分形曼德布罗特集
我们在前面章节中看到的所有分形都是通过__迭代__的过程创建的:首先从一个特定的模式开始,然后不断地重复。
这和你之前看到的另一个数学概念很相似:用
让我们以递归公式
请注意,根据起始值
如果
如果
如果
到目前为止,我们还没有学到任何新的东西。但是,大约在一个世纪以前,数学家们开始探索如果使用
朱莉娅集
让我们使用与之前相同的序列
可以看到,只要
下面来点稍微难的,不仅仅是取前一个数字的平方数,每次还添加了一个常量 c (可以是任何复数),换句话说,
在此图中,您可以移动
在某些情况下,该序列不会收敛到一个_单点_ ,相反,它会形成一个由多个点组成的像三角形这样的循环路径,这些循环称为__轨道__。
显示为蓝色的点表示相应的序列要么是收敛的,要么是有一条轨道,我们说它是__有界__的。其余的白色点表示相应的序列是__发散__的,它没有边界,最终会膨胀到无穷大。
通过数字着色形成的不同形状称为
在那个时候,没有计算机可以帮助我们直观地看到Julia集的实际样子,像朱利亚(Julia)和法图(Fatou)这样的数学家能够从数学上对它们进行推理,但他们只能看到粗略的手绘草图。
这个问题在今天就不存在了,下面的图片是所有不同的Julia集,不同的颜色表示序列在该点的发散有_多快_:
曼德布罗特集
当创建不同的Julia集时,你可能已经注意到,_c_的某些值对应的每个序列都发散了,整个复平面留下是白色的。在朱利亚(Julia)和法图(Fatou)之后的几十年,新一代的数学家试图绘制出这些区域的样子。
在前面的示例中,我们为
再一次,在复平面上绘制以显示序列仍处于边界的区域,你希望看到什么形状?

这种分形称为
几年后,
像所有分形一样,我们可以一直不断“放大” 曼德布罗特集(Mandelbrot Set),在各个尺度下都可以找到一种新的模式。在这里你可以放大曼德布罗特集(Mandelbrot Set)中称为__海马谷__的这部分,黑色点位于 曼德布罗特集(Mandelbrot Set) 内 ,这里的序列是收敛的,其它有颜色的点位于 曼德布罗特集(Mandelbrot Set)之外,这里的序列是发散的,不同的颜色表示它 增长到无穷大的速度 有多快:



























该滑动条由 27 幅单独的图像组成,最大可以达到14兆或

当你在曼德布罗特集(Mandelbrot Set)周围移动 c的值时,您可能会注意到一个奇妙的性质:
- 曼德布罗特集(Mandelbrot Set)的主体部分内的所有序列都是
到一个点。 - 在顶部球状体内的所有序列
它由 个点组成。 - 在较小球状体里的序列有一长度为
的轨迹。
每个球状体都有不同大小的轨道,越小的球状体在其轨道上的点越多。这些轨道的大小与混沌理论中的重要概念__单峰映象(logistic map)__密切相关。
曼德布罗特(Bernoit Mandelbrot)将毕生精力奉献给了分形研究,以及与_粗糙度_和_自相似_相关的数学研究。他的工作在物理学、气象学、神经学、经济学、地质学、工程学、计算机科学和许多其他领域中都有应用。
1985年,曼德布罗特集(Mandelbrot Set)出现在_《科学美国人》_杂志的封面上,从那时起,它已成为世界上最具识别度的数学图形之一。您可以在T恤、音乐视频和屏幕保护程序中看到它,它也被很多流行书籍和电影引用。