Fractales de Newton
El método de Newton es un algoritmo para hallar raíces. En el plano complejo, cada punto de partida puede colorearse según la raíz a la que llega, convirtiendo la convergencia numérica en un mapa de destinos que compiten entre sí.
Un algoritmo se convierte en un sistema dinámico
Para una función f, la iteración de Newton envía z a z − f(z)/f′(z). Cada raíz suele ser un punto fijo atractor. Al repetir la actualización desde cada píxel, se revela su cuenca de atracción.
Para un polinomio p, la iteración de Newton es z↦z−p(z)/p′(z). Cada valor inicial válido se aproxima a una raíz, y el color puede representar ese destino. El método es rápido a nivel local, pero a nivel global dista mucho de ser inofensivo: cerca de puntos con derivadas pequeñas produce grandes saltos, y algunas órbitas convergen tarde o no convergen en absoluto. La imagen fractal refleja la fiabilidad global de un algoritmo numérico conocido.
¿Por qué los límites son tan intrincados?
Cerca del límite de una cuenca, pequeños cambios en el punto de partida pueden dar lugar a raíces diferentes o provocar un comportamiento lento e inestable. Para muchos polinomios, el límite común es un conjunto de Julia asociado al mapa de Newton y contiene estructura a escalas arbitrariamente finas.
El límite entre cuencas contiene valores iniciales para los que pequeñas perturbaciones pueden dar lugar a otra raíz. En el caso de los polinomios, este límite compartido de Julia suele estar densamente entrelazado con las preimágenes de cada cuenca. Por lo tanto, el aumento revela inclusiones en lugar de una simple línea divisoria. El suavizado debe iterar muestras subpixelares reales; desenfocar una clasificación final genera colores mezclados sin muestrear la dinámica.
El color puede codificar dos cuestiones
El matiz permite identificar la raíz convergente, mientras que el brillo o las bandas codifican las iteraciones necesarias. El límite máximo de iteraciones y la tolerancia de convergencia siguen siendo opciones numéricas; modificarlas puede ocultar regiones lentas sin alterar el mapa matemático en sí.
Una combinación de colores de dos canales resulta especialmente informativa: el matiz indica la raíz alcanzada, mientras que el brillo o la saturación registran el número de iteraciones. Un límite finito requiere un tratamiento diferenciado para las órbitas no convergentes o singulares. Si el destino y la velocidad se comprimen en un único degradado sin explicación, una órbita roja lenta puede confundirse visualmente con una órbita rápida en una cuenca vecina.
Fuentes y lecturas recomendadas
Este artículo resume las siguientes fuentes especializadas utilizando la redacción original. Consultado y revisado editorialmente el 12 de agosto 2026.
- Newton's MethodWolfram MathWorld
- Fractal Geometry: Mathematical Foundations and ApplicationsWiley
Continúa con la idea
Cuencas de atracción
Cómo los mapas de resultados dividen el espacio de estados y por qué sus límites pueden hacer que las predicciones sean arbitrariamente sensibles.
Conjuntos de Julia
Cómo fijar c en z² + c crea un plano dinámico, desde dendritas conectadas hasta polvo de Cantor desconectado.
El caos es determinista
Por qué las ecuaciones deterministas pueden volverse impredecibles, en qué se diferencia la sensibilidad de la aleatoriedad y dónde entran los fractales en el espacio de fases.