamo con losservare che, essendo f
i
una similitudine
di fattore contrattivo L
i
, allora limmagine tramite f
i
di un quadrato Q
r
di
lato r `e un quadrato di lato L
i
r e, viceversa, la controimmagine tramite f
i
di
un quadrato Q
r
di lato r `e un quadrato di lato L
1
i
r. Pertanto, se A `e un
insieme limitato qualsiasi, si ha
N(A, ) = N(f
i
(A), L
i
) ,
o, equivalentemente,
(5.1) N(f
i
(A), ) = N(A, L
1
i
) .
Sia ora K lattrattore del sistema di funzioni iterate. Dal momento che, per
la (2), F(Q
r
) Q
r
, la successione K
n
= F
(n)
(Q
r
) `e tutta contenuta in Q
r
, e
quindi K Q
r
. Essendo f
i
(Q
r
) f
j
(Q
r
) = per la (3), ne segue che
f
i
(K) f
j
(K) = , i = j .
Siccome le f
i
sono continue, linsieme f
i
(K) `e un compatto per ogni i. Dal
momento che f
i
(K) e f
j
(K) sono disgiunti, si ha
d
ij
= min{d
2
(x, y), x f
i
(K), y f
j
(K)} > 0 , i = j ,
perche se il minimo fosse zero, esisterebbe x nellintersezione dei due insiemi,
che `e invece vuota. Pertanto, se deniamo il minimo delle distanze d
ij
al
variare di i e j (con i = j), e scegliamo < , si ha che se un ipercubo di lato
interseca uno degli insiemi f
i
(K), allora `e disgiunto da tutti gli insiemi f
j
(K),
con i = j. In altre parole, un ricoprimento ecace di K con ipercubi di
lato si ottiene considerando gli ipercubi che ricoprono ecacemente f
1
(K),
insieme a quelli che ricoprono ecacemente f
2
(K), e cos` via, no a quelli che
ricoprono ecacemente f
m
(K). Pertanto, se < , si ha, per (5.1),
N(K, ) =
m
i=1
N(f
i
(K), ) =
m
i=1
N(K, L
1
i
) .
Da questa relazione, segue che se s `e come nellenunciato del teorema, allora
(5.2) lim
0
+
s
N(K, ) = M (0, +) .
Per dare unidea del perche ci` o accada (la dimostrazione rigorosa `e troppo
complicata. . .), dimostriamo la (5.2) nel caso in cui L
i
= L
j
= L per ogni i e
j (come per esempio accade per ). Allora, posto G() = N(K, ), si ha
G() = mG(L
1
) .
Iterando questa formula, si ha
G(L) = mG(1) , G(L
2
) = mG(L) = m
2
G(1) , . . . , G(L
n
) = m
n
G(1) .
Se s `e tale che mL
s
= 1, allora m
n
= L
ns
e quindi
(L
n
)
s
G(L
n
) = G(1) .
72 5. LA DIMENSIONE DEGLI ATTRATTORI DEGLI IFS
Dal momento che L
n
tende a zero abbiamo (almeno lungo una successione
innitesima) che (5.2) `e soddisfatta.
Una volta che la (5.2) `e vera, la tesi segue in maniera semplice dalle
propriet` a dei logaritmi:
lim
0
+
log(N(K, ))
log()
= lim
0
+
log(
s
N(K, )) s log()
log()
= s ,
come volevasi dimostrare.
Osservazione 5.8. Lo stesso risultato dimostrato in precedenza vale se,
invece della condizione (3), si assume la condizione pi` u debole che lintersezione
f
i
(Q
r
) f
j
(Q
r
) abbia misura N-dimensionale nulla se i = j.
3. La dimensione di Hausdor degli attrattori degli IFS
Nella sezione precedente abbiamo trovato una stima dallalto della di-
mensione di Hausdor dellattrattore di un sistema di funzioni iterate in ter-
mini delle dimensione box counting; inoltre, grazie al Teorema 5.5, sappiamo
calcolare la dimensione box counting degli attrattori di IFS deniti tramite
similitudini (che sono pi` u o meno tutti quelli che abbiamo visto. . .). Rimane
aperto, e sar` a compito delle prossime pagine, il problema di stimare dal bas-
so la dimensione di Hausdor degli attrattori, chiedendoci in particolare se
coincida con la dimensione box counting.
Esempio 5.9. Sia
K = {1,
1
2
,
1
3
,
1
4
, . . . ,
1
n
, . . .} .
Dimostriamo che dim
H
(K) = 0. Siano s > 0, e sia > 0. Allora esiste n
in
N tale che tutti gli elementi di K a partire dalln
punti 1,
1
2
, . . .,
1
n
(K) (s)
s
+ (s) n
2
.
Essendo n
1
, si ha
0 H
s
(K) (s)
s
+ (s) ,
da cui segue H
s
(K) = 0 facendo tendere a zero. Essendo s > 0 arbitrario,
ne segue che dim
H
(K) = 0. Calcoliamo ora la dimensione box counting di K.
Sia 0 < <
1
2
, e sia k in N tale che
1
k(k + 1)
<
1
k(k 1)
.
Chiaramente, se S `e un segmento lungo , S pu` o coprire al pi` u uno dei punti in
{1,
1
2
, . . . ,
1
k
}, dal momento che la distanza tra due qualsiasi di questi punti
3. LA DIMENSIONE DI HAUSDORFF DEGLI ATTRATTORI DEGLI IFS 73
`e almeno
1
k(k1)
, che `e maggiore di . Pertanto, servono almeno k segmenti di
lunghezza per ricoprire K, e quindi N(K, ) k. Daltro canto, `e possibile
ricoprire [0,
1
k
] con k + 1 segmenti di lunghezza (perche >
1
k(k+1)
, che `e la
distanza massima tra i punti di tale intervallo), mentre {1,
1
2
, . . . ,
1
k
} pu` o
essere ricoperto con k 1 intervalli di lunghezza (perche sono k 1 punti).
Pertanto, N(K, ) 2k. Ma allora,
log(k)
log(k(k + 1))
log(N(K, ))
log()
log(2k)
log(k(k 1))
.
Facendo tendere a zero (e quindi k ad innito), per il teorema dei carabinieri
si ha
lim
0
+
log(N(K, ))
log()
=
1
2
= dim
bc
(K) ,
cosicche dim
H
(K) < dim
bc
(K).
Ovviamente lesempio precedente non rientra nel caso degli attrattori di
IFS (non essendo K compatto, non pu` o essere lattrattore di un sistema di
funzioni iterate), ma `e comunque interessante per capire la dierenza tra la
dimensione di Hausdor e la dimensione box counting. Rimane per`o in piedi
la domanda: che succede per lattrattore di un IFS? Sono uguali o no?
La risposta (non semplice da dare) `e positiva, e, come vedremo, richieder` a
nuovamente delle ipotesi aggiuntive sul sistema di funzioni iterate. Il primo
risultato ci permette di stimare dal basso dim
H
(K).
Teorema 5.10. Sia K in K(R
N
). Supponiamo che esista una misura
concentrata su K tale che (K) > 0, ed esistano C > 0, s > 0 e > 0, tali
che
(5.3) (E) C (diam(E))
s
, E : diam(E)
Allora dim
H
(K) s.
Dimostrazione. Sia < , e sia {E
i
} un -ricoprimento di K. Allora
0 < (K)
_
+
_
i=1
E
i
_
i=1
(E
i
) C
+
i=1
(diam(E
i
))
s
.
Pertanto si ha
(s)
+
i=1
_
diam(E
i
)
2
_
s
(s)
2
s
C
(K) > 0 ,
e quindi, per larbitrariet` a del -ricoprimento,
H
s
(K)
(s)
2
s
C
(K) > 0 , < .
74 5. LA DIMENSIONE DEGLI ATTRATTORI DEGLI IFS
Ricordando che, come funzione di , H
s
(K) `e decrescente, si ha H
s
(K) > 0, e
quindi la tesi.
Supponiamo ora di avere un sistema di funzioni iterate per il quale val-
gono le ipotesi del Teorema 5.5, cosicche sappiamo calcolare la dimensione
box counting dellattrattore K. Vogliamo fare vedere che, in questo caso, `e
possibile costruire una misura su K che soddisfa le ipotesi del Teorema 5.10
con s = s, la dimensione box counting di K.
Iniziamo con un lemma tecnico.
Lemma 5.11. Sia r > 0, e sia {Q
i
} una famiglia di ipercubi di R
N
con
la propriet` a che esistono 0 < a
1
< a
2
tali che ogni ipercubo Q
i
contiene
un ipercubo di lato a
1
r, ed `e contenuto in un ipercubo di lato a
2
r, e che
lintersezione tra due ipercubi della famiglia ha misura N-dimensionale nulla.
Allora ogni ipercubo Q
2r
di lato 2r interseca al pi` u q dei Q
i
, e si ha
q
_
2(1 + a
2
)
a
1
_
N
.
Dimostrazione. Se Q
i
interseca Q
r
, allora Q
i
`e contenuto nellipercubo
che ha lo stesso centro di Q
r
e lato 2r(1 + a
2
).
Q
r
Q
i
2r
a
2
r
2r + 2a
2
r
Ogni cubo che interseca Q
r
. . .
Pertanto, se q ipercubi di {Q
i
} intersecano Q
r
, ognuno di essi contiene un
ipercubo di lato a
1
r, ed `e contenuto in un ipercubo di lato 2r(1+a
2
). Pertanto,
essendo i Q
i
disgiunti a meno di insiemi di misura N-dimensionale nulla, la
somma delle misure N-dimensionali degli ipercubi di lato a
1
r non pu` o essere
superiore alla misura N-dimensionale dellipercubo di lato 2r(1 + a
2
) che li
contiene, e quindi
q (a
1
r)
N
(2r(1 + a
2
))
N
,
3. LA DIMENSIONE DI HAUSDORFF DEGLI ATTRATTORI DEGLI IFS 75
da cui si ottiene
q
_
2(1 + a
2
)
a
1
_
N
,
come volevasi dimostrare.
Il secondo risultato tecnico ci dice come costruire una misura su oggetti
ottenuti tramite suddivisioni di un insieme iniziale.
Lemma 5.12. Sia A un sottoinsieme compatto di R
N
, e sia E
0
= A. Per k
in N, sia E
k
una famiglia nita disgiunta di compatti contenuti in A tali che
(1) ogni E in E
k
`e contenuto in un insieme di E
k1
;
(2) ogni E in E
k
contiene un numero nito di insiemi di E
k+1
;
(3) si ha
lim
k+
max{diam(E), E E
k
} = 0 .
Sia denita nella maniera seguente: (A) `e assegnata, con 0 < (A) < +;
deniamo poi sugli insiemi di E
1
in maniera tale che
(A) =
E
i
E
1
(E
i
) ,
e, proseguendo, deniamo sugli insiemi di E
k
in modo tale che se E
1
, . . ., E
k
sono insiemi di E
k
contenuti in un insieme
E di E
k1
, allora
(
E) =
k
i=1
(E
i
) .
(E
0
)
(E
1
) (E
1
)
(E
2
) (E
2
) (E
2
) (E
2
)
Suddivisione di insiemi e misure
Deniamo E
k
lunione di tutti gli insiemi di E
k
, e deniamo (E) = 0 se
E E
k
= . Pertanto, se E `e lunione di tutte le famiglie E
k
, e di tutti i
sottoinsiemi di R
N
\ E
k
, abbiamo che la funzione `e denita su E. Allora
esiste una misura , denita su tutto R
N
, che estende , ed il cui supporto `e
contenuto nellintersezione degli E
k
.
76 5. LA DIMENSIONE DEGLI ATTRATTORI DEGLI IFS
Dimostrazione. Se E `e un sottoinsieme di R
N
, deniamo
(E) = inf
_
i
(E
i
), E
_
i
E
i
e E
i
E
_
.
Se E appartiene ad E, si ha chiaramente (E) = (E) (perche abbiamo de-
nito su E tramite suddivisioni). Inoltre, essendo (R
N
\ E
k
) = 0 per
costruzione, se E `e un sottoinsieme di R
N
disgiunto da E
k
per qualche k,
allora (E) = 0, e quindi il supporto di `e contenuto in E
k
per ogni k, e
dunque nellintersezione. La dimostrazione del fatto che sia eettivamente
una misura `e lasciata al lettore. . .
Esempio 5.13. Sia A = [0, 1], sia E
k
la famiglia degli intervalli della forma
E
j
= [
j
2
k
,
j+1
2
k
) , j = 0, 1, . . . , 2
k
1 ,
ed osserviamo che E
k
soddisfa la (1), la (2) e la (3) del lemma precedente.
Se E `e in E
k
, deniamo (E) =
1
2
k
, cosicche le condizioni sulle suddivisioni
della misura sono soddisfatte. Pertanto, a partire da denita su E, possiamo
costruire una misura denita su R. Se I = (a, b) `e un intervallo contenuto
in [0, 1], allora
(I) = inf
_
i
(E
i
), I
_
i
E
i
e E
i
E
_
= (b a) ,
e quindi coincide con la misura di Lebesgue sugli intervalli. Questa informa-
zione `e suciente per caratterizzare esattamente come la misura di Lebesgue
(concentrata su [0, 1]).
Possiamo ora dimostrare il risultato che ci permette di stimare dal basso
la dimensione di Hausdor di un attrattore di IFS.
Teorema 5.14. Sia {f
1
, . . . , f
m
} un sistema di funzioni iterate denito
su R
N
, e supponiamo che soddis le ipotesi del Teorema 5.5 (o, per la (3),
dellOsservazione 5.8). Detto K lattrattore dellIFS, e posto s = dim
bc
(K),
si ha dim
H
(K) s.
Dimostrazione. Per il Teorema 5.10, dobbiamo costruire una misura
su K che soddis (5.3) con s = s, ricordando che s `e tale che
m
i=1
L
s
i
= 1 .
Sia ora Q
r
lipercubo delle ipotesi (2) e (3) del Teorema 5.5, che quindi `e tale
che
F(Q
r
) =
m
_
i=1
F
i
(Q
r
) Q
r
,
3. LA DIMENSIONE DI HAUSDORFF DEGLI ATTRATTORI DEGLI IFS 77
con unione disgiunta. Pertanto, se deniamo K
0
= Q
r
, e K
n
= F
(n)
(Q
r
),
abbiamo che {K
n
} `e una successione decrescente di insiemi in K(R
N
), e K
n
`e lunione disgiunta di m
n
compatti K
n,j
1
,...,jn
con j
1
, . . ., j
n
interi compresi
tra 1 e m, e
K
n,j
1
,...,jn
= (F
jn
F
j
n1
. . . F
j
2
F
j
1
)(Q
r
) .
Se deniamo E
n
come la famiglia degli insiemi K
n,j
1
,...,jn
, `e chiaro che E
n
sod-
disfa le ipotesi (1), (2) e (3) del Lemma 5.12. In particolare, la (3) `e vera
perche il diametro di K
n,j
1
,...,jn
`e dato da L
j
1
L
jn
r, cosicche
0 diam(K
n,j
1
,...,jn
) (max{L
1
, . . . , L
m
})
n
r ,
e la quantit`a a destra `e innitesima essendo L
i
< 1 per ogni i. Deniamo
(K
n,j
1
,...,jn
) = (L
j
1
L
jn
)
s
,
ed osserviamo che (essendo le unioni disgiunte)
(K
n
) =
1j
1
,...,jnm
(L
j
1
L
jn
)
s
=
_
m
j
1
=1
L
s
j
1
_
_
m
jn=1
L
s
jn
_
= 1 ,
e che, essendo
(L
j
1
L
jn
)
s
=
m
j
n+1
=1
(L
j
1
L
jn
L
j
n+1
)
s
,
si ha
(K
n,j
1
,...,jn
) =
m
j
n+1
=1
(K
n,j
1
,...,jn,j
n+1
) .
Dal momento che soddisfa le ipotesi di suddivisione del Lemma 5.12, `e
possibile estendere ad una misura , denita su R
N
, ed il cui supporto `e
contenuto nellintersezione dei K
n
, che `e lattrattore K dellIFS.
Verichiamo ora che soddisfa le ipotesi del Teorema 5.10. Sia Q un
ipercubo di lato 2r, e sia data una successione {j
h
} di interi compresi tra 1
ed m. Sia k il primo intero per il quale si ha
(5.4) min{L
1
, . . . , L
m
} r L
j
1
L
j
k
r r .
Si noti che k dipende dai valori L
i
(e quindi dalla successione {j
h
}), e pu`o
quindi variare. Sia ora S linsieme delle k-ple j
1
, . . ., j
k
tali che valga (5.4), e
sia
T = {(F
j
k
F
j
1
)(Q
r
), (j
1
, . . . , j
k
) S} .
Gli insiemi contenuti in T sono ipercubi disgiunti tra loro. Siano infatti A e
B in T , con A = B. Allora
A = (F
j
k
F
j
1
)(Q
r
) , B = (F
i
h
F
i
1
)(Q
r
) ,
78 5. LA DIMENSIONE DEGLI ATTRATTORI DEGLI IFS
con (j
1
, . . . , j
k
) e (i
1
, . . . , i
h
) in S. Supponiamo che sia h = min{h, k}.
Allora esiste , compreso tra 1 e h, tale che j
= i
Q =
_
Q
i
T : QQ
i
=
Q
i
,
allora
Q =
Q (Q\
Q) ,
e linsieme Q \
Q non interseca nessuno degli ipercubi di T . Supponiamo di
aver dimostrato che esiste k tale che Q \
Q ha intersezione vuota con E
k
.
Allora si ha (per denizione di )
(Q)
Q
i
T : QQ
i
=
(Q
i
) + (Q\
Q) =
Q
i
T : QQ
i
=
(Q
i
) .
Daltra parte, se Q
i
`e in T , allora Q
i
corrisponde ad una k-pla j
1
, . . ., j
k
di
indici, cosicche Q
i
`e in E
k
, e quindi
(Q
i
) = (L
j
1
L
j
k
)
s
.
Pertanto, ricordando (5.4),
(Q)
Q
i
T : QQ
i
=
(L
j
1
L
j
k
)
s
q
0
1
r
s
r
s
= C r
s
.
Sia ora E un insieme di diametro uguale ad r. Allora E `e contenuto in un
ipercubo Q di lato 2r e quindi
(E) (Q) C r
s
= C (diam(E))
s
.
Sono pertanto soddisfatte le ipotesi del Teorema 5.10, e quindi la dimensione
di Hausdor di K `e maggiore di s.
Rimane quindi da dimostrare che Q\
Q ha intersezione vuota con E
k
per
qualche k. Deniamo k il massimo delle lunghezze delle k-ple j
1
, . . ., j
k
in S, e
3. LA DIMENSIONE DI HAUSDORFF DEGLI ATTRATTORI DEGLI IFS 79
sia E in E
k
. Se E intersecasse Q\
[34,66]
(x) + 3
[67,100]
(x) ,
e si estrae un numero casuale x tra 1 e 100: G(x) assume cos` il valore 1, 2
o 3, e si usa la contrazione corrispondente. Nel programma si usa la seguente
90 STRUMENTI E PROGRAMMI
denizione di funzione caratteristica dellintervallo [, ], con e interi:
[,]
(x) = [min{1, max{ + 1 |2x |, 0}}] ,
dove come al solito [] indica la parte intera.
1
1 +1
Il graco di min{1, max{ + 1 |2x |, 0}}
Una volta assegnate le probabilit` a, si tratta quindi di costruire la funzione G
come sopra. Per farlo, si usa una delle caratteristiche interessanti del linguag-
gio REBOL. Infatti, viene prima denita la funzione caratteristica (con tre
parametri) che non fa altro che calcolare la funzione
[a,b]
(x), e successivamen-
te si costruisce la stringa alfanumerica funzione_probabili che inizia con
probabile: func [ics], e prosegue concatenando stringhe della forma
1 * (caratteristica 1 33 ics),
2 * (caratteristica 34 66 ics),
e cos` via. Alla ne viene eseguito il comando do funzione_probabili che
non fa altro che prendere la stringa funzione_probabili ed eseguirla come
fosse un programma REBOL. Siccome la stringa `e formata in modo da esse-
re un corretto programma REBOL, il risultato `e che viene creata la funzione
probabile[ics], che vale 1 se ics `e compreso tra 1 e 33, 2 se ics `e compreso
tra 34 e 66, e cos` via. In altre parole, allinizio dellesecuzione del programma
la funzione probabile non esiste, ma viene creata in corso dopera a partire
dai parametri probabilistici delle contrazioni dellIFS. Una volta costruita tale
funzione, il programma `e molto semplice.
REBOL [Random IFS]
; === FUNZIONI ===
; La stessa di prima
trasforma: func [
...
]
; La stessa di prima
STRUMENTI E PROGRAMMI 91
formato decimale: func [
...
]
; La stessa di prima
scrive vettore: func [
...
]
; funzione caratteristica di [alfa, beta]
; vedere commenti
caratteristica: func [
alfa
beta
ics
/local temp
][
temp: abs ((2 * ics) - alfa - beta)
temp: beta - alfa + 1 - temp
temp: max 0 temp
temp: min 1 temp
return to-integer temp
]
; === IFS ===
; A (2x2), B (2x1), P (1x1)
; [a 11 a 12 a 21 a 22 b 1 b 2 p]
ifs: [
equisierpinski
[
[0.5 0.0 0.0 0.5 0.00 0.000 33]
[0.5 0.0 0.0 0.5 0.25 0.433 66]
[0.5 0.0 0.0 0.5 0.50 0.000 100]
]
]
; === PROGRAMMA ===
; dati iniziali
ifs scelto: equisierpinski
; quanti punti disegnare?
max punti: 1000
; raggio del cerchio di ogni punto
raggio: 0.001
trasformazioni: select ifs ifs scelto
probabili: copy [0]
foreach trasformazione trasformazioni [
92 STRUMENTI E PROGRAMMI
append probabili last trasformazione
]
; il vettore con tutte le p i
funzione probabili: copy probabile: func [ics][
for indice 1 ((length? probabili) - 1) 1 [
append funzione probabili rejoin [
(
indice
* (caratteristica
((pick probabili indice) + 1)
(pick probabili (indice + 1))
ics)) +
]
]
append funzione probabili 0]
; il prossimo comando crea la funzione probabile[ics]
; spiegato in precedenza
do funzione probabili
; la stessa - o quasi - di prima
stringa tex: copy \tikzset{
shape/.style={
draw=gray!50,
ultra thin,
fill=#1
}
}
\definecolor{col01}{rgb}{1.0,0.0,0.0};
; ...
; come prima
; ...
\definecolor{col15}{rgb}{0.3,0.1,0.6};
colori: [
col01 col02 col03 col04 col05
col06 col07 col08 col09 col10
col11 col12 col13 col14 col15
]
; il programma vero e proprio, molto semplice
; parte da un punto P 0, sceglie una trasformazione random
; calcola P 1 e lo aggiunge alla lista dei punti da disegnare
; denisce P 0 = P 1 e riparte; si ferma dopo max punti iterazioni
punto iniziale: [0 0]
for contatore 1 max punti 1 [
STRUMENTI E PROGRAMMI 93
mappa scelta: probabile (random 100)
mappa random: pick trasformazioni mappa scelta
nuovo punto: trasforma mappa random punto iniziale
append stringa tex rejoin [
\draw [shape=
(pick colori (1 + (mod (mappa scelta - 1) 15)))
]
(scrivi vettore nuovo punto 5)
circle (
(formato decimale raggio 4)
);^/
]
punto iniziale: nuovo punto
]
nome file: rejoin [
ifs scelto
-
max punti
.tex
]
write rejoin [%Random IFSS/ nome file] stringa tex
Indice analitico
-ricoprimento, 56
K(X), 21
-algebra, 59
REBOL, 83
tikz, 81
attrattore di un IFS, 42
calcolo della dimensione box counting di
IFS, 70
calcolo della dimensione di Hausdor di
IFS, 76
caratterizzazione dei compatti, 19
caratterizzazione dei limiti in (K(X), h),
31
compattezza, 19
completezza, 15
completezza di (K(X), h), 28
confronto fra dimensione di Hausdor e
dimensione box counting, 66
continuit`a e compattezza, 20
contrazione, 15
contrazioni su (K(X), h), 34
convergenza in (X, d), 11
curva di von Koch, 45
diametro di un insieme, 55
dilatazione, 25
dimensione box counting, 65
dimensione box counting di , 65
dimensione di Hausdor, 61
distanza, 9
distanza da un punto, 12, 21
distanza di Hausdor, 23
distanza di Hausdor e convergenza, 26
distanza di Hausdor e dilatazioni, 25
distanza orientata, 23
disuguaglianza triangolare, 9
estensione di sottosuccessioni, 27
fattore di contrazione, 15
funzione continua, 12
funzione gamma, 56
funzione lipschitziana, 12
funzioni da K(X) in se, 33
IFS del quadrato, 40
IFS della curva di von Koch, 45
IFS della diagonale, 35
IFS di , 38
IFS di un albero, 49
insieme aperto, 10
insieme autosimilare, 43
insieme chiuso, 10
insieme invariante, 34
insieme limitato, 10
insieme misurabile, 59
insiemi chiusi e convergenza, 11
insiemi chiusi in spazi completi, 15
iterata n-sima, 16
metrica discreta, 9
metrica euclidea, 9
misura, 59
misura di Hausdor, 57
misura esterna, 59
punto sso, 15
sfera aperta, 10
sfera chiusa, 10
similitudine, 70
sistema di funzioni iterate (IFS), 41
95
96 INDICE ANALITICO
sistema di funzioni iterate con
probabilit`a, 52
spazio metrico, 9
stima dal basso della dimensione di
Hausdor, 73
successione di Cauchy, 13
suddivisione di una misura, 75
teorema del Collage, 44
teorema delle contrazioni, 16
teorema di Weierstrass, 21
totale limitatezza, 19
triangolo di Sierpinski, 40
unicit`a del limite, 11